hic数据可视化 可视化数据呈现

1.什么是数据可视化

数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定为，
一种以某种 概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。
Anything that converts data into a visual representation(like charts,
graphs, maps,sometimes even just tables)

1.1生活中常见的一些数据可视化案例

2.数据可视化分类

1.科学可视化-------对科学实验数据的直观展示
2.信息可视化-------对抽象数据的直观展示
3.可视化分析-------对分析结果的直观展示，及交互式反馈，是一个跨领域的方向

2.为什么要可视化

1.记录信息
2.分析推理
3.证实假设
4.交流思想

举个例子：（安斯库姆四重奏）

从两张图相比较来看，图二更加直观。这是1973年，统计学家F.J. Anscombe构造出了四组奇特的数据。它告诉人们，数据分析之前，描绘数据所对应的可视化图形有多么的重要！

3.数据可视化的原则

能够正确地表达数据中的信息而不产生偏差与歧义

准确地展示数据节省笔墨节省空间

消除不必要的“无价值”图形

在最短时间内传达最多的信息

·最大化数据墨水占比 (Data-Ink Ratio)

·可视化图形由墨水和空白区域构成

·数据墨水:可视化图形当中不可擦除的核心部分被称之为“数据墨水”

·擦除数据墨水将减少图形所传达的信息量

·数据墨水占比:可视化图形中用于展示核心数据的“墨水”在整体可视化所使用的墨水中的比例

3.1常见的错误可视化

    3.1.1 透视失帧

1.如果数字是由视觉元素表示的，那么它们应该与视觉元素的感知程度成正比。
2.使用清晰、详细和彻底的标签，以避免图形失真和含糊不清。

    3.1.2图形设计&数据尺度

图形的每一部分都会产生对其的视觉预期(visual expectation) :

·这些预期往往决定了眼睛实际看到的东西;

·错误的数据洞察，产生于在图形的某个地方发生的不正确的视觉预期推断。一个典型的例子:轴刻度，我们期望它从始至终能够保持连贯且一致。

    

3.1.3数据的上下文

补充：如何提高最大化数据墨水占比 (Data-Ink Ratio)

• 两个擦除原则:

• 擦除非数据墨水
• 擦除冗余的数据墨水

• 非数据墨水是指不能描绘有价值信息的墨水:

• ·有时，非数据墨水会使数据变得混乱不堪·
• 并非所有的非数据墨水都没有用（例如坐标轴信息)。

• ·冗余的数据墨水描述了信息，但它重复显示了信息。

4.视觉感知

什么是视觉感知？

感知 是指客观事物通过人的感觉器官在人脑中形成的直接反映。
感觉器官眼、耳、鼻、神经末梢
那么，视觉感知就是客观事物通过人的视觉在人脑中形成的直接反映

一个新的概念：格式塔理论：

较为系统的对人类如何发现图形元素之间的相关性进行了全面总结,被广泛的应用在了视觉设计当中。

1. 就近原则

• 当视觉元素在空间距离上相距较近时，人们通常倾向于将他们归为一组。
• 将数据元素放在靠近的位置,可以突出它们之间的关联性。

2. 相似原则

• 形状、大小、颜色、强度等属性方面比较相似时，这些物体就容易被看
  作
  个整体。

3. 连续性原则

• 人们在观察事物的时候会很自然地沿着物体的边界，将不连续的物体视为连续的整体。

4. 闭合原则

• 有些图形可能本身是不完整或者不闭合的，但主体有一种使其闭合的倾向，人们就会
  很容易地感知整个物体而忽略未闭合的特征。

5. 共势原则

• 如果一个对象中的一部分都向共同的方向去运动，那这些共同移动的部分就易被感知
  为一个整体。

6. 对称性原则

• 对称的元素被视为同一组的一部分。

7. 图形与背景关系原则

• 大脑通常认为构图中最小的物体是图形，而更大的物体则是背景。
• 跟凹面元素相比，凸面元素与图形相关联更多些。

5.基础统计图表

1. 柱状图

• 将柱子的高度(或宽度)映射到数值大小
• 最基础的柱形图，需要一个分类变量和一个数值变量。
• 柱状图必须以O作为基准线，可以表示正
• 值或负值
• 在柱状图中，柱子可以分组展示
• 柱状图是比较分类的数据的最佳选择

2. 饼图

• 每个扇形的弧长(以及圆心角和面积)大小,表示该种类占总体的比例
• 饼图最显著的功能在于表现“占比”
• 饼图一般需要一个分类数据字段、一个连续数据字段
• 分类字段的数据，在图表使用的语境下，应当构成一个整体（例如一班、二班、三班，构成了整个高一年级)，而不能是独立、无关的。
• 由于饼图用面积取代了长度，从而加大了对各个数据进行比较的难度，当需要对数据进行比较，分清孰大孰小，尤其是当数据接近时，柱状图更加合适。

3. 散点图

• 一般通过点在空间上的位置信息来编码数据
• 点可以根据需要绘制成不同的颜色、
• 点既可以是一个圆形，也可以用其他不同形状来替代。形状也是一个重要的视觉通道，用于编码不同数据信息。
• 可以通过更复杂的组合图形(glyphs)来编码多维度数据。
• 散点图适用于分析变量之间是否存在某种关系或相关性。
• 散点图适用于分析变量之间相关性的强弱，我们可以通过查看图上数据点的密度来确定相关性的强弱

4. 折线图

• 大多数情况下，折线图适用于x轴为连续数据的场景，但:

• ·也可以在x轴为离散数据时使用;
• ·甚至可以用于分类数据时使用，如果分类数据的顺序是有意义的。

6.具体工具介绍

1. D3
2. vega
3. G2
4. ECharts

感谢.阅读