一些将数据库数据作可视化管理的常用规则与建议

可视化有很多“规则”。有的是实际规则，有的是帮你做出选择的建议。假如是出于数据要求，而且你也知道该怎么办，那么很多实际的规则也不必遵守。但是，确实有一些规则不应该违反。这些规则通常用于一些特定类型的图表，几乎只能以特定的方式阅读。当这些规则被打破时，数据可能会在阅读过程中被误读。会有点棘手。条形图的基线必须从零开始，条形图必须依靠长度来呈现数据。短条块代表较低的值，长条块代表较高的值。条形图的原理是通过比较条块的长度来比较值的大小。当基线发生变化时，视觉效果就会扭曲。例如，请看上图。左边的第一幅条形图比较了两个值：50和100，它有一条，它有一条以零为起点的基线。很好。代表100值的条块长度正好是50值的两倍长，正好是100值的两倍大小。但是当你把基线变成更高的非零值时，第一条的长度变短了，而另一条的长度没有变。此时值为100的条形不再是值为50的条形的两倍长。以此类推，当左边代表50的条形完全消失时，意味着100无限大于50。条形图的基线必须从零开始。例:这张条形图是福克斯新闻允许的。3月31日，目标值为7.066.00，比6.00、000高17.8%，但第二条几乎是第一条长度的三倍。有人可能会反驳说，这张图的重点是两个值的差异，而不是两个值本身。即便如此，用条形图来表示本身也是一个错误的选择。用时间序列呈现月累积数可能更好。不要太热衷于饼图。有些人认为饼图应该完全避免。也许他们是对的，也许不是。有些人可能会说，使用饼图是一个完全不可原谅的错误。我不同意。无论如何，人们仍然使用饼图，所以我们至少可以努力正确地使用它们。避免过度切割饼图，否则最终的阅读将不可持续。那么多少是“太多”？这是一个判断问题。但是，如果很难从图中看出其中一个扇形是另一个扇形的两倍大，或者当几个较小的扇形区域看起来几乎很大时，就应该停止扇形切割。在这个时候，我们可以考虑将较小的类别归类为较大的类别：“其他”。圆环图也是如此。同时考虑用其他类型的图表来表示比例。不要太依赖饼图。例:这张饼图来自维基百科，展示了国家的不同地区。左边的饼图已经切了很多块，但是旁边分开了一张饼图，显示了左图中看不清楚的较小国家的情况，从而提供了更多的信息。显示这组数据的方法有很多，比如树形图、按数据比例制作的图标，或者使用普通地图。单薄饼图只适用于显示只有几组值的数据。与呈现值相比，有些图片更注重表现部分与整体之间的关系，而尊重部分的整体比例是部分的整体比例。例如，堆积条形图、堆积区域图、树形图、马赛克图、圆环图和饼图。在这些图表中，每个部分都表示一个独立的、不重叠的比例。关于这一点，最常见的错误发生在调查问题允许多选时。例如：“你上周使用了哪种交通工具？可以多选。这样，比例就会重叠，不同选项的百分比之和就会大于一。为了避免这种情况，你不能直接把比例做成统计图。例:这张饼图来自福克斯新闻的下属机构，显示了三个不属于同一个整体的百分比。每个值都是一个单独的整体，所以在这种情况下，每个值的比例会用三个堆积条块(或普通条块)更直观地表现出来。可视化的重点是显示数据，让读者看到数据。若数据呈现不够清晰，则违背了制作图表的初衷。这通常是因为图片中的数据太多，所以读者的兴趣分散了。这是一个经典的“过度绘图”问题，有很多相关的研究。但对于基本图表，也有一些简单的解决方案。首先可以改变符号的大小，这样上图中的小圆点(或其他符号)就不会占用太多空间。为了使数据直观清晰，主要增加空白。调整透明度，不会覆盖多层次图案。通过取样或对数据进行分类，将数据整体分为几个较小的子组。从中，你可以采取小而多的方式，这样每张表中的信息就会少一些。对数据进行再统计和分类。总之，数据呈现得更好。例子：这张照片显示了金州勇士队在2008-09赛季的每一次投篮。这张照片最终形成了一个体育场的形状，并得出了近框、中距离和三分球的小结论，这是球员投篮最多的地方。但它们之间的差距很小，读者看不到真正的量级差距。数据聚合法将有助于解决此类问题。解释编码通过结合一定的形状、颜色和几何图形来呈现数据。图表设计师必须将这些图形解码回数据值，以便读者能够清楚地阅读。经典的例子是没有标记的坐标轴。有时编码不需要解释。例如，读者可能知道如何阅读条形图，因此无需解释条的长度表示值的大小。但设计师确实应该解释数据，即图表的单位和主题。因此，标明坐标轴代表的含义。为读者提供线索或图例，解释图表。例:这个错误标记的图表来自温尼伯太阳报:如果我们能知道这是关于什么的统计数据。2015年数据可视化十大项目，优秀的可视化作品充满活力，我可以肯定明年会有很多好作品。跨越不同主题和应用形式的项目很多，但如果我选择一个年度主题，无论是通过解释、模拟解释还是深入分析，都必须是“教学”。有时我觉得视觉创作者非常大胆，试图让读者不再用通常的思维方式来理解数据和统计。我非常喜欢这个。以下是我选择的2015年最佳项目。按照惯例，排名不分顺序。同时，也有很多作品不在这个名单上，他们也很优秀。让我们一起来看看。1.亲爱的数据，这是一个值得跟踪的有趣项目，它涉及两个主题——可视化和自我监控——吸引了我的注意。亲爱的数据是StefaniePosavec和Giorgialupi制作的一年项目。每个人都会跟踪一周中每天发生的事情，比如每个人接多少次电话，然后在明信片上可视化这些数据。然后他们把这些明信片寄给对方——Lupi现在住在纽约，Posavec住在伦敦。2.你来画画:如何预测家庭收入孩子的大学入学概率，感觉今年似乎是挑战读者如何从更高的统计角度理解数据的一年。《纽约时报》Upshot的GregorAisch、Amandacox和KevinQuealy要求读者画一条反映家庭收入和大学生数百分比的线。所以你可以看到自己画的线，真实数据画的线和别人怎么看待这种关系。关于Upshot/Newyorktimes和数据假设，请参见thisquickpuzletotestyorpaternnter-findingability(快速测试您的模式识别能力)和3-Dchartoftheeconomy’sfuture(未来经济发展3D图)。3.《纽约时报》的538也通过可视化互动开展了一些数据科学教学活动。最好的课之一是教人们如何通过“窃取P值”（p-hacking）从同一个数据集中得到你想要的结果。当这个项目发布时，一个刚毕业的学生被曝光伪造数据。（hyperlink）。Christieaschwanden和Ritchieking的重点不是怀疑一个荒谬的结果是如何通过严格的同行评估的。相反，他们想说的是，科学地研究和解释数据是真正的困难。4.《纽约时报》的团队制作了一首关于Justinbieber的歌曲《你现在在哪里》，这不仅很好，而且很有趣。虽然Bieber更像配角，因为Diplo和Skrillex是详细研究如何制作大型歌曲的人，但视频旁边的音乐视觉作品可以帮助你更好地理解音乐家在说什么。5.麻疹如何在接种疫苗的儿童中传播，什么时候不传播卫报的Richaris，Nadjapovich和Kentonpowell显示了一个国家的儿童不接种麻疹疫苗时会发生什么。作为父母，我想把整个列表做成交互式。6.机器学习的可视化介绍机器学习似乎是一个神奇的概念，这似乎意味着机器人可以做奇怪的事情而不受你的教导。Stephanieyeee和TonyChu用一个可视化的例子来解谜。像卷轴一样，这个可视化的例子带你一步一步地了解机器是如何“学习”的。过渡图使整个图连接得非常顺畅。现有的结果似乎是一系列项目的第一部分，但我们可能要等一段时间才能看到后面。7.第二次世界大战结束时，NeilHalloran项目的一部分是记录，另一部分是互动可视化，无缝连接在一起。我惊讶地发现，做这类项目的人并不多。当我意识到他们在做这样的项目时，我非常希望它能继续下去（阅读更多）。8.2014年是记录以来最热门的一年，最直观的可视化数据方式是单线图。但是在分解了线之后，我们可以得到更多的信息。这张由彭博社Tomrandalll和Blackimigliozi制作的动态图显示了月平均气温。每条线代表一个完整的年份，随着时间的推移，这条线在几英寸几英寸上升。9.网络效应距离上次看到JonathanHarris这样的项目已经有一段时间了。他与GregHochmuth合作了这个项目。“网络效应”是对整个互联网的评论，可以让人们以一种奇妙而迷人的方式了解互联网的方方面面。一次花几分钟。10.常用的比喻“比喻修辞是作者常用的，是读者心目中具有特定形象的工具和写作习惯”。Bocoup数据可视化团队制作的“常用隐喻”项目研究了隐喻修辞中常用的单词。如果你想了解电影中的性别角色和角色，这个项目就是你想要找到的。

以上就是关于一些将数据库数据作可视化管理的常用规则与建议的相关介绍，更多一些将数据库数据作可视化管理的常用规则与建议相关内容可以咨询我们或者浏览页面上的推荐内容。我们将让你对一些将数据库数据作可视化管理的常用规则与建议有更深的了解和认识。