[Note]数据可视化基础

可视化中的数据

数据认知

• 数据模型：对数据的底层描述及对相关的操作
• 概念模型：对数据的高层次描述。定义数据的概念和它们之间的联系，定义数据的语义和它们的含义

数据类型

• 根据数据模型
  • 浮点数、整数、字符等
• 根据概念模型
  • 如汽车、摩托车、自行车等分类数据
• 根据测量标度
  • 类别型、有序型、数值型

可视化的基本图表

• 原始数据绘图
  • 轨迹图
  • 柱状图
  • 直方图
  • 饼图：呈现各分量在整体中的比例
  • 等值线图： 将相等的数据点连线表示数据的连续分布和变化规律
  • 走势图： 一种紧凑并简洁的数据趋势表达方式，通常以折线图为基础嵌入文本或表格中
  • 散点图和散点图矩阵
    • 散点图表示二维数据的标准方法
    • 散点图矩阵式散点图的高维扩展，用来表示高维（大于二维）的数据属性分布
  • 维恩图（Venn diagram）
    • 使用平面上的封闭图形来表示数据集合间的关系
  • 热力图
    • 用颜色表达与位置相关的二维数据数值的大小
• 简单的统计值标绘
  • 盒须图（箱形图，box-plot）
    • 一维盒须图可扩展为二维盒须图
• 多视图协调关联

注：直方图和柱状图的区别：“直方图一般用来描述等距数据或等比数据；柱形图一般用来描述称名数据或顺序数据。直观上，直方图矩形之间是衔接在一起的，表示数据间的数学关系；柱形图则留有空隙，表示仅作为两个或多个不同的类，而不具有数学相关性质。”转自这里

可视化设计原则

• 准确
• 直观
• 美观

直观

视图选择与交互设计

成功的可视化首先考虑的是被用户广泛认可并成熟的视图设计。

如：

• 滚动和缩放
• 颜色映射
• 数据映射方式的控制，即除首先确定默认的直观的数据到可视化的呈现方案，其次提供其他的呈现方式供用户选择
• 数据缩放和裁剪工具
• 细节层次（level of detail）控制， 隐藏或突出数据的细节部分

数据筛选

过多过少均不合适，可以

• 用户选择显示的部分数据，隐藏其他
• 使用多视图或多显示器，数据根据它们的相关性分别显示

美观

• 使用表格
  • 过多过少均使数据缺乏准确和美观性
  • 区间的均匀性也对用户理解很重要
• 错误的或过多的使用颜色映射容易造成视觉混乱
• 可视化是功能和形式的完美结合
  • 聚焦，将用户注意力集中在重要区域
  • 平衡，有效利用可视化空间
  • 简单，避免视觉混乱，但也要主语过滤而来的信息损失，寻找其中的平衡