優秀的數據可視化,原來是這樣做的!

2020-12-06 騰訊網

大數據時代，數據驅動決策。處理不好龐大、複雜的數據，其價值將大打折扣。

可以想像一本沒有圖片的教科書。沒有圖表、圖形或是帶有箭頭和標籤的插圖或流程圖，那麼這門學科將變得更加難以理解。人類天生就是視覺動物，而視覺效果對於分析數據、傳達實驗結果甚至做出驚人的發現至關重要。

工作中我們可能會接觸到很多業務數據，需要在總結匯報中展示呈現，俗話說「字不如表，表不如圖」，那麼如何縮短數據與用戶的距離？讓用戶一眼Get到重點？讓老闆贊同你的匯報方案呢？

『《大西洋古抄本》是達文西的手稿集冊中最大的一部，共 12 卷，1119 張，年代分布為 1478 年到 1519 年。每個方塊代表一頁手稿，上面的顏色代表涉及的主題，包括幾何與代數、物理學與自然科學、工具和機器、建築與應用藝術和人文科學。點開每一個小方塊還可以看到每一頁上面達文西寫了什麼，涉及了 36 個小話題，包括了馬、食譜、繪畫、靈魂、童話故事、笑話等很多有意思的小話題。』

點擊播放 GIF 4.3M

是這樣的麼？

這樣炫酷的數據可視化，小編真的不會。開個玩笑，其實工作中我們並不需要作出很炫酷的視覺呈現，數據可視化主要旨在藉助於圖形化手段，清晰有效地傳達與溝通信息，有效地傳達思想概念，美學形式與功能需要齊頭並進，通過直觀地傳達關鍵的方面與特徵，從而實現對於相當稀疏而又複雜的數據集的深入洞察。因此在設計過程中，每一個選擇，最終都應落腳於讀者的體驗，而非圖表製作者個人。

你不得不注意的圖表製作小技巧

條形圖的基線必須從零開始

Y軸不從零開始，可以使數據看起來具有比實際存在的更大的差距。這使得可視化會誤導傳輸信息。條形圖的原理就是通過比較條塊的長度來比較值的大小。當基線被改變了，視覺效果也就扭曲了。

使用簡單易讀的字體

有些時候，排版可以提升視覺效果，增加額外的情感和洞察力。但數據可視化不包括在內。堅持使用簡單的無襯線字體(通常是Excel等程序中的默認字體)。無襯線字體即是那些文字邊緣沒有小腳的字體。字體選擇可以影響文本的易讀性，增強或減損預期的含義。因此，最好避免藝術字體並堅持使用更基本的常用字體。

條狀圖寬度適度

條形圖之間的間隔應該是1/2欄寬度。

使用2D圖形

雖然他們看起來很酷，但是3d形狀可以扭曲感知,因此扭曲數據。堅持2 次元，確保數據準確。

使用表格數字字體

表格間距賦予所有的數字相同的寬度，使它們排列時能彼此對齊，使比較更容易。大多數流行字體都內置了表格。不確定字體是否正確?就看小數點(或任何數字)是否對齊就行。

統一感

統一感使我們更容易接收信息：顏色，圖像，風格，來源……

連貫的設計將有效融入背景，使用戶能夠輕鬆處理信息。最佳可視化幫助觀眾快速得出數據所呈現的結論

不要過分熱衷於餅圖

展示多個區塊比例大小，所有區塊（圓弧）的加和等於 100%。但最好避免使用這個圖表，因為肉眼對面積大小不敏感。

折線圖中使用連貫的線條

虛線,虛線容易分散注意力。相反,使用實線和顏色,反而容易區分彼此的區別。

尊重部分所佔整體的比例

在人們多選的問題上就會出現比例的重疊，不同選項的百分比之和大於一。為了避免這種情況，不能直接把比例做成統計圖。相較於呈現數值，有些圖更著重於表現部分與整體的關係。

面積、尺寸可視化

對同一類圖形（例如柱狀、圓環和蜘蛛圖等）的長度、高度或面積加以區別，來清晰的表達不同指標對應的指標值之間的對比。製作這類數據可視化圖形時，要用數學公式計算，來表達準確的尺度和比例。

使用大小來可視化值

大小可以幫助強調重要信息並添加上下文提示，使用大小來表示值配合地圖使用的效果也非常好。如果您的可視化中有多個大小相同的數據點，它們會混在一起，很難區分值。

使用相同細節

添加的細節(和數字)越多，大腦處理的時間就越長。想想你想要用你的數據傳達什麼，以及最有效的方式是什麼。

使用基礎圖形

一個很好的經驗法則是，如果你不能高效理解，你的讀者或聽眾可能也難理解。因此，堅持使用基礎圖形:直方圖、條形圖、維恩圖、散點圖和線形圖。

視圖數量

將您的可視化中的視圖數量限制為三到四個。如果您添加太多視圖，大局會被詳細信息所淹沒。

關於圖表配色，你可以參考的5條準則

顏色深淺

通過顏色的深淺來表達指標值的強弱和大小，是數據可視化設計的常用方法，用戶一眼看上去便可整體的看出哪一部分指標的數據值更突出。

使用同一色系

顏色用得太花，會給數據增加不可承受之重，相反，設計師應該採用同一色系，或者類比色。

避免使用鮮豔的顏色

明亮鮮豔的顏色就像是把所有的字母都大寫想要強調一樣，你的聽眾感覺你在對他們大聲推銷。單調的顏色，反而能很好地用於數據可視化，因為它們可以讓你的讀者理解你的數據，而不至於被數據淹沒。

標籤使用不同顏色區分

在某些情況下，在一段時間或一系列的值中，我們可能測量了不同種類的物體。例如，假設我們測量 6 個月以來狗和貓的體重。在實驗結束時，我們想畫出每隻動物的體重，分別用藍色和紅色區分貓和狗。

顏色數量

不要在一張圖上使用6種以上的顏色。

建議：

使用具有高對比度的顏色

使用帶有圖案或紋理的顏色來傳達不同類型的信息

使用文本或圖標標記元素

標準的可視化圖表一定有注釋

解釋編碼

通過一定的形狀、顏色和幾何圖形的結合，將數據呈現出來。為了讓讀者能讀清楚，圖表設計者就要把這些圖形解碼回數據值。

軸標籤

這可能看起來沒有必要，或者不是很有幫助，但是你無法想像，如果你的圖表有點混亂，或者看到數據的人對此不是很熟悉，你會被問多少次 x/y 軸代表的是什麼。按照前面的兩個繪圖示例，如果要為軸設置特定名稱。

標題

如果我們要將數據呈現給第三方，另一個基本但關鍵的要點是使用標題，它和之前的軸標記非常相似。

重點元素做注釋

通常情況下，僅僅在圖表的左右兩側使用刻度本身並不是很清楚。在圖上標註值對於解釋圖表非常有用。

重要視圖位置

將最重要的視圖放置在頂部或左上角。眼睛通常會首先注意到該區域。

優秀的可視化圖表，遵守的6條原則

數據排序有序

數據類別按字母順序,大小順序,或價值進行排序，以一種合乎邏輯的和直觀的方式來引導讀者了解數據。

比較數據

比較是展示數據差異的好法子，但是如果你的讀者不容易看出差別的話，那麼你的比較就毫無意義。確保所有的數據都是呈現在讀者面前,選擇最合適的比較方法。

不可扭曲數據

確保所有可視化方式是準確的。例如,氣泡圖大小應該根據區域擴展,而不是直徑。

展示數據

讓讀者看到數據，這是可視化的重點。確保沒有數據丟失或被設計。例如,使用標準的面積圖時，可以添加透明度,確保讀者可以看到所有數據。

刪除變量

很多時候，太多的信息會影響讀者的注意，從可視化中刪除隱含信息是一個好主意，在這種情況下，我認為我們不需要在軸中包含變量的名稱。

避免數據噪音

把不重要的東西減到最少或者去掉。這包括減弱或移除圖形線，改變軸線、圖形線的顏色，以及用淺灰色描繪電子表格行。使得「數據比率」可以達到一個很高的水平，聽眾會更容易明白其中的數據情況。

良好的數據可視化應該通過使用圖形，清晰有效地傳達數據信息。最佳可視化使您可以輕鬆地一目了然地理解數據。他們將複雜的信息以一種簡單的方式分解，使目標受眾能夠理解並以此為基礎做出決策。

正如Edward R. Tufte指出的那樣，「設計的基本考驗是它有助於理解內容，而不是它的時尚性。」數據可視化尤其應該堅持這一理念。目標是通過設計增強數據，而不是引起對設計本身的關注。

各平臺同名「職坐標在線」

相關焦點

  • 淺談數據可視化
    我主要進行了少量數據處理和系統可視化部分，在這個過程中，覺得數據可視化是一個非常迷人的話題，這過程中也了解了很多相關的資料，學習了一些基礎的工具，在這裡分享給大家，也是為自己做一個整理和記錄。1、什麼是數據可視化？
  • 企業為什麼要做數據可視化系統
    數據可視化，先要理解數據，再去掌握可視化的方法，這樣才能實現高效的數據可視化。在設計時，你可能會遇到以下幾種常見的數據類型： 當然，大數據可視化的圖表遠遠不止以上幾種，最關鍵的是如何利用好這些工具及圖表，歸納起來，一名數據可視化工程師需要具備三個方面的能力，數據分析能力、交互視覺能力、研發能力。 數據可視化主要是在藉助於圖形化手段，清晰有效地傳達與溝通信息。
  • 數據可視化技術的應用,行業優秀案例分享
    數據可視化並不是什麼新型技術，二十世紀50年代電子計算機圖形學的初期，就可以利用軟體建立出了第一批圖形圖表。伴隨著近幾年來大數據備受關注，網際網路端數據剖析產品盛行。企業歷經前些年IT系統基本建設後累積了很多數據，包含業務流程數據、客戶數據、以及他第三方數據。
  • 從數據可視化到交互式數據分析
    高可視性的可視化項目主要關注兩個目的：帶來靈感和幫助解釋。然而，可視化可以通過數據分析來增加對複雜問題的理解，這樣的項目雖然不多見，但不代表不重要。高可視性的可視化項目主要關注兩個目的：帶來靈感和幫助解釋。然而，可視化可以通過數據分析來增加對複雜問題的理解，這樣的項目雖然不多見，但不代表不重要。數據可視化的三個主要用途我知道我這樣總結可能存在嚴重簡化的風險。但是，我發現根據主要目的（有意或無意）確定數據可視化的三類主要用途是很有用的，這也有助於我在本文後面闡明一些觀點。
  • 數據可視化的一些思考丨從三個問題看數據可視化的商業前景
    數據可視化的需求場景是什麼？一種場景是「看」，數據可視化的主要作用是展示匯報，是信息的獲取。比如前不久RayData團隊為央視頻打造的生態可視化交互管理系統，以及在央視現場的工作區，利用RayData Web做出來的環形可視化大屏，都是為了讓管理者、運營者、業務人員更好地獲取相關信息。另一種場景是「用」，數據可視化的主要目的是交互管理，是數據的應用。
  • 美院資深設計師借用圖撲案例,淺談數據時代的可視化設計
    這個可視化的製作非常實用，可以通過縮放和平移資料庫進行研究，還可以把滑鼠停在某處了解該地的風速和風向。地圖上風流動越集中，越快，預報的風速就越大。但這個圖不止實用，還更是一件藝術品，它賦予了環境生命感，同樣使得冷冰冰的氣象數據通過可視化的形式變得有生命力。這便是數據藝術的魅力，也是做可視化設計所追求的方向。
  • 數據統計分析——可視化看板(駕駛艙)
    和數據打交道十五年了，我和大家一樣，初學階段也是學習excel的各種技巧，也學習了各種的函數公式，但是學到最後，發現excel的技巧對我來說幾乎沒什麼用，函數公式學了幾百個，最後，經常用到的也只是個位數，而且，當excel工作表數據量增大時，函數公式就帶不動了，比較卡，怎麼辦呢？
  • 數據可視化在移動端的應用
    隨著大數據行業的快速發展，數據可視化設計在移動端的應用越來越多。今天我們就數據可視化在移動端的使用場景、特點、注意事項以及各個使用場景進行一次簡單的分享。數據可視化的特點數據可視化屬於一種理性思維，產品通過圖表可以向用戶清晰的反應用戶在每一個項目中所花費的時間和精力，用戶可以通過數據可視化的圖表形式快速了解到其中的信息。現在iOS 和 Android 平臺暫時沒有推出在數據可視化的設計規範，但是大家只要按照平臺的基本規範設計，相信都能設計出美觀、大方數據圖表。3.
  • 網際網路人要了解的數據可視化 —— 基礎篇
    所以這也促使我開啟了這個系列《網際網路人需要了解的數據可視化》，希望能夠給大家帶來一些不一樣的內容，為大家梳理一個完整的數據可視化框架。今天帶來的就是這個系列的第一篇，數據可視化的概念以及數據可視化設計的基本準則。最近一直在做國際外包，時間非常的零散，而寫邏輯性強的文章又非常耗費精力。所以從開題到現在，用了將近2個月的時間才將這篇文章徹底收尾。
  • 數據可視化的基本流程
    作者 | 向倩文來源 | 數據產品手記大多數人對數據可視化的第一印象，可能就是各種圖形，比如Excel圖表模塊中的柱狀圖、條形圖、折線圖、餅圖、散點圖等等，就不一一列舉了。以上所述，只是數據可視化的具體體現，但是數據可視化卻不止於此。
  • 這16個數據可視化案例,驚豔了全球數據行業
    通過下面的16個有趣的例子獲得啟發，它們是既注重風格和也注重內容的數據可視化案例。　　什麼是數據可視化?　　數據可視化是指將數據以視覺形式來呈現，如圖表或地圖，以幫助人們了解這些數據的意義。　　文本形式的數據很混亂(更別提有多空洞了)，而可視化的數據可以幫助人們快速、輕鬆地提取數據中的含義。
  • 海洋數據三維可視化
    海洋數據可視化平臺指通過海洋信息三維可視化技術，實現海洋信息數據的可視化。海洋數據可視化是科學管理海洋數據的重要組成部分，它能夠將無法直接查看的數據以直觀的圖形方式展示出來，提高海洋數據研究利用能力，能提髙數據訪問效率及安全性。
  • 兩步搞定數據可視化
    數據可視化強調以圖形形式呈現抽象信息。數據可視化使我們能夠發現傳統報告，表格或電子表格中未被注意的模式，趨勢和相關性。研究表明，人類對視覺的反應優於任何其他類型的刺激。人類大腦處理視覺信息的速度比文本快60,000倍。
  • 堪比python,強於Excel的可視化,我拿這個工具做出來了
    這個問題，我已經無數次在頭條、朋友圈和微博上評論過了，那就是大數據和數據可視化行業。其實這也不算是兩個行業，要是嚴格點來說，數據可視化是大數據的分支，也就是一種展現方式罷了。試想一下這樣的工作場景：清晨，你端著一杯茶，坐在辦公桌前，看著眼前大屏幕上各項指標情況，清晰，簡約，一目了然，你動動滑鼠，開啟運籌帷幄的一天，這是月薪30K的人。
  • 城市大屏數據可視化 - CSDN
    設計任何產品首先要做的就是了解業務和需求分析，本次的案例需求非常簡單明了，只需做各指標數據的展示。從需求上可以分析得出，大屏是純數據展示類，所以不需要有交互行為。事後數據呈現，在設計上可以根據真實的數據來定義圖表，例如可以根據數據大小長度，精準的定義設計空間。實時數據顧名思義指的就是數據在實時傳輸，產生了數據就要立即展示出來，從業務角度上可能要做其他的設計預案。例如：異常數據的處理，有突破性的數據是否設計動畫營造一種儀式感，就像天貓雙11的千億彩蛋。
  • 盤點55個最實用的大數據可視化分析工具
    十一、GephiGephi是進行社會圖譜數據可視化分析的工具，不但能處理大規模數據集並且Gephi是一個可視化的網絡探索平臺，用於構建動態的、分層的數據圖表。十二、CartoDBCartoDB是一個不可錯過的網站，你可以用CartoDB很輕易就把表格數據和地圖關聯起來，這方面CartoDB是最優秀的選擇。
  • 數據可視化當中的圖表組合:比例面積圖
    編輯導讀：優秀的數據可視化依賴優異的設計，並非僅僅選擇正確的圖表模板那麼簡單，數據可視化可以幫助用戶更好地理解數據、運用數據。本文作者從自身經驗出發，結合具體案例分享了比例面積圖的不同組合形式，供大家一同參考學習。
  • 可視化工具不知道怎麼選?深度評測5大Python數據可視化工具
    指標說明為了更清晰的了解這幾款用於可視化的Python在作圖時的異同，本文將使用同一組數據分別製作多系列條形圖來對比，主要將通過以下幾個指標來進行評測：數據說明本文使用的數據為Pyecharts中的faker數據frompyecharts.fakerimportFakerx = Faker.choose()y1 = Faker.values
  • 超硬核的 Python 數據可視化教程!
    Python實現可視化的三個步驟：確定問題，選擇圖形 轉換數據，應用函數 參數設置，一目了然 1、首先，要知道我們用哪些庫來畫圖?matplotlibpython中最基本的作圖庫就是matplotlib，是一個最基礎的Python可視化庫，一般都是從matplotlib上手Python數據可視化，然後開始做縱向與橫向拓展。
  • Material Design設計語言-數據可視化
    在行業內還沒有一個標準的規範可參考之前，谷歌的可視化團隊於2019年6月率先開發了數據可視化設計指南。數據可視化：主要是藉助於圖形化手段，清晰有效地傳達與溝通信息。2019年6月率先開發了數據可視化設計指南。