本文根据北京大学公开课《数据可视化》中关于时间序列可视化的内容整理而成。课程由北京大学智能学院袁晓如老师主讲。以下内容聚焦于时间数据的可视化方法，涵盖基础图表类型、典型案例以及多序列比较的进阶技术。因个人理解有限，如有不准确之处，恳请指正。
一、地图的演进与基本认知
地图是人类最早的空间信息记录形式之一，其出现远早于计算机技术。在古代，地图具有重要的政治与军事战略价值，例如“荆轲刺秦王”借献地图接近君主的典故，便反映了地图作为情报与权力象征的双重属性。至宋代，我国地图中的水系绘制已具备相当高的精度。在近代科学史上，地图亦在流行病学与军事分析中发挥了关键作用，如约翰·斯诺的霍乱传播溯源研究和拿破仑进军俄国行军图等，均为地图可视化的经典案例。
需要指出的是，地图本身并非一成不变，其表达方式会随着技术手段、数据类型和用户需求的变化而不断演进。
二、使用地图的基本前提
地图的使用通常应以空间关系被着重强调为前提。在实践中，涉及地图的任务大致可归为四类：
-
寻找特定地点或地理特征（如国家、城市、街道）；
-
规划或查找从甲地到乙地的路径；
-
辨识某个地点所对应的属性或数据；
-
在不同地点之间对特定属性进行比较。
这四类任务决定了后续地图设计中的视觉编码与图形选择，也是评判地图是否适用的基本依据。
三、地图可视化的一般设计原则
1. 以终为始（任务导向）
地图的设计应服务于具体的使用目标。若任务是路径查找，则应优先保证线路关系和拓扑结构的清晰；若任务为数据比较，则应确保数值编码的准确性和可读性。设计决策不应脱离实际使用场景。
2. 降低认知门槛
地图应尽可能减少读者的解读负担。例如，现代地铁图普遍采用水平、垂直或45度角的拓扑变形设计，虽然牺牲了一定的地理真实性，但显著提高了换乘信息查找的效率。这种取舍的核心在于服务实用性，而非追求地理精确性。
四、区域分布地图（Choropleth Map）
1. 基本原理
区域分布地图通过对各行政区域填充不同颜色或图案，来反映不同区域的统计数据差异。其基本制图规则包括两点：一是填充色深浅或图案密度应与数值大小成比例；二是每个空间单元（如国家、省份）内部必须保持颜色或图案的均匀一致。
2. 应用实例
该类型地图在历史上已有较多应用，如1826年法国人口分布图，以及当代美国大选中两党得票的地理呈现。以2015年欧洲各国出生预期寿命地图为例，图中以离散分级方式映射数据：深绿色（≥83岁）代表高寿命区域，黄橙色（72.5~77.5岁）代表中等区域，红色（≤65岁）代表低寿命区域，并在地图上直接标注了各国具体数值（如西班牙82.8、意大利82.7），便于读者对照。
3. 制图时需注意的细节
-
分级标准的选取：分级方式（如自然间断点法、等距分级法等）会显著影响地图的视觉效果。不同的分级方法可能导致部分相邻区域被归入同一色阶或产生视觉差异，因此应根据数据分布特点谨慎选择。
-
缺失数据的标示：对于无法获取数据的区域，应使用统一颜色（通常为浅灰色或白色）明确标注“无数据”，避免读者误认为该区域数值为零。
-
色觉障碍友好性：制图时应尽量避免使用红绿配色，因为红绿色盲难以区分。相对而言，蓝-橙或紫-黄渐变色系对更广泛的受众更为友好。
4. 该类型地图的局限与改进方向
区域分布地图存在一个较为突出的问题：地理面积与人口数量往往不成正比。广袤的乡村地区可能人口稀少，而面积狭小的城市可能人口密集。若仅以区域色块呈现，容易在视觉上夸大稀疏地区的影响，压缩密集地区的存在感。例如，两位总统候选人的全国支持人数若相差无几，但在地图上某一方的色块面积可能显著占优，从而给读者留下“数倍领先”的误导印象。
为缓解这一问题，可考虑以下改进方式：
-
在颜色填充基础上叠加人口密度信息，使人口密集区呈现为深色点或高亮区域，类似于热力图的思路；
-
将二维分布图转为三维视角，将数值映射为高度，人口密集的城市会呈现显著柱状突起，从而强化对密度差异的感知；
-
若比较目标为总量而非人均值，亦可考虑使用比例符号地图或变形地图，从设计层面规避面积带来的误解。
五、等高线地图（Contour Map）
等高线地图用于表达连续变化的空间数据，如海拔高度、气温或气压等，已有三百余年的应用历史。其基本判读规则为：等高线密集处表示数值变化剧烈（对应陡坡或强梯度），等高线稀疏处则表示数值变化平缓（对应平坦地带）。该方式不仅适用于自然地形，也可用于表示其他连续场变量的空间过渡。
六、统计地图与变形地图（Cartogram）
统计地图可追溯至1876年法国地理学家的早期专题作品，是基础地形图向专题地图过渡的重要类型。
变形地图（Cartogram）是一种较为特殊的可视化形式，它将每个行政区域按所代表的数据指标（如预算、人口或活动参与人数）进行缩放，使区域面积与数值成正比。虽然变形后各区域的形状和位置与真实地理存在较大偏差，但其相对邻接关系通常得以保留，因此读者仍可依据大致位置进行识别。
典型示例包括：
-
将各国按预算规模绘制为方块，方块越大表示预算越高，例如法国、英国、德国等国的方块相对较大；
-
根据城市间航班飞行所需时间重新布局地图，使通航城市之间的视觉距离被压缩，形象地体现现代交通对时空距离的缩短作用；
-
按各州音乐会参加人数缩放美国各州面积，参与人数多的州在图中显著扩大，便于快速识别高活跃度地区。
七、比例符号地图（Proportional Symbol Map）
比例符号地图通过在各地理区域上叠加圆形或其他几何符号，并以符号大小表示对应数值（如人口、经济损失等）。例如，在美国各县人口分布图中，人口众多的县对应较大的圆圈，人口稀少的县圆圈则较小，这种方式能够较为直观地反映数据的集中程度。类似地，该形式也可用于表示卡特里娜飓风造成的经济损失，图中可见损失主要集中在东南部沿海地区，北部地区损失相对较少，这与飓风实际路径基本吻合。
八、流图（Flow Map）
流图主要用于展示数据在不同地区之间的移动方向与流量，在交通运输、贸易和人口迁移等领域应用较多。
历史与应用实例：
-
19世纪早期，流图已被用于绘制爱尔兰旅客运输路线；
-
拿破仑进军俄国行军图是流图的经典代表，图中线条宽度代表军队兵力变化，方向指示进军与撤退路线，兼具时间和空间维度的信息；
-
美国内战前后棉花贸易流向的变化，亦可通过流图清晰呈现：内战前欧洲棉花主要进口自美洲，内战后则大量转向亚洲。这种流向与宽度的对比，使贸易格局的转变一目了然。
流图的优势在于能够同时呈现方向、数量和地理关系，适合展示具有动态特征的关联数据。
九、地铁线路图（Schematic Transit Map）
地铁线路图是一种高度抽象的可视化形式，其现代设计范式源自伦敦地铁图。该图将原本复杂曲折的地铁线路整理为水平、垂直或45度走向，不同线路以颜色加以区分，车站近似等距排列，换乘站被突出标示。这种设计虽然弱化了地理精确性，但显著提高了乘客查找线路和换乘站点的效率。
对比伦敦地铁的实际地理线路与变形后的示意地图，可以看出后者更符合乘客的“寻路”与“辨识”需求——乘客通常无需关心列车的实际地理走向，而只需关注所在线路、行驶方向（上行或下行）以及经过的站数。值得注意的是，这种变形方式是任务驱动的典型选择：若地图面向地铁施工人员，则需要提供精确的地理坐标和工程图纸，而非乘客版示意地图。当前北京地铁线路图也采用了类似的设计思路。
小结：地图可视化并非对地理空间的简单描绘，而是结合数据特征、任务需求与读者认知约束的信息设计过程。从区域分布图、等高线图，到变形地图、流图和地铁图，每种形式都有其适用的场景与内在的局限性。在使用或制作地图时，先明确自己的任务属于“寻址、寻路、辨识、比较”中的哪一类，再据此选择合适的图形类型与编码方式，同时注意分级方法、缺失数据标示、色觉友好等制图细节，有助于避免因视觉误导或图型错配而产生不恰当的解读。以上整理基于笔记内容，如有不妥之处，恳请指正。
笔记整理自公开课内容，如有不当之处，欢迎指正。
课程来源
本文根据北京大学公开课《数据可视化》（共63讲）的学习笔记整理而成，课程链接 ：
【公开课】北京大学：数据可视化
注：本文为个人学习笔记的整理与分享，如有理解不当之处，欢迎交流讨论。
