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