设计可视化 若烹小鲜

数据可视化作为数据应用中非常重要的一环，目前大量展示类、视觉类设计涌入市场，不过以我目前的水平和眼界，还没有看到更多更好的关于数据可视化的思考。除了技法上的造诣，对于数据本身的反思和理解都不太深入。有限的眼界和有限的思考中，想要分享一本给大家看的设计书，来自邱南森的《数据之美--一本书学会可视化设计》。

此刻是我看完这本书的第三个月，中间也看了很多其他奇奇怪怪的书，但是这本书树立了对数据可视化专业价值观体系的形成，同时也促进了对自己所处的位置和水平进行了一个定位。（当然是菜鸟阶段啦，哈哈哈）

好久不更新，肯定没有落下学习和思考呀！下一篇也是非常重磅的内容，需要投入很多精力才能完成，加油加油！五四青年节送给自己的一段话，送给在座的各位：青年又何须寻那挂着金字招牌的导师呢？不如寻朋友，联合起来，同向着似乎可以生存的方向走。我们所多的是生力，遇见深林，可以辟成平地的；遇见旷野，可以栽种树木的；遇见沙漠，可以开掘井泉的。 正青春的我们，有什么好怕的呢？

希望以这种方式分享，能带给你一定的思考和启发是最好不过。

全书主要是通过案例，像我们描述了数据及数据可视化的过程。没有很强的工具属性，属于思想启蒙类的科普作品。《数据之美》主要分为 3 个部分：了解数据、挖掘数据和数据表达。在接下来的分享中主要分为三个部分：可视化的原材料和数据关系；文章优秀的摘抄笔记和文章最后的思考。

可视化在很多地方与烹饪相似。你是主厨，数据、图形和颜色是你的食材。经验丰富的主厨知道如何准备和搭配食材，以及如何摆盘，完成一顿美味大餐。而经验不足的厨师，只能先把脑袋伸进冰箱冷冻室里看看有什么看上去还行的微波食品，弄出一顿管饱的晚餐。当然了，有的微波食品还是很好吃的，只是大多数都一般。

第一部分：了解数据，可视化的原材料

可视化的组件内容主要分四个部分：视觉暗示、坐标系、标尺和背景信息。

和我们常见的一张图，来自 Andrew Abela 的《What would you like to show》图表类型选择指南，不一样，从更小的原子部分重新审视每一个图表的元素，更方便我们对细节和数据的理解，也能更底层的了解可视化的意义。再通过这些元素的组合，对于《What would you like to show》理解也会更加深刻。

更多关于Andrew Abela 图表相关信息

1、视觉暗示

可视化数据的时候，通常用形状、大小和颜色来编码数据。主要有以下 9 种：位置、长度、角度、方向、形状、面积、体积、饱和度和色调。这个顺序也是研究人们理解上述视觉暗示的精准程度排序，从最精确到最不精准的排序清单。

2、坐标系

坐标系是指在编码数据的时候，总得把数据放到一定的位置，使其有一个结构化的空间，同时也能指定图形绘制的规则，赋予 XY 坐标或经纬度意义。主要有直角坐标系、极坐标系和地理坐标系这 3 类。

如果你做地图比较多的话，那你一定得了解一下地理坐标系。它能与我们现实世界产生最大的联系，基于位置和数据点信息能带来即时的环境信息和关联信息。在绘制地表信息图表的时候，我们需要在二维的平面上显示三维的场景信息，有多种投影的实现方法，都是各有利弊。

3、标尺

坐标系指定来可视化的维度，而标尺则指定了每个维度里数据映射位置。从类型上主要分为数据标尺、分类标尺和时间标尺。常见的标尺类型有线性标尺、对数标尺、分类标尺、顺序标尺、百分比标尺和时间标尺。

4、背景信息

背景信息是由 who、what、where、when、why 等 5W 交代场景信息。

主要通过标题、提示文字、图例直接提醒，以及视觉暗示、坐标系和标尺信息隐性提醒。

当我们理顺了以上的可视化基本组件之后，再去理解常见的图表【图表信息】和再去看一些信息可视化的时候，就会更能理解数据映射到几个图形上的意义。

经验丰富的大厨不只是盲目地把食材都放到碗里，把炉火加旺，然后就等着美味可口的大餐。相反，他们知道应该怎样搭配这些食材，哪些东西不能一起烹饪，以及最恰当的烹饪温度和时长。

对于可视化来说，视觉暗示、坐标系、标尺和背景信息都是我们拥有的原材料。视觉暗示是人们看到的主要部分，坐标系和标尺使其结构化，创造出空间感，背景信息则赋予了数据以生命，使其更贴切，更容易被理解，从而更有价值。

第二部分：挖掘数据，数据可视化过程

数据可视化具体的步骤会因为数据集和项目的不同而不同，总体而言有以下四点：

1）拥有什么数据？

2）关于数据，你想了解什么？

3）应该使用哪种可视化方式？

4）你看了什么，有意义吗？

我们就是会花费大量的时间在收集数据和理解数据上。并且为了避免淹没在数据的海洋中，就得学会游泳。学会之后，就可以从浅水区一直游到深水区。如果你喜欢冒险，还可以用呼吸管潜水或者去深海潜水。即使没有游遍整个海洋，你也可以每次探索一点儿，每次探索所获得的经验开业用于下一次潜水。

接下来，我们再了解一下关于数据类型的分类，以及常见的表现方式。数据类型主要分类数据、时序数据、空间数据、多元变量和数据分布 5 类。

1、分类数据可视化

分类可以结构化、条理化展示内容。主要有分类、整体中的分布和子类 3 种。对于分类可视化，可以立刻看到最大值和最小值，了解数据的范围。

2、时序数据的可视化

时序数据可视化主要分 2 个：一个是周期，另一个是循环。周期是指时间本身的重复，循环事务发展状态的重复。时序图主要通过长度、方向和位置这些视觉暗示完成。而时序图更重要的是让我们注意到变化的本质，剖析变化的意义。

3、空间数据的可视化

空间数据存在自然的层级结构中，可以已不同的颗粒度进行探索的研究。其中最常见的就是地图，把信息都放在地理坐标系中。主要有位置信息、地区信息和统计信息。

4、多元变量

5、数据的分布

这两个点容我划划水（谁叫我知识浅薄呢），也是更多信息图表中涉及的内容。每个数据之间包含的信息多元，并且变量的关系并不直观，不能清晰地看出上升或下降趋势，并且因果关系和相关关系之间更难辨别，需要我们掌握统计学相关知识，抽象地研究数据之间的关系，考虑所有的背景信息。

可视化图表可以纯粹从美学的角度欣赏，但最有趣的还是数据。这就是为什么可视化要从数据开始，探索数据，然后展示结果，而不是从可视化开始，然后尽力把数据集放进去。否则，就行使用锤子锤向一大把螺丝钉。

美丽不只是最后一分钟贴上去的闪亮外表。它代表你放入可视化图中的想法，与清晰度密不可分并且影响着人们对它的理解。

END.

————————————————

（我实在是太喜欢这个结尾了，贴上来分享给大家）

可视化设计，若烹小鲜

大二之前的那个夏天，我学会了烹任。在这之前我只知道怎样煮白米饭，也知道怎样用微波炉加热一些冷冻食品。大一那年，我靠着食堂的饭菜，还有无限量供应的土豆泥、软冰激凌才活了下来，因此妈妈担心我下一年搬到公寓后会没有东西吃。我每天的时间表也是围绕着吃饭时间打转，所以，不用说，我很渴望学会做饭。

那个夏天，每天晚上我都在厨房里站在妈妈旁边，她会演示各种厨艺，然后我再模仿她。我学会了使用炒锅，控制火候，提前准备食材。每个回合下来，我都奇迹般地做出了还不错的饭菜。 学习做饭的第一周， 我仔细观察了妈妈手中锅铲怎么活动，把各种调料的比例，以及放餐具装盘的方式都记在了笔记本里。一切都努力照着妈妈的演示去做。对于妈妈计划教我的那几道菜，这种方法很有效。所有东西都摆在眼前，妈妈可以清晰地解释每一步。

然后就轮到我自己做饭吃了。我查阅菜谱，有些食材冰箱里有，有些则需要去商店买。借助量杯、食匙和计时器这些工具，我照着每份菜谱规定的时间和食材量来做饭。

照着做过的菜谱越来越多，我渐渐明白了哪些调料合在一起味道好或不好， 什么时候“勺”指的是“大约一到三勺，根据锅里的菜而定”。更重要的是，我渐渐明白了为什么有那么多菜谱最后都说“按个人口味适量”。对于调料的用量，为什么没有人直接告诉我准确的数字？因为用量因菜的不同而不同，哪怕是两次做同一道菜。 这种微小的变化，能让食物美味可口，也可能会让食物味道欠佳，甚至难以下咽。这种微小的变化在烹饪的整个过程中时时都会发生，所有变化加在一起，就是为什么你会对城市某家饭馆的菜看如此钟爱的原因了。

学习如何将数据可视化也是一样。 最初你会学到一般性的原则和建议，开始时你可以严格遵循这些原则和建议。随着处理的数据越来越多，得到的结果也会越来越多，你会根据自己所拥有的、所看到的来做出变化和调整。这种变化和调整就是卓越的视觉效果能够与众不同的原因。 你的目标是做到取出任何食材——数据， 你都能明白它代表了什么。对自己的数据理解得越深，就能帮助他人理解得越深。数据可视化就是这样变得有价值的。

————————————————

我厨艺算得上比较差的，我妈妈的厨艺就很棒。同样的食材，我自己做的就难以下咽，我也会问妈妈：为什么妈妈做的饭就特别好吃呢？为什么会有一种所谓妈妈的味道呀？妈妈说：你以为这么多年的饭你白吃的？你妈我也是跟你一样小菜过来的！学就是了，少啰嗦少废话。然而我还是懒，妈妈在的时候就撒娇卖萌混过去了；等我自己一个人住的时候，也只能继续糊弄肚子。 在我们现代这个社会，大家都在快节奏的生活中追求成功，追求视觉上的震撼和刺激，让自己麻木和醉心于泡沫的物质文化。一定一定要建立起自己成功的准则，一步一步走向自己向往的生活，一点一点积累自己优秀的审美，一心一意成为更好的自己。加油加油加油！

第一次写设计相关的读书分享，恳请指正！

不过，我一直都认为阅读一直都是一件很私人的事情，之所以这么强烈的分享欲是我突然想明白了接下来一年中自己努力的方向，为此树立了信心。这本书给了我极大的勇气做这个决定，在此分享给同样迷茫中的你。

如果对你有用的话记得点赞，评论，加一个大大的关注最好不过啦。

❤️❤️❤️

✋🏻