数据可视化(Data Visualization): 将抽象的科学或者商业数据用图像表示出来,帮助理解数据的意义的过程。可视化并不独立于分析过程,两者往往相伴、迭代推进。
为什么要做可视化? 图形传达信息的效率更高
可视化发展史与测量、绘画、人类现代文明的启蒙和科技的发展一脉相承。在地图、科学、工程、统计等领域发展了数百年。
按照所呈现的信息和视觉复杂程度可以分为:
图一 | 图二 | 图三 |
---|---|---|
![]() |
![]() |
视觉编码 | |
---|---|
![]() |
![]() |
坐标系 | |
---|---|
![]() |
![]() |
标尺 | |
---|---|
![]() |
![]() |
背景信息 | |
---|---|
![]() |
![]() |
变量映射(数据==>可视化结果)的过程就是视觉编码(visual encoding)。
各个变量分别映射到哪个视觉通道(visual channel)上?通常,
图一 | 图二 |
---|---|
![]() |
![]() |
图一 | 图二 |
---|---|
![]() |
![]() |
|
图一 | 图二 |
---|---|
![]() |
![]() |
|
|
通道 | 分类数据 Categorical | 有序数据 Ordinal | 定量数据 Quantitative |
---|---|---|---|
位置 position | 好 | 好 | 好 |
长度 length | 好 | 好 | 好 |
亮暗 luminance | 好 | 好 | 中 |
纹理 texture | 好 | 中 | 差 |
颜色 color | 好 | 中 | 差 |
角度 angle | 好 | 差 | 差 |
形状 shape | 好 | 差 | 差 |
序号 | 分类数据 | 有序数据 | 定量数据 |
---|---|---|---|
1 | 位置 position | 位置 position | 位置 position |
2 | 色调 hue | 密度 density | 长度 length |
3 | 纹理 texture | 饱和度 saturation | 角度 angle |
4 | 连接 connection | 色调 hue | 斜率 slope |
5 | 包含 containment | 纹理 texture | 面积 area |
6 | 密度 density | 连接 connection | 体积 volume |
7 | 饱和度 saturation | 包含 containment | 密度 density |
序号 | 分类数据 | 有序数据 | 定量数据 |
---|---|---|---|
8 | 形状 shape | 长度 length | 饱和度 saturation |
9 | 长度 length | 角度 angle | 色调 hue |
10 | 角度 angle | 斜率 slope | 纹理 texture |
11 | 斜率 slope | 面积 area | 连接 connection |
12 | 面积 area | 体积 volume | 包含 containment |
13 | 体积 volume | 形状 shape | 形状 shape |
图一 | 图二 |
---|---|
![]() |
![]() |
|
图一 | 图二 |
---|---|
![]() |
![]() |
|
|
图一 | 图二 |
---|---|
![]() |
![]() |
|