数据可视化对于互联网人来讲是一项日趋主要的能力，而今，从根底结束，一统瓜分互联网人要领会的数据可视化。
现如今不管是处事汇报，产物妄图，背景妄图以至是数据大屏，越来越多的行状须要以及数据打交道。尤为是想要投入一个B真个公司，数据可视化更是必弗成少的一个能力。
数据可视化，可谓是越来越表示一集体的专科才略。所以掌握数据可视化才略，是面向他日的互联网人所必备的才略。
然而为难的是，海内没有一款针对付熏陶数据可视化的全套束缚规划，这让良多自愿练习的同窗摸没有着思维。因而这也促进我开放了这个系列《互联网人须要领会的数据可视化》，指望恐怕给专家带来一些没有一律的实质，为专家梳理一个齐全的数据可视化框架。
此日带来的便是这个系列的第一篇，数据可视化的概念和数据可视化妄图的根底模范。
迩来不断正在做国际外包，时光很是的琐屑，而写逻辑性强的文章又很是糜费精神。因而从开题到而今，用了快要2个月的时光才将这篇文章彻底扫尾。全文全体25000字上下，赏玩须要20分钟上下，干货满满，请专家做好打算。
1、甚么是数据可视化数据可视化便是借助视觉的表达办法（没有限度于文字），将精彩的，专科的，没有直不雅的数据实质，乐趣的、通俗的、直不雅的通报给不雅众的一种目的。
非妄图师正在创造数据可视化时，每每会由于中心优异数据的主要性，而让可视化图表变得精彩蹩脚。而妄图师正在创造数据可视化时，又会由于适度着重缤纷多彩而让数据的消失动机大打折扣。因而正在这种大境况下，催生出了数据可视化行业。
算作妄图师，若何拥抱这个新兴的行业，若何驾驭妄图与功能之间的平定，进而更好的沟通与通报信息，便是本文的中心。
信息图表，便是数据可视化后孕育的了局，便是咱们正在处事汇报中，项目先容中，和背景系统中时常见到的数据图表。
信息图形由信息以及图形两个词语组成，它被称之为“信息图形”(Infographics或Information Graphics)。信息图形最初是正在旧的纸质媒体上刊登的，尤其有助于人们领会消息信息的可视化实质。
二、信息图表的分类根据木村博之的定义，从视觉展现大局的角度，将“信息图表”的消失办法分为六大类：图解(Diagram)、图表(Chart)、表格(Table)、统计图(Graph)、地图(Map)、图形符号(Pictogram)。
文字有时分是一种缺乏的信息传播办法，而可视化的办法，则是人类最本源的一种信息传播办法，图解便是将良多没法确切或高效率语言通报的实质，以灵便征象的图形注释进去。
下图是一张典范的对付咖啡品种图解，38种咖啡配方，没有须要用多余的文字注释，直接用图解示意，简捷剖判，认识易懂。
2.1 图表：应用图形、线条及插图等，阐述实物的彼此联系图表常常用于简化人们对付大度数据之间的联系的领会，人们常常领会图表会比领会数据要快良多。图表以及图解仅有的分歧点正在于，图解是用可视化的办法去传播信息；而图表则是用往返阐述信息之间的逻辑联系，过程图便是规范的图表。
下图是一张宠物狗的进化图，用精巧的办法认识地向咱们传播了，狼是若何被人类驯化成分歧品种的宠物狗的。
2.2 表格：根据一定信息规范施行识别，树立纵轴以及横轴表格是根据行以及列大概选择更繁复的组织罗列的数据，表格精深利用于通信、争论以及数据分解。本来表格并没有一个决定的定义，它会由于分歧的行业停战论境况而生存分裂。
2.3 统计图：经过数值来展现改变趋势大概施行较为统计图是根据统计数字，用多少何图形、实物征象以及地图等绘制的各类图形。它拥有直不雅、征象、灵便、全部等特征。
统计图也许使繁复的统计数字简捷化、艰深化、征象化，使人一目明了，便于领会以及较为。所以，统计图正在统计材料整顿与分解中占有主要职位，并失去精深利用。
下图是大都会通勤的时长统计，经过这些柱状图，咱们能很认识看出各个级其余都会通勤时长的比率联系，并领会他们的拥堵时长以及非拥堵时长不同是何如的状况。
2.4 地图：形容正在一定区域以及空间里的位置联系将可靠的天下变换为立体，正在此历程中一定要讲一些货色略去。
理论上，要说“节略”是地图上最枢纽的词也没有为过，不管是哪种信息地图，最主要的是让用户找到想要看到的信息。
信息地图也可分为两大类：
将整体区域的结构或组织齐全消失的地图；将一定工具优异再现的地图。以下是美国各州拥有枪支人数占总人数的百分比统计图。
2.5 图形符号：没有利用文字，直接用绘画通报信息所谓图形符号（也便是咱们常说的icon），根底便是经过易于领会、与人直观符合的图形通报信息的一种大局。
糊口中处处生存图形符号，席卷地铁站相差口上的地铁标识，路边的差遣牌与限速标识。人们会商定俗成地应用一些符号来代表一些流动的道理，例如茅厕门口的男少女标识。良多店铺为了特性化妄图，利用了没有常用的符号来示意男少女，这会给破费者形成很大的搅扰，由于这脱节了他们常见的领会范围。
图形符号的妄图准则是尽大概没有利用文字，其影响有两条：
避免语言没有通形成的搅扰；更便利、更认识地传播信息。多年来，最典范的图形符号利用案例也许说是奥运会以及残奥会的静止图标了。图形符号也许说一经成为奥运会以及残奥会的主要组成全体，就像火把传播以及静止会LOGO一律，从赛事门票到奥运村的品牌，图形符号都正在被精深利用。
下图即为东京奥运会的静止图形符号（个别）：
三、到达数据可视化目的的根底方式今朝咱们处事中时常碰到的数据可视化，大普遍是创造数据图表（即统计图Graph），因而咱们本文的主要熏陶实质也是缭绕着若何创造统计图来讲。
创造统计图的历程也许被四个方法，不同是：清爽想法、挑选图表、视觉妄图、优异信息。
清爽想法：清爽数据可视化的目的，经过数据可视化咱们要束缚甚么样的课题，须要研究甚么实质或陈说甚么真相，并挑选适合的图表。挑选图表：缭绕目的找到能供给信息的目标大概数据，挑选适合的图形去揭示须要可视化的数据。视觉妄图：以可视化的目的将数据转化成乐趣的妄图语言。优异信息：根据可视化揭示目的，将主要信息推广协助线或退换神采等目的，施行信息的凸显，将用户的留神力引向枢纽信息，帮忙用户领会数据意思。3.1 清爽想法大普遍状况，清爽图表自己要到达的想法，比创造好图表自己尤其主要。
假设对于数据认得没有清，就会形成2种了局：
没法拟订适合的图表题目，进而使读者落空赏玩图表的趣味；没法挑选出正确的可视化办法，进而使图表难以领会。学识点01：好的图表题目——等于乐成的一半
大普遍图表都须要一个好的题目，这样才华让口试官分解他们正在看甚么。
题目应该是一个结论，是你指望口试官从中取得的信息（成心义并且乐趣的全体），而没有仅仅是对于图表揭示实质的详尽（即无心义且无趣的全体）。
3.2 挑选图表Andrew Abela根据统计图的主要功能，将一切的统计图分为了四大类：较为、关连、散布、变成。正在其材料的根底上，我创造了一套更顺应妄图师的“图表挑选器”（The Way of Data Visualization）。
经过上述图表挑选器，咱们也许简单地根据咱们想要呈现的数据的品种，和咱们创造图表的想法，来挑选到适合的图表。
不过凡是处事中，咱们每每用没有到这么多的图表品种，这个“图表挑选器”更顺应咱们算作练习图表概念的器械。凡是处事中，有六种根底图表一经也许揭开咱们大全体的利用场景，也是做数据可视化最常用的六种图表类别。
因而算作老手的咱们，只有能老练掌握这六种图表，便可应酬大全体的利用场景，而对付咱们这种更专科的人士来讲，上述的“图表挑选器”恐怕大大进步咱们的处事效用。
3.3 视觉妄图接下来也是数据可视化中最主要的一步——视觉妄图。
良多时分咱们正在妄图图表时没有既定的法则，全凭仗正在立体妄图以及UI妄图中取得的学识来施行妄图。但之因而数据可视化被零丁细化成一个类型，并正在海外兴旺繁华，以至衍生出了专科的数据可视化妄图师，就证实正在数据可视化范畴，良多法则是与其他妄图分歧的。
一个最简捷的例子，市情上大普遍的配色规划都正在数据可视化范畴没有合用。
1）毫无包容性的配色规划
开始，合用于数据可视化的配色规划，特定正在明度上是有改变的。良多配色规划没有仅没有具备这种个性，以至没有会思虑包容性。
UI妄图的配色规划看起来都很缤纷多彩，不过很分明，他们是为了用户界面而妄图的。色盲人士每每很难去赏玩那些应用了低包容性配色规划的可视化图表。
2）没有渊博多的神采品种
另一个课题便是，大普遍配色规划并没有渊博多的神采品种。正在构建一套齐全的可视化图表时，咱们每每至多须要6种神采的调色板来施行妄图，咱们见过的大普遍配色规划并没有拥有这么多种神采。
虽然这些配色规划异样缤纷多彩，不过他们没有能精巧应付图表中繁复的信息层级。
3）难以识别层级的配色规划
突变配色规划也许轻便束缚上述两个课题（神采之间有分明的对于比，且也许无限细分神采品种）。但很抱愧，这样的配色规划异样没有合用数据可视化，咱们举一些简捷的例子专家就也许邃晓。
这些突变色看起来没甚么课题，不过当咱们挑选个中一个，将其神采分类夸大到10时课题就呈现了。
你能识别出最右边的4个神采之间有甚么差异吗？害怕很难。
前方的阐述，大普遍是为了让专家对于数据可视化有一个认识的概念。
正在“视觉妄图”这一章我将中心讲解，数据可视化（即图表创造时）须要留神的妄图模范，上面的实质主要束缚专家正在数据可视化中所碰到的三个课题。
若何创造数据可视化图表？若何高效加紧地创造数据可视化图表？若何创造一份兼具有用性以及美妙性的数据可视化图表？3.3.1 合用于一切图标的创造法则
1）图表中的线条
① 有无刻度线
当数据的数值很是主要时，特定要利用刻度线来让不雅众更认识的领会数据。
假设你的听众只须要领会A数据大于B数据，那么刻度线是没有须要的，只需正在坐标轴上利用小刻度便可。假设你的读者要花一些时光正在柱状图上并感趣味A数据是45.65而B数据是37.66，那么利用刻度线将有助于他们领会。
② 刻度线的神采
假设决定要利用刻度线，则须要使它们比算作理论数据的点大概线条要层级低。由于这些刻度线也属于背景的一全体。
归纳来讲，没有要利用全黑大概全白的线条。假设你的背景神采是白色大概浅色系，那么你应该让你的线条灰一些。你也异样也许让这些线条变为亮灰色，点状大概虚线。
③ 负空间的刻度线网格
你也也许利用灰色的背景，然后将刻度线反白，这是一种很好的运用负空间做妄图的方式；大概刻度线也许用轻微偏黑色一点的灰色，由于很分明这样会让刻度线更融入背景一些。
④ 坐标线
坐标线应该比刻度线，线条更粗，神采更深，才华让整体图表显得更有主次的识别。
2）挑选适合的坐标左右限
① 挑选适合的坐标上限
普通来说，咱们应该把咱们的坐标上限树立为0。
有人会问，这样的话咱们的数据就会变得没有那么震动改变了。那大概是由于你的数据自己就没有那么长势喜人。
但异样，本来良多办事也许反过来思虑，之因而有人承诺没有把坐标轴设定为0为起点，本来便是为了正在视觉上让人变成对于比强烈的觉得，进而优异业绩，这种方式的利用因人而异。
例如正在小米的揭晓会中，为了对于比，小米把数据的上限起点树立为了10000，进而使小米的跑分数据看似跑赢了友商一倍还多，但本来小米的数据增添，只比友商胜过了25%。
再举个例子：这张条形图也是经福克斯消息承诺利用的。
3月31日目的的值为7,066,000，比6,000,000高17.8%，然而第二个柱形多少乎是第一个柱形长度的三倍。
这也同时指示咱们要留神：正在不雅看他人的图表时，仅仅不雅看柱状图的崎岖趋势每每没有能得出正确结论，须要留神坐标轴起始位置有没有被人做过作假处置。
异样，有些工钱了汇报业绩，也会使每个刻度的跨度没有统一，进而进步柱状图大伙的对于比度。这种状况也应该多留心查看，没有要被皮相的实质所利诱。
② 挑选适合的坐标下限
坐标轴中另一个须要留神的点即为坐标下限，下限界定的办法有两种，可根据须要自行判别。
假设仅仅为了较为各个数据的数值，也许用数据的最大值算作坐标轴下限。假设是须要将数据与某个最大值较为，则用此最大值算作下限。3）刻度值
虽然Y轴的刻度值标签常常弃捐正在刻度线的最右边，但咱们也也许把它们弃捐正在其他的地点，例如刻度线的顶部（但此时特定要驾驭好周密性准则，略不留神就会引起不雅众的疑心，这也是咱们时常会正在看其他图表时碰到的课题，究竟刻度值符号的是哪一条刻度线？）。
刻度线以及刻度值相辅相成，这会让图表看起来尤其榜样。刻度值弃捐正在何处无所谓利害，仅仅须要根据分歧的场地加以利用。
① 隔断平均
正在坐标轴上应该利用平均的跨度0,5,10,15,20，而非没有平均的跨度0,3,5,16,50。这边即看护上方“坐标轴上限”中的最终一点，有时图表创造人也会用没有平均的刻度来蒙骗咱们对于数据孕育曲解。
固然，此处的举例仅仅扩大了正确的动机，实际糊口中的没有平均刻度每每尤其暴露，须要咱们提防去鉴别。
② 没有要利用非水和蔼倾斜的文字标注，也没有要利用转行
有时坐标轴上的解释文字会良多，因而良多工钱了和解，正在小空间内再现出一切的文字标注实质，而利用竖直的文本，大概将文本转行处置。
没有要用过于繁复的妄图大局，数据可视化的第一要义是简捷易懂，因而正在碰到标签文字过万古，也许选择以下方式施行束缚。
4）数据的处置与排序
咱们正在每次创造前都对于数据施行排序，而没有是随机排布。这样咱们也许正在图表中为不雅众揭示更多信息，即某个数据正在总的数据库里面的序列。
① 巨细排序
咱们依然从一系列国家的数据结束。
今朝的排布很随机，大概是根据字母表排序的。接下来咱们要根据数值从大到小施行罗列。
咱们随机遴选一组数据，例如玻利维亚(Bolivia)，正在上图中，咱们只可失去玻利维亚的数据值，和他精确正在数据库中排正在中游的位置，仅此罢了。
不过下图中，根据巨细罗列好的数据，咱们没有仅也许取得适才的两个信息，同时还能从速分解玻利维亚正在整体图表中的排名（第四名）。
同时你还也许看到吉尔吉斯斯坦（Krygyzstan）以及越南(Vietnam)居于榜首而美国(America)是倒数第一，这便是好的图表能给咱们带来的“更多的信息”。
咱们再看一遍根据字母表排序的图表，你能简单说出“冈比亚(Gambia)”排名第多少吗？
② 锐意的序列
正在揭晓会中咱们时常见到，为了优异自身产物的霸道，每每要与友商的数据做对于比，正在这种状况下，咱们的数据也没有是随机排布的，我给这种数据排布方式起了个名字，叫“锐意的序列”。
正在魅族 16th的揭晓会中，这张旗舰机分量对于比的图表很有谨慎，也许发明，除了索尼（最重的手机）和魅族 16th（最轻的手机）外，另外一切的手机都是根据降序罗列。没有看神采对于比，把236g的索尼以及152g的魅族弃捐正在一统施行讲解，以尤其优异魅族的轻浮。
那么这个图表的数据排序本来颠末了三次处置。
1.把分量从高到低排序；2.把分量最高的以及最低的手机零丁弃捐，并予以寻常神采零丁再现；3.把这两个数据弃捐正在最终，再次优异对于比，排斥不雅众留神。这便是咱们练习数据可视化时很是须要留神的细节点，正在数据可视化中，细节确定成败。
5）对于图例的妄图
① 数字须要四舍五入
咱们有时为了保险图表的认识干净，并没有能全面挑选契合数据下限以及上限的数字算作刻度，而是挑选一些取整的数字。
异样的，这没有仅仅合用于图例中的数字，异样合用于坐标轴左右限的数字。
② 符号图例的界限比符号图例的范围更好
正在须要用多种神采做识别的图表中，有时也许经过符号图例界限而没有是符号图例范围的办法，来进步不雅众的赏玩效用。
③ 水平大概垂直方向的图例
对付数字的刻度，水平图例每每比垂直图例尤其轻易赏玩，由于这契合咱们的赏玩风气。
不过，对付有类型识别的图例来讲，垂直图例每每动机更好。由于咱们也许正在图例的右侧弃捐更长的文本（跟坐标轴的解释异样的情理）。
④ 节略内部界限
有时咱们以至也许更简地的示意图例，当你只想表达一个渐进的历程，24以及55之间的分裂并没有主要，不雅众只须要分解后者比前者大便可。
正在这种状况下，咱们也许实验只符号出图例的最大值以及最小值，而没有须要符号出每个界限大概神采，这样也许给不雅众削减没有须要的信息负担。
6）图表上的文字信息
文字标注的影响，没有是来弥补空缺的，而是用来夸大相干信息或拓展极度的背景学识的。
① 引用动态起因
大普遍状况下，咱们创造的图表都没有会将原数据附正在阁下，所以最佳正在图表中引用你的数据起因。普通来讲，引用法则是正在左下角避让数据起因信息，每每选择寻常字体。
引用动态起因，既也许麻烦你随时索引数据起因（就像我文章初步的每一个图表都标注出了他的原题目+索引网址），也也许推广数据的可托度（乐趣的是，人人每每没有会存眷数据起因于何处，只有有起因，就会大大推广人们的敬佩感）。
② 用数字协助表达
有时你须要正在你的图表中标注出数据值，而没有仅仅应该依附视觉元素向不雅众通报信息。
常常来讲，没有须要太严紧的图表，咱们会对于数据值施行特定水准的处置。
有少量的值四舍五入(234.19 ―― 234)。正在数据的量级很是大时，将特定位数数字取整（52,133 ―― 52,000)。当一切数据的量级都很是大时，将特定位数的数字缩进单元中（521,000,000 元 ―― 5.21 亿元）。Y轴刻度值尽管转化为千位分割符，如K，M，B。Y轴最大值取值要失当，保险图表侵夺2/3以上。假设咱们没有这样处置，你就会发明你的图表总是没有那么干净。
7）掌握字体的数目
图表中的字体数目和字体巨细的品种加起来没有要逾越3种（题目以及副题目之外）。
常常来讲，咱们正在创造时会把解释以及坐标轴标签树立为两种字体名目，因而只须要确保将这二者一致起来，那么就也许保险咱们的图表没有逾越3种字体名目。
3.3.2 柱状图的创造榜样
1）柱状过宽或过窄
过宽的柱会让图表看起来粗笨，尽管维持柱的轻浮；这样也许维持温存的外表，不过太薄了会让用户很难对于数据施行较为。
规范的数值是，柱的宽度为“柱与柱间距”的2倍。固然这仅仅个参照值，理论咱们根据分歧的状况，对于宽度作出保养。
2）尽管没有要逾越7个值
普通施行数据较为时，柱状图提议没有要逾越5个数据值，对付条形图来讲，提议没有要逾越7个数据值。
3.3.3 折线图的创造榜样
1）有层次识别的折线/曲线
当咱们正在创造一个繁复的折线图时，咱们想要再现个中的一条数据，最佳的方式便是强化它与其他元素的对于比，进而进步它的主要性层级。
运用咱们以前的方式，把其他的数据变成灰色；将咱们须要夸大的曲线置于顶层。2）甚么时分利用折线图
2017年1月以及2月的大米出口量是相干的，他们代表一种数据正在分歧时光下的数据值，所以咱们也许用折线图将它们连贯起来。不过2017年1月的大米出口量以及玉米出口量（16万吨）是没有相干的，因而咱们没有能拘束用折线图来取代柱状图。
用折线图也许很好地核示每天去病院的人数，由于统计每天去病院的人数也许用来查看趋势。
3）根据时光推进的数据并没有能总是用折线图来示意
有时咱们也须要施行一些识别。假设咱们想要绘制美国大领域枪击事宜的伤亡人数随时光推移的图表。这些枪击事宜确切是一个接一个产生的，不过它们本体上却没相关系，因而你没有能用折线图（应该用条形图）。
不过，假设按年份对于它们施行归类，并算计每年的伤亡人数。这样的状况下也许利用折线图施行统计，由于统计了局的趋势改变是成心义的，是也许得出相映的结论的。
4）使锯齿状的线条光滑
假设你的折线左右浮动过于猛烈，那么你应该实验延长时光隔断，例如没有每天采样而以周为单元来采样。不雅众们没有会去赏玩锯齿状的线条，大概说他们没有会讨厌这样的图表。
5）正在你的折线图中绘制数据点
当有些一定的数值稀奇主要时，咱们也许正在线条上标注出他们。假设你有大度的数据须要揭示，大概你只想揭示数据的走势，那么本来你只须要利用折线就渊博了，没有须要推广数据点。没有信你也许试试，大度的数据点=杂乱没有堪的界面。
3.3.4 饼图的创造榜样
饼图以及圆环图正在数据可视化方面熟病散乱，但却是利用的最频仍的图表之一。
饼图是一种应该避免利用的图表，由于肉眼劈面积巨细没有敏锐，并且多少乎没有对于与角度巨细的概念。更况且是肉眼全面没法重合较为的图形。
比如下面左图，咱们很难去较为每日从肉类（Meat）中摄取的卡路里与从糖类（Sugar Fat）中摄取的卡路里数目的比率。人眼的直观中，糖类与肉类的比率应该正在2：1上下，但理论的比率却是1.5：1。
上述右图将这一征象夸大的尤其分明。人眼的直观中，办公与款待的数值分歧很是大（这是因为咱们直观更风气从面积上做判别），但理论上款待与办公的比率为1.5：1。
良多妄图师以为饼图应该是被允许利用的图表，我感慨没有能说的太一致。没有管何如，迄今为止的真相状况，仍然有良多人正在利用饼图，因而咱们至多也许争取正确地利用他们。
虽然如许，不过正在夸大个别与总体的比率联系方面，饼图依然有其特殊的劣势。
1）避免适度宰割饼图，不然最终会导致根基没法赏玩
那么有同窗会问：宰割几许块是适度宰割？这是一个须要正在理论创造时施行判别的课题。
一个简捷的方式，假设咱们一经很难从图中看出个中一块扇形是另一块的两倍大了，大概好多少块较小的扇形看起来差没有多大时，那么就没有能再宰割了。此时也许思虑把较小的类目归入一个更大的“其他”模块。
假设特定要给出一个确凿的分类数目，我以为普通没有要逾越9个；逾越的话，提议用条形图来揭示，没有要太依附于饼图。
例：这张饼图来自维基百科，它揭示了国家的分歧区域。
右边这张饼图一经宰割出了很多个扇形了，但阁下另结合出一张饼图，再现出了左图中更多的，看没有到的更小国家的状况，以此来供给更多的信息。本来还有良多的方式也许揭示这组数据，比如树状图大概普遍的地图。
限度较大的饼图只合用于揭示只要多少组值的数据。
除饼图外，环形图（甜甜圈图）亦可示意占比，其分裂是将饼图的中间区域挖空，正在空心区域再现文本信息，例如题目，劣势是其“空间运用率更高”。
2）饼图的起始位置要适合
人们的赏玩风气每每是从12点钟结束的（跟表盘一致）。因而咱们正在创造饼图时也要遵守不雅众的赏玩风气，从12点钟方向结束创造，这样才华消失出尤其认识的数据。
3）饼图的秩序要适合
这个法则与其他的数据图表统一，咱们正在拿到数据后，没有要急于去施行数据可视化，而是应该对于数据施行排序处置，普通来说，咱们对付图表都要施行从大到小的数据排序，才更有利于咱们揭示数据，不过有一个例外的状况。
当数据中蕴含一个类型叫“其他”时，不管其他的实质占比为几许，咱们最佳都把他弃捐正在饼图的最终来揭示。
4）切割的揭示办法
有时，咱们也许想一些创意大局来束缚饼图对于比没有够分明的课题。
当咱们将饼图分拆开来妄图时，将他们树立为统一起点，咱们也许认识的对于比出数据的巨细，但矜重意思上来说这一经没有算是饼图了。
3.3.5 散点图的创造榜样
1）散点图也许承载至多四个维度的变量
当蕴含多重变量时，散点图自己蕴含2个维度的数据，当呈现更***度时，咱们也许经过改革散点的神采以及巨细以至是形态来对于数据施行更***度的划分，这个时分，散点图即变为了气鼓鼓泡图。
2）尽管为散点图推广趋势线
经过推广趋势线，也许更好的让不雅众感化数据的改变，人们没有会承诺采用未处置的数据，每每宗旨于采用一经被处置好的数据了局。
3.3.6 面积图的创造榜样
面积图又叫区域图，与折线图很相近，均可以用来揭示随着陆续时光的推移数据的改变趋势。区分正在于，面积图正在折线与类型数据的水平轴（X轴）之间弥补神采大概纹理，变成一个面示意数据体积。
相对付折线而言，被弥补的区域也许更好的引起人们对于总值趋势的留神，因而面积图主要用于通报趋势的巨细，而没有是确凿的单个数据值。面积图有三种分歧的样式，根据数据和背景的分歧，均有其最好的揭示境况。
1）尽管没有重叠，利用透明色
当图表中要揭示多组数据时，最佳保险一切的数据都没有重叠，这样才也许更好的揭示数据。假设没法避免重叠，则应该妥善的树立神采以及透明度，使得重叠的区域变得尤其易读。
2）没有要逾越四个类型
面积图只顺应呈现少许的数据，至多提议没有要逾越四个类型，不然就会导致很是难以判别。所以正在多个类型下，要尽管避免利用面积图。
3.4 优异信息3.4.1 主要的实质用神采做识别
有时咱们为了优异呈现某全体数据，须要对于它们施行寻常的处置（席卷推广协助线，退换神采，线条粗细等方式）来加大它们与其他数据的对于比，以排斥用户留神，并说明你想陈说的概念。
如上左图，经过推广协助线以及标红的办法，来再现快递公司未到达60万件派件规范的月份，进而优异再现公司业绩没有合格全体。如上右图，经过对于9月份的神采识别，来优异再现二手房代价正在9月份到达前所未有的高度。
3.4.2 把没有主要的实质变成灰色
对付没有太主要的实质，咱们常常会把它们的层级升高，将其变成灰色每每是一个好方式。（如上左图中1-6月与9月数据的配色，和上右图中1-8月数据的配色）
常常来讲，咱们会用灰色来符号：
未当选中的元素大概背景。为主要的数据点做对于比的数据。（正在交互图表中）没有是现在选中的元素。3.4.3 没有那么多中心信息
假设你感慨每个信息点都很主要，然后为他们都做了寻常的备注，那么请把他们都去失落，由于那凑巧证实他们都没有主要。
数据可视化的精华就正在于你去用视觉元素去帮忙用户做挑选，假设不雅众们真的很想分解每个数据代表甚么，那大概你应该给他们呈现一份表格而没有是图表。
3.4.4 推广须要的协助阐明
对于这个图表，假设咱们没有施行标注的话，它只可叙述小说的一全体。假设要把小说叙述的周全，那么就必需推广一些标注。
假设我告知你，这个图表想告知咱们，正在第6天的时分该团队利用了智慧开垦，正在利用新本领初期，Bug数目分明升高，嗣后霎时下降。加上了标注，图表叙述了一个跟以前全面没有一律的小说。
因而，咱们为了更好的阐明咱们的想法，有时须要对于图表施行寻常处置，席卷做一些优异某些信息的标注。
3.4.5 推广须要的协助线
这一点主要针对付柱状图以及折线图，例如当咱们想要消失两个分歧时代的数据改变时，推广协助线也许更直不雅地表示出个中的改变。
例如像这个图表，为了表示出反映速率有很大的选拔，，推广了相干协助线并标注了相映的数字，使 PRO5 以及 SONY Z3+ 之间的对于比尤其分明。
以上便是该系列的第一篇的全数实质，后续我将以此为根底更新更多对于数据可视化的学识，从数据图表、信息图表、背景妄图、以至到大屏数据可视化，都有大概触及。
假设专家有想看的实质，也许正在指摘区留言，指摘至多的实质，我会优先更新。
就这样，指望专家讨厌。
本文由 @专家聊产物 原创揭晓于人人都是产物司理，未经答应，允许转载
题图来自 Unsplash，基于 CC0 协议
给作家打赏，激动TA加紧创造！赞扬2人打赏 更多枯燥实质，请存眷人人都是产物司理微信大众号或下载App