数据可视化基础研究

数据可视化的目的是有两个：一个是更好地分享和传达数据信息，二个是通过设计之美有效地缩短信息的传达。这是可视化的最根本的目的，可视化的定义在不同人眼中是不一样的。

数据是可视化的基础，它不仅仅是数字，要想把数据可视化，就必须知道它表达的是什么。根据Ben Shneiderman的分类，信息可视化的数据分为以下几类：

· 一维数据：X轴一个维度如果1、2、3、4 ···

· 二维数据：X，Y两个二维度（1、2），（3、4），（5、6），（7、8）···

· 三维数据：X，Y，Z三个维度（1、2、3），（4、5、6），（7、8、9） ···

· 多维数据：X，Y，Z，···多个维度（1、2、3、4、···），（5、6、7、8、···）

· 时态数据：具有数据属性的数据集合。

· 层次数据：具有等级或层次关系数据集合。

数据种类划分是十分多的，但是这些数据都描述了现实的世界中的一部分，是现实世界的一个快照。除了类型，数据的数量级也影响这数据的表达结果。

小数据量（小于100）展示一下静态结果，中数据量（1K~100K）呈现数据反映的事实，大数据量（大于1M+）用于研究分析，推测结果。

我们来看一个数据：【2017年1月28号，成都PM2.5值245】，从这个数据里能看出什么，可能只是会觉得当天成都空气质量不好，我们可能会联想到这个样一个画面。

好像就不能得出什么了。其实从单个小数据上来看，我们很难得到什么有价值的信息。

只能匹配出数据代表的当前的静态状态结果。所以要想发挥出数据可视化的作用，首先我们需要大量真实的数据，知道数据的来龙去脉，把它作为一个整体来理解，关注全貌对原始数据了解得越多，打造的基础就越坚实，也就越可能制作出令人信服的数据图表。

OK，我们继续丰富我们的原始数据，在中国环境监测总站（http://www.cnemc.cn/）的网站获取到成都2017年整个1月份的PM2.5的数据。

中国环境监测总站作为空气质量公开的数据来源，它提供了获取数据的API接口。通过API接口我们可以获取到原始数据。

原始数据一般包含的信息都比较多，什么PM2.5,、空气质量指数、PM10、一氧化碳、二氧化碳、臭氧、二氧化硫等等。我们只需要PM2.5的，所以清理数据，把其他不必要的内容去掉。然后导入到Excel表中，可以得到我们最终需要的数据。

有了【数据】下一步就可以开始做数据的【可视化】。

可视化

通俗地说，可视化设计的目的是“让数据说话”，用图形去讲述数据的故事。可视化是一种表达数据的方式，是现实世界的抽象表达。它像文字一样，为我们讲述各种各样的故事。作为一种媒介，可视化已经发展成为一种很好的故事讲述方式。

我们把成都PM2.5的数据，按照日期和当天的PM2.5指数做出最简单图形来，我们可以得到下面这类的图表来。

这类的图用Excel很简单就能得到。我们可去修改下柱状图的配色，但它依然只是一个简单的图表，而不是好的可视化作品。

那什么是好的可视化作品呢？

好的可视化设计需要具备统计和设计方面的知识。没有前者，可视化只是插图和美术练习；没有后者，可视化就只是研究分析结果。统计和设计的知识都只能帮助你完成数据图形的一部分。

我们需要去讲述数据的故事。那PM2.5代表的是什么，是当天天气的情况，所以我们可以用天气的维度去讲述这个故事。

我们把成都2017年1月份的天气照片的到，天气好的时候天是蓝色，PM2.5超标的时候是灰色。把它图形化我们可以得到这样一个展示，可以看出对于成都来说一个月中天气好的时间是十分少的。

好的可视化设计能让你有一见钟情的感觉，你知道眼前的东西就是你想看到的。既可以是艺术的，同时又是真实的。而不是直接把数据转换成图表，找到数据和它所代表事物之间的关系按照“数字化叙事”去做设计，这是全面分析数据的关键，同样还是深层次理解数据的关键。

我们在网上可以看到大量的优秀的数据可视化图，这些优秀的作品都会以这种“数字化叙事”的方式，告诉用户数据的意义。

这是哈佛做的一个数据可视化项目，将全球价15万亿美元的大宗交易表现在这里。地图上的每个点都代表 1 亿美元的进出口商品，十分的形象和震撼。

当然好的数据可视化图都是不断迭代优化出来的，判断是不是一个好的数据可视化可以按照以下的步骤去考虑。【你有什么数据】 -> 【关于数据你想知道什么】 -> 【数据可视化的表现方式】 -> 【你看到了什么？有意义吗？】。每一个问题的答案都取决于前一个答案，不断的去问自己，每个环节有没有问题，这样才能做出最好的设计。

我们一直在讲数据可视化的目的是有两个：一个是更好地分享和传达数据信息，二个是通过设计之美有效地缩短信息的传达。这是可视化的最根本的目的，可视化的定义在不同人眼中是不一样的。作为一个整体，可视化的广度每天都在变化，但是这是一个新的领域，我们可以用一种全新的方式去认识世界的过程，数据可视化，改变对数据的呈现和思考方式。

参考资料

· 《图解力》 – 木村博之

· 《数据之美》 – 邱南森

· 《可视化沟通》 – Randy Krun

· 《信息设计》 – Dopress Books

· Designing Data Visualizations with Noah Iliinsky – TED演讲

· 信息可视化研究综述 – 河北科技大学学报