《互联网+数据可视化》读书笔记
2023-06-06 00:50:32 53 举报
AI智能生成
为你推荐
查看更多
通过什么是可视化?为什么要可视化?为什么能可视化?如何进行可视化?四大问题来理解数据可视化
作者其他创作
大纲/内容
可见的图形符号
不可见的图形符号
从中获取和发现规律
定义
提升处理事务的 效率
通过可视表达
目的
增强大脑本身的 认知
通过大脑以外的资源
实质
什么是可视化
记录信息
分析推理
验证假设
交流思想
为什么要可视化
人的视觉感知和认知
整体 ≠ 部分之和
简单精炼原则
相似性原则
贴近原则
连续性原则
闭合原则
对称性原则
共势原则
经验原则
好图原则
八大原则
格式塔理论
视觉心理学
坐标原点作为对比基准
整个圆周角作为对比基准
人的视觉认知具有相对性
视觉通道
为什么能可视化
真实全面
表达力强
信
用户容易理解
有效性强
达
(数据映射与人的日常认知相一致)
形式与内容和谐统一
雅
(数据墨水比 越大越简洁)
图形少,数据量大
简
用意和价值观
符合正确的
善
具有艺术美感
美
目标
需求分析层
数据抽象层
核心
编码交互层
算法实现层
框架
平均值
中位数
众数
集中趋势度量
标注差
方差
极值
变异系数
离中趋势度量
概率密度函数
累积分布函数
直方图
箱线图
数据分布规律
统计特征
数据筛选
可视化图形元素
映射
数据属性
标示 数据的 性质分类
标记
标记的视觉表现属性
数据属性的值
标示 数据属性的 定量信息
待解决的问题
更重要
决定了 哪些数据属性
甲方的需求
能否用表达力更强的视觉通道映射数据中更重要的数据属性
决定了
乙方的技术水平
有助于增强可视化结果的有效性
能够用表达力更强的视觉通道映射数据中更重要的数据属性,
可视化结果的有效性
还原程度
可视化对数据信息的
精确性
多种取值状态
区别同一视觉通道的
可辨认性
相互干扰
多个视觉通道间
降低
可分离性
不同
某一对象和其他对象
突出
视觉突出
视觉通道的表现力
数据映射
点 线 面 体
颜色 形状 大小长度 角度 位置
步骤
点
(一个"二维位置")
必备视觉通道
看数据的分布/分簇状态
适用场景
散点图和气泡图
扇形面
扇形的弧度(圆心角)
数据集中无负值
部分占总体的比例
多个数据系列的比例对比
饼图
辐射面
半径
雷达图
饼图(雷达图)
矩形
类别轴的一维位置
矩形面的高度
小规模数据集
对比
看数值大小及数值具体大小的
部分和整体的对比
堆积柱形图
各类别之间的对比
簇状柱形图
堆积条形图
簇状条形图
常见子类
柱形图与条形图
线
X轴的一维次序
拐点的Y值
(两个"一维位置")
数据趋势
多趋势对比
折线图
基本统计图表
特殊图表
Excel Tableau
单机交互式图表
Echarts
基于网页/网站的交互式图表
交互图表(动态图表)
视图与交互
如何进行可视化设计
《互联网+数据可视化》
0 条评论
回复 删除
下一页