——数据是什么，不是冰冷的数字，不是躺在数据库里，躺在硬盘上，躺在图书馆的那些尘埃，而是鲜活的东西。
outline：
数据可视化背景：数据+可视化 what & why，
数据，不用多说，最强大的积累，世界的来源，没有数据的积累，人类什么都不是。数据有几大类：
俗话说：一图胜千言，各种感觉器官接受信息的比例是：视觉87％，听觉7％，嗅觉3．4％，触觉1．5％，味觉1％
【展示各种比例数据】
数据可视化：如何图表展示 how
1，时间趋势的可视化
时间是个天然的数据维度，我们时刻关注时间，不论数据是哪种类型，我们必然会期望看到它在这段时间内是上升还是下降，发现其中的趋势，回顾过去，超越现在，预测未来。
趋势数据分离散型和连续型，离散的数据基于事件的，一段时间一个事件就会发生若干次，比如一个赛季就会发生38场足球比赛，WDM中基于天的数据都是离散事件，比如我们统计crash的次数；而连续型的数据是基于实时变化的，可以认为是随着时间不断变化的，比如温度，会一直持续变化。总结，我们人类定义的最小时间单位基本上在秒这个概念上，我们做数据的可以这样去区分离散和连续：如果事件在很小的时间粒度发生，比如UV这样的，基本可以定位到秒级别，那么这是连续型数据；如刚才的crash信息，因为不可能是每秒都在发生，甚至都不是每分钟都发生，那么可以定义为离散型数据。
--离散型：柱形图和散点图，当然对于非时序的分类数据，离散型的数据图展示也满足。
基本柱形图：横轴时间轴，纵轴数据轴，要注意柱形宽度，柱形间隔，柱形高度，柱形图的视觉线索是：高度，数值越小，柱形越矮，数值越大，柱形越高。tip1：处理的数据都是正数时，请永远让柱形图的数值轴从0开始，否则会让人难以从视觉上比较各柱形的高度。如果在时间趋势柱形图上想表达多一个维度的概念，可以利用柱形颜色加以区分。tip2：柱形间隔选择时要小心，如果间隔宽度和柱形宽度相近，视觉上会产生振动效应，给人感觉就是柱形和间隔的角色互换。
堆叠柱形图：在基本柱形图上，堆叠多个矩形。如果数据存在子分类，并且各个子分类之和是有意义的，就可以使用堆叠柱形图。注意一点，这种情况子分类不宜过多。
散点图：用圆点代替矩形，可能意义更明确，小巧而集中，这种表达有一种“流”的感觉。散点图的视觉线索是：位置，通过xy坐标来观察，通过与其他点的位置来比较。散点图不强制要求从0开始。注意一点，数据不永远是真实的，笔误等各种原因都会导致数据偏离现实。
--连续型：其实数据等价于离散型，区别只在表达的现实意义。
点点连接：散点图连接起来，基本折线图，更有跃动感，默认了线性变化，也就是说从a点到b点的稳定变化。（表示人口变化没问题）
台阶形：适合表达会长时间停留在某个数值上，然后突然增长或衰退的事务变化。（银行利率）
平滑形：数据点杂乱且趋势不是简单的线性稳定趋势，那么可以估算出一条平滑曲线，一般我们会拟合出一条样条曲线或者贝塞尔曲线。
2，比例的可视化（分类的可视化）
在比例中寻求什么？最大，最小，总体分布？
--整体中包含各个部分：占比数据非常重要。
饼图：像切蛋糕一样切成若干个楔形，每个楔形代表整体的一个部分，楔形的角度代表占比（视觉线索也可以认为是面积），总和一定是100%。饼图在表示数据时有着一些争议，因为它不像柱形图或者基于位置的图形那样精确，衡量角度或比例要比衡量长度复杂。但是如果数据块不是特别多，饼图是个很不错的选择（良好组织数据，不要将一个饼图分成太多块）。对饼图的一般设计是选择好颜色，同时按照顺序从12点方向开始顺时针排列楔形块。颜色的深浅代表了重点的强弱，需要强调的部分颜色要深。
面包圈图：中间有洞的饼图，视觉线索不再是角度，但是跨过的弧度仍然和面积一样可以作为视觉线索。面包圈图中间部分适合放置标签或者其他内容。
堆叠柱形图：不仅仅用于时间趋势数据类型，对于比例的展示，堆叠图可以通过改变横轴为类别轴，将柱形高度定义为单个类别的总和，内部柱形高度代表了子分类的数值。堆叠柱形图的表达能力是N个饼图的和。
板块层级图：treemap，一种基于面积的可视化方式，通过每一个板块（矩形）的尺寸大小来度量。外部矩形代表父类别，而内部矩形代表子类别。最适合显示层级结构和树状结构的数据。
--带时间属性的比例：比例加时间属性，很自然的组合
堆叠面积图：水平轴时间，垂直轴是比例（100%），可以理解为按时间将一系列的堆叠柱形图连起来。
3，关系的可视化
关系中寻求的就是变量之间的关联，比如一个量增加了，另一个怎么变？它们是因果关系还是关联关系，更深入可以探求到数据的分布。
--关联性：联系（correlation），发现事物之间的关联，如果确定关联性，那么可以根据一项已知指标来预测另一指标。
散点图：表示变量之间的关系，这时的散点图横轴代表一个变量的数值，纵轴也代表一个变量的数值，每个点的坐标xy代表了关系。这时的散点图读图方法是：从左往右，如果是上升的趋势，那么是正相关，否则是负相关，如果杂乱无章，则不相关。
散点图矩阵：多个x轴，多个y轴，多个变量之间进行xy比较。
气泡图：同散点图一样，只不过气泡的大小表示第三个变量（比散点图多一个维度）。tip：用圆形表示数据时，要用面积来定义尺寸，而不是半径、直径或周长。气泡图中的圆形可以被正方形等其他图形代替。
--分布：利用平均数、中位数、众数、重心、线型等来判断数据的分布。
直方图：等价于柱形图，横轴表示某个延续性变量，纵轴表示频率或可能性，柱形高度表示柱形所在取值域出现的频率或可能性，柱形宽度表示数值轴上的某个取值域，取值域应该彼此一致。一般直方图的柱形间隔非常小或者没有，并且英文叫做histogram，而柱形图我们叫bar或者column。直方图用来主要观察分布，而不是看到每个具体的数值。比如图像分析里有个典型的图像颜色特征叫做颜色直方图，就是统计一幅图像的各个灰度级别的像素个数绘制的一个图形。
密度图：直方图的数值轴是延续性的，但是整个分布依然被分成了多个柱形。每个柱形代表的都是一些条目的集合。对于柱形内部的变化，柱形图无法表达，因此可以利用密度图来对分布的细节变化进行可视化。基本架构是：横轴代表数值轴，纵轴代表可能性大小或者比例，曲线高度代表相应值发生的可能性，曲线下的面积代表整体1.
最后还可以考虑直方图和密度图的结合，等价于柱状图和折线图结合。
4，空间关系的可视化
我们一般把空间信息的寻求量化到地图层面，基于地域维度。利用地图做空间关系的可视化，要比用常规图表更直接，结合地域维度使地区数据更显而易见。同时对于个别感兴趣的区域的数据可以更方便的观察，可以让人们专享数据。
--具体位置：给出地点的经纬度信息
单纯点图：直接将经纬度点信息标注到地图对应位置。类似现实中在地图上按图钉。这样的可视化只能标注出发生特定事件的地点，也就是指明了类别，维度的话只包含地域维度和事件类别维度。可以看做一维。在这个点图上的扩展就是加入跟踪信息，将有序的点用直线连接起来。线的长短将会成为明显的视觉线索表明点与点之间的距离关系。
气泡地图：在单纯点图的基础上，加一个维度，表明了在发生特定类事件的地区的数值大小。
--地区：以宏观更大范围的汇总数据
地区着色：以地区区域为单位，通过着色表示指标的高低。
--跨越时间和空间：将时间维度加入空间地图里，查看随时间变化在地区维度上的数据指标变化。
系列组图：将一组地区的图表（前面说过的点图或者着色区域图）按时间顺序排放，随着视线的移动（从左到右或从上到下），可以看出变化趋势。
刻画变化：不是将状态按顺序展示出来，而是进行差额计算，直接将变化以着色图的形式展现。使观察更聚焦，直接看变化。
动画：让数据动起来，是最直观和吸引人的设计。
未来：想象力
不管怎么讲，数据可视化是辅助我们拿数据讲故事的最有力的武器。
与我们结合：数据可视化是最终的展现，数据产品的终极形态有两种，一种是利用数据做强大的分析和挖掘，得到有意义的可以汇总成知识的内容；另一种就是通过丰富的想象力用可视化形式将其展示。