第1个回答 2022-07-14
数据可视化是数据展示的常见方式，所谓一图抵千言，好的图表能高效传递信息，让观众一目了然，差的图表往往会不知所云。
人类大脑的一半完全是用于处理可视化信息的。当你给用户展示一张信息图的时候，你已经以大脑的最大带宽路径在影响他了。
一张设计优良的数据可视化图能即时给予观者深刻的印象，并能穿透一个复杂故事的芜杂直抵问题的核心。
众所周知，纽约时报的可视化图表非常专业，既能阐述事实，也不失简洁美观。
作为普通人，其实只要遵守一些设计规则，加上一点审美训练，也能制作出专业的可视化图表。
这次给大家介绍20个图表制作过程中有用的方法和规则。
错误的图表类型会导致混淆视听，同样的数据集可以选择多种图表类型，但大家要注意甄别用法。
你想要给观众展示什么，这是最重要的选择依据，下面给大家列举了的十几种图表类型。
绘制水平条形图时，在Y轴左侧绘制负值，在Y轴右侧绘制正值，不要把正负值绘制到轴同一侧。
垂直柱状图同理。
截断Y轴会导致表达失真。在下面的示例中，查看左侧的图表，可以很快得出结论，值 B 比 D 大 3 倍以上，而实际上差异要小得多。
从0基线开始可确保用户获得更准确的数据表达。
对于折线图，如果始终将 Y 轴比例限制为从0开始可能会使图表过于平坦，无法表达趋势变化。
由于折线图的主要目标是表示趋势，比较合理的是根据数据范围调整比例，保持折线上下高度占据 Y 轴范围的三分之二。
折线图是由线连接的“标记”组成，通常可用于表达时间序列变化。
当时间间隔很小，且时间点较多时，折线是一种非常好的展示变化的方式，比如股票分钟线。
但如果时间点比较稀疏，且时间间隔大，最好是使用柱状图来展示，比如月销量变化。因为此情况下折线图容易导致混淆。
平滑的折线图可能在视觉上令人愉悦，但它们歪曲了背后的实际数据，而且过粗的线条掩盖了真正的“标记”位置。
一般情况下，为了节省可视化空间，当有两个数据系列具有相同的度量但大小不同时，可能倾向于使用双轴图表。
但双轴图表不仅难以阅读，而且还会误导观众，以为代表了 2 个数据系列之间的比较。
大多数用户不会密切关注双轴比例差异，只是浏览图表，可能得出错误的结论。
饼图是最受欢迎且经常被误用的图表之一。
在大多数情况下，条形图是更好的选择。但是，如果非要使用饼图，需要注意以下几个点：
没有适当的标签，无论图表多好看——它都几乎没有意义。
直接在图表上标记对所有查看者都非常有帮助，因为一目了然，更节省时间。
查看图例需要花费很多时间，一般观众不会仔细去对比图例和图表的颜色。
将值放在切片之上可能会导致多个问题，可读性差，薄切片无法标注等。
更好的做法是，为每个数据标签添加带有清晰指向的黑色标签。
如果饼图切片大小无顺序，则很难理解表达的内容。
所以饼图切片需要以一定规则排序，一般是将最大的切片放在12点钟位置，然后按顺时针方向降序放置下一个切片。
柱状图排序也要避免随机性，按照一定规则排序会更加清晰易读。
将最大值放在顶部（对于水平条形图）或左侧（对于垂直条形图），以确保最重要的值占据最突出的空间，减少眼球运动和阅读图表所需的时间。
当我们去掉饼图中间部分并创建一个圆环图时，我们可以腾出空间来显示额外的信息，但如果宽度过窄，它会使图表变得很难阅读。
不必要的样式不仅会分散注意力，还可能导致对数据的误解，让用户产生错误印象。
应该避免以下几种：
颜色是有效数据可视化的一个组成部分，在设计时考虑这 3 种调色板类型：
研究数据表明，大约每 12 个人中就有 1 人是色盲。图表只有在广泛的受众可以访问时，才能最大化它的价值。
所以在配色时注意以下几个方面：
确保排版准确传达信息，并帮助用户专注于数据，而不是分散注意力。
注意以下几点：
标签过长时不要使用旋转角度，而是用水平条形图来表达，这个简单的技巧将确保用户能够更有效地观看图表。
如果你想向Web 和APP项目添加交互式图表，将使用什么图表库？
现在有很多专业的图标库可供选择，比如echarts、highcharts等。
图表库包含了许多前面提到的交互和规则。基于定义的库进行设计将确保易于实施，并为你提供大量交互想法。
通过更改参数、可视化类型、时间线帮助用户进行探索，可交互式图表能更有效的获取有用的信息。
好的数据可视化图表会在你的脑海里久久留下关于事实、趋势或者过程的心理模型。
图表制作并不难，但好的图表需要注意很多细节，避免画蛇添足、过犹不及。