数据可视化|青训营笔记

简介: 数据可视化|青训营笔记

这是我参与「第四届青训营 」笔记创作活动的第3天


格式塔理论


"格式塔"在德语中意为"统一的整体"。第一个格式塔原理是由德国心理学家Max Wertheimer,Kurt Koffka和Wolfgang Kohler在1920年代设计的,他们旨在了解人类通常如何从周围的混乱刺激中获得有意义的感知。格式塔的原则有许多,今天主要学习了其中七种。

  • 就近原则
  • 相似原则
  • 连续性原则
  • 闭合原则
  • 共势原则
  • 对称性原则
  • 图形与背景关系原则

面向前端的可视化工具

D3

D3 支持将任意数据绑定到DOM,然后将数据驱动的转换应用于文档。例如,可以通过D3用数字数组生成HTML表。或者,使用相同的数据创建具有平滑过渡和交互的交互式SVG条形图。 D3不是一个试图提供所有可能的功能的单一框架。相反,D3解决了问题的症结:基于数据有效操作文档。这提高了灵活性,公开了HTML,SVG和CSS等Web标准的全部功能。D3消耗极小,速度极快,支持大型数据集以及交互和动画的动态行为。


Vega

Vega 为各种可视化设计提供了基本的构建块:数据加载和转换,比例,地图投影,轴,图例和图形标记,如矩形,线,绘图符号等。可以使用反应信号来指定交互技术,这些信号动态修改可视化以响应输入事件流。


G6

G6是一个简单、易用、完备的图可视化引擎,它在高定制能力的基础上,提供了一系列设计优雅、便于使用的图可视化解决方案。能帮助开发者搭建属于自己的图可视化、图分析、或图编辑器应用。


ECharts

ECharts是使用 JavaScript 实现的开源可视化库,可以流畅的运行在 PC 和移动设备上,兼容当前绝大部分浏览器(IE9/10/11,Chrome,Firefox,Safari等),底层依赖矢量图形库 ZRender,提供直观,交互丰富,可高度个性化定制的数据可视化图表。


什么是数据可视化

Anything that converts data into a visual representation(like charts, graphs, maps, sometimes even just tables) 任何一种数据转化成为可视化形式的展现(比如关系图表、地图、词云或能够展示图表的表格,类型及其丰富)

数据可视化分类

  • 科学可视化:科学实验数据的直观展示
  • 信息可视化:对抽象数据的直观展示
  • 可视化分析:对分析结果的直观展示, 交互式反馈, 通常是一个跨领域的方向

数据可视化目的

  • 记录信息
  • 分析推理
  • 证实假设
  • 交流思想
  • 可视化的图应该紧密联系上下文,避免图不对文的数据可视化。

可视化设计原则和方法

能够正确地表达数据中的信息而不产生偏差与歧义

一个出色的可视化设计可在最短的时间内,使用最少的空间、用最少的笔墨为观众提供最多的信息内涵 —— Edward


常见的错误可视化

  1. 透视失真
    如果数字是由视觉元素表示的,那么它们应该与视觉元素的感知程度成正比
    使用清晰、详细和彻底的标签,以避免图形失真和含糊不清
  2. 图形设计 & 数据尺度
    图形的每一部分都会产生对其的视觉预期,这些预期往往决定了眼睛实际看到的东西
    错误的数据洞察,产生于在图形的某个地方发生的不正确的视觉预期推断
    一个典型的例子:轴刻度,我们期望它们从始至终都能保持连贯且一致
  3. 数据上下文

可视化的图应该紧密联系上下文,避免图不对文的数据可视化。


数据可视化的原则

  1. 准确地展示数据
  2. 节省笔墨
  3. 节省空间
  4. 消除不必要的“无价值”图形
  5. 在最短的事件内传达最多的信息

视觉感知

视觉感知时客观事物通过人的视觉在人脑中形成的直接反映。可视化致力于外部认知,也就是说,怎样利用大脑以外的资源来增强大脑本身的认知能力。人类视觉系统观察的是变化,而不是绝对值,并且容易被边界吸引。在可视化设计中,设计者需要充分考虑到人类感知系统的这些现象,以使得设计的可视化结果不会存在阻碍或舞蹈用户的可视化元素。


视觉编码

视觉编码是一种将数据信息映射成可视化元素(可视化元素+视觉通道)的技术。


可视化符号

  • 表示元素时的符号包括点、线、面。
  • 表示关系时的符号包括闭包、连线。

视觉通道

视觉通道有两种类型

  • 数量通道:用于显示数据的数值属性。
  • 标识通道:用于显示数据的分类属性。



相关文章
|
3月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
57 1
|
2月前
|
数据可视化 Python
Python编程之数据可视化入门
【10月更文挑战第4天】在数字时代的洪流中,数据如同星辰般璀璨,而将它们绘制成图表,便是我们探索宇宙的方式。本文将带你启航,用Python这艘航船,驶向数据可视化的奥秘。我们将从安装必要的工具包开始,逐步深入到数据的呈现,最后通过代码示例点亮知识的灯塔,指引你在数据海洋中航行。让我们握紧舵盘,乘风破浪,揭开数据背后的故事吧!
|
3月前
|
数据可视化 数据挖掘 Python
惊呆了!Python数据分析师如何用Matplotlib、Seaborn秒变数据可视化大师?
在数据驱动时代,分析师们像侦探一样在数字海洋中寻找线索,揭示隐藏的故事。数据可视化则是他们的“魔法棒”,将复杂数据转化为直观图形。本文将带你探索Python数据分析师如何利用Matplotlib与Seaborn这两大神器,成为数据可视化大师。Matplotlib提供基础绘图功能,而Seaborn在此基础上增强了统计图表的绘制能力,两者结合使数据呈现更高效、美观。无论是折线图还是箱形图,这两个库都能助你一臂之力。
46 4
|
机器学习/深度学习 监控 数据可视化
数据可视化神器
数据可视化神器
|
数据可视化 数据挖掘
动手学习数据分析(四)——数据可视化
动手学习数据分析(四)——数据可视化
131 0
动手学习数据分析(四)——数据可视化
|
机器学习/深度学习 分布式计算 安全
python数据分析-开篇什么是数据分析
在《增长黑客》提到的增长团队中重要成员是数据分析师;数据分析师从数据角度抽丝剥茧,不断验证,A/B测试,找到问题,提出增长建议。数据分析师就像侦探一样,找线索,求真相, 是艰难但富有挑战的工作。
124 0
python数据分析-开篇什么是数据分析
|
数据可视化 定位技术
数据可视化基础|青训营笔记
数据可视化基础|青训营笔记
259 0
|
数据挖掘
这个“数据分析思维导图”,小白看了都知道从何下手!
这个“数据分析思维导图”,小白看了都知道从何下手!
这个“数据分析思维导图”,小白看了都知道从何下手!
|
编解码 监控 JavaScript
又带来了12个炫酷的数据可视化作品含源码|推荐收藏
又带来了12个炫酷的数据可视化作品含源码|推荐收藏
341 0
又带来了12个炫酷的数据可视化作品含源码|推荐收藏
|
数据采集 编解码 数据可视化
干货 | Python爬虫实战(中):数据可视化-教你做出漂亮的图表
干货 | Python爬虫实战(中):数据可视化-教你做出漂亮的图表
590 0
干货 | Python爬虫实战(中):数据可视化-教你做出漂亮的图表