数据之美 | 数据可视化三节课之三:可视化的思考

0 评论 2511 浏览 6 收藏 10 分钟

编辑导语:在我们日常工作中,数据可视化可以充分的帮助我们更快更便捷的理解数据,辅助工作;前两篇作者分析了可视化的意义和使用,本文是作者自己对于数据可视化的一些思考,我们一起来看一下。

金钱永不眠,屠夫问候各位早安。

一连三周的数据可视化系列在今天将迎来尾声,在此之前我们先回顾一下上周《可视化的使用》为大家介绍的「D·R·C·C·T」:

  • Distribution · 分布:展现数据的分布情况,是洞察的基础。
  • Relationship · 关系:表达数据之间的关系,突出的是关联。
  • Comparison · 比较:对比数据的不同表现,重点的是差异。
  • Composition · 构成:呈现数据内部的成分,关注的是比例。
  • Trend · 趋势:考虑数据随时间、流程等维度变化的情况。

这5个大类,既是可视化辅助表达的5种【目的】,也是可视化辅助推理的5种【思路】。

无论是将可视化用在结果表达还是过程分析,充分理解DRCCT,有助于我们在选取可视化方案时有的放矢。

『数据可视化三节课』的最后一节课里,屠夫想分享自己对数据可视化的一些思考。

一、点与线

散点图是最基础的可视化方案之一,很多人却把它用得很单调。

如果把“点”和“线”结合起来,往往会有奇效,比如说趋势线:

来源:ECharts官方实例

除此之外,使用直线进行标注,也能让散点图的信息量大为丰富。

比如下面的例子里,标注出男女样本的平均值、最大值和最小值后,两个群体的差异一目了然:

来源:ECharts官方实例

二、线与面

人眼对长度的敏感性高于面积。

还是上次的例子,同样想对比A~E这5类的数量多寡,上方的饼图就远不及下方的柱状图。

所以,想使用可视化的「比较」功能时,请尽量使用直线元素。

来源:图之典·柱状图

另外,由于面积比长度高出一个维度,会放大了可视化方案中的数值差异,这样的情况可能发生在气泡图和南丁格尔玫瑰图里。

在使用气泡图时,屠夫通常将数值开平方后再作为气泡半径,让 x=2a 的气泡面积正好是 x=a 的两倍,成比例地反映数值差异;而南丁格尔玫瑰图本来就是为了放大差异、突出比较的,一般不做这样的处理,但是会向图表使用者说明情况。

比如下面的例子中,上海 (500+) 和北京 (200+) 在视觉上差了不止一倍,因为作者选取半径长度代表店铺数量,而扇形面积却和半径的平方成正比。

来源:唐也钦,DT财经 (by 图之典·南丁格尔玫瑰图)

三、面与点

散点图可能是最被低估的一种可视化方案,落到“面”上的“点”其实可以做很多文章。

通过控制散点的颜色深浅和半径大小,全球最繁华的区域一目了然:

来源:ECharts官方实例

将点的移动轨迹 (飞线)铺到地图上,又成了非常精彩的航线图:

来源:ECharts官方实例

四、系列和堆叠

使用柱状图和折线图时,我们可以通过“系列”将多个样本群体放在同一个坐标系下,起到「比较」的作用:

来源:ECharts官方实例

对于区域图 (折线下的区域用颜色填充) ,将多个系列堆叠在一起,可以在「趋势」和「比较」之余,额外展示「构成」:

来源:ECharts官方实例

五、下钻和上卷

数据分析绕不开数据粒度问题,通常来说,可视化只能表达一个粒度的数据。

比如按年、按月、按周、按天汇总的营收数据,通常会分开在不同的图表。

但是,我们可以通过「下钻」和「上卷」将不同粒度的数据,整合在一个可视化作品里。

比如下面旭日图的例子,点击第1层分类 (设计/社科/心理……) ,可以触发「下钻」,旭日图变形至以第1层作为整体再展示向下层级的比例构成。

这个例子不但可以再向下延伸 (第2层是星级,3/4/5星),如果点击旭日图正中央的圆,则会触发「上卷」,将数据粒度往上一层:

来源:ECharts官方实例

六、时间轴

不同于平面图表和数据大屏,BI (商业智能) 可以通过一些交互组件实现“超维度”的效果。

比如下面的气泡图,原本只能展现3个维度的信息:人均收入 (横轴) 、平均寿命 (纵轴) 和总人口 (半径)。

但是增加一条时间轴 (而且带自动播放功能),就可以额外增多一个维度 —— 时间 —— 大大强化了「对比」和「趋势」的功能:

来源:ECharts官方实例

七、在线和离线

屠夫在工作中曾考虑过这么一个问题:如果一款BI的在线可视化足够灵活和强大,它还有必要提供离线报表导出功能吗?

答案是肯定的,原因很简单:为了突出重点,可视化必定省略了部分元素。

文章里屠夫举的所有例子,都是为了突出数据集的某些特征,而有选择性地进行展示;但是对于有一定分析经验的人来说,可视化方案会限制了他们的观察角度,远不如离线报表自由。

比如说,可视化方案中的数据波动有明显周期性,有经验的分析师可能会导出离线报表,计算一下移动平均值,可以更准确地看到平滑后的真实数据趋势。

再比如说,可视化方案中的数据出现明显异常,有经验的数据使用者也可能会导出离线报表,尝试通过IQR方法进行数据清洗,才再进行可视化。

在屠夫看来,在线可视化和离线报表的差异,就好比“看纪录片”和“亲自旅游”。

前者是有人预设镜头,向你展现选定的画面和场景;后者是亲临其境,靠自己去探索、去体验、去尝试。

纪录片可以看,但亲自旅游,少不了。

 

作者:屠夫1868,微信公众号:基业长红

本文由 @屠夫1868 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Pexels,基于CC0协议。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!