ISUX 遇见大数据可视化系列

Source

• 未来已来，变革中的数据可视化
• 数据可视化基础研究
• 来做一个数据可视化报表
• 可视化系统搭建
• 数据图表设计（一）

Notes

世界上90％的数据是在过去几年内产生的事实上，过去三十年中，全世界的数据量大约每两年增加10倍。

因为数据多且增量大，所以需要持续改进可视化形式。技术上来说，可视化形式逐渐从从过去的表格、信息图、图表，逐渐扩充了交互图表、VR 图表等形式。

• 图表可视化发展史

大数据时代的数据可视化具有哪些特征，笔者大概将其整理归纳为以下三点。

• 直观：使用 3D、动效等加强视觉冲击增强图表的可认知性
• 交互：通过互动改变数据的表现形式
• 实时：在庞大的数据量及增量的背景下，数据的实时性尤为重要

为什么人们会对信息图的传播内容更有效的认知呢？

主要原因是因为视觉是人类最强的信息输入方式，其次，信息图提供了特定的语境，能展示多个维度数值并且相互比较。

信息图的分类也逐步划分为：图解（Diagram） 、图表（Chart） 、 表格（Table） 、统计图（Graph） 、 地图（Map）和图形符号（Pictogram）这几部分。

• 图解 Diagram：主要运用插图对事物进行说明
• 图表 Chart：运用图形、线条及插图等，阐明事物的相互关系
• 表格 Table：根据特定信息标准进行区分，设置纵轴与横轴
• 统计图 Graph：通过数值来表现变化趋势或进行比较
• 地图 Map：描述在特定区域和空间里的位置关系
• 图形符号 Pictogram：不使用文字，运用图画直接传达信息

我们来看一个数据：2017年1月28号，成都PM2.5值245，从这个数据里能看出什么

作者通过这个例子展现了收集、清洗、设计这三个完整的流程。他先从环境检测总站获取了 1 月份的检测信息，清洗后获得整个月的 PM2.5 值，通过将 PM2.5 映射成天空的照片，最后线性排开。从最后的图表中可以准确并清晰的确认 1 月份中的好天气。

数据可视化迭代过程

---
title: 数据可视化迭代过程
---
flowchart TD
    A["1. 你有什么数据？"] -->|还没有数据| A
    A -->|有想要的数据| B[2. 关于数据你想知道什么？]
    B -->|还没想法| B
    B -->|有具体的问题| C[3. 选择数据可视化形式？]
    C -->|设计| D{{"`**可视化图表**`"}}
    D -->|观察| E[4. 这些数据的展现有意义吗？]
    E -->|提出新的问题| B
    E -->|寻找不同的方法| C
    E -->|找到相关数据| A