总览

数据可视化之美 - 读书笔记一

第一章：

• 除了数据本身，还有比较重要的是想要表达的信息和应用场景。例如元素周期表

• 数据展示要高效。例如伦敦地铁图，好有水准，剔除无用因素。

经典风格展示数据可以是有创意的实践，但是不是原始的可视化的精髓和价值
明确风格有明确，合理的使用习惯：
折线图表示连续数据，条形图离散数据，饼图表示对于图形直观呈现的优美更感兴趣而不是传递信息本身

先要确定可视化要达到的信息或者达到的目标。读者和他们的需求，行话和偏好都要考虑。

使用场景要是两种设计目的

• 一是揭示设计师所知道的

• 一个是帮助未知事物的研究

类似于我们的智能分析模块，诱导做出决定

一个是演示，一个是探索。

改变突出的重点，有意的改变传递的信息。

使用轴线表达含义

美国总统大选图确实好像可视化效果不好，州的大小其实根本不重要，更重要的是选票多少，利用了惯例给人的熟悉感，但是应该突破常规的时候没有突破。

第二章：

讲述故事的能力
问题+可视化数据+场景=故事

• 先提出问题，也可以先收集数据，在过滤和筛选数据的时候提出问题

• 然后收集数据，并进行数据的再加工

• 然后应用一种可视化展现

有些常用的可视化展现方式：

• 尺寸：尺寸可以加快数字的区别

• 色彩：大数据集中的优秀展现方式，色彩可以识别很多层次和色调。对于规模较小的数据集或者差别不大的，要保证 45%到 55%之间的区分度。不然效果不好

这里其实可以通过不做线性的色彩，改成 logN 的函数来强化效果

• 位置

• 网络：数据点之间的二元连接，展现关系效果不错

• 时间

• 应用多种可视化展现

比如以时间为维度的堆积图，既有时间，又有大小

我们在讲数据相关的故事的时候，其实里面有很多小故事，每件事情都有动机，驱动和时间，我们要找到一种方式来讲述一个故事。

只从数据本身查看问题，允许用户和观察者自己下结论
对于有些难以分类的数据，我们做出决定后保持一致性，然后传达给读者就行了

第三章

wordle(标签云)用来显示一个人的兴趣爱好很有用

最初是直接变大小
然后加上了字体的粗细。
并且变成填充空白。通过贪婪算法放置位置直到无碰撞。
贪婪算法可以填充任意图形，非常强大

单词云的缺点：

• 单词只调大小，会导致越长的词感觉出现的越多

• 颜色没有做到有意义

奥巴马的就职演说单词云做的很好，他用到了统计学，比如他的‘government’和‘people’都是提的比较多的，但是在其他演讲中‘government’被提的更多，‘people’用的比较多就比较少见，所以见下图

• 字体更多的倾向于美学和表现力，而不是可读性

• 字数统计不够具体

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 981909093@qq.com