数据可视化设计指南

时间：2022.08.11作者：彩乐园浏览量：1345

什么是数据可视化

1. 数据可视化的界说数据科学的大力生长，让信息科学领域面临的一个巨大挑战就是数据爆炸，然而人类剖析数据的能力已经远远落后于获取数据的能力。数据量越来越大、越多元化，数据内容的噪声让人们在庞杂的数据世界中倍感枯燥繁琐，理解本钱较高。所以这个挑战不但在于如何从海量数据中提取出有用知识，还在于如何将数据转化成使人快速理解的知识。如何从海量数据中提取知识是数据处理和数据挖掘的领域，如何让数据转化成使人快速理解的知识就需要数据可视化了。

相比纯粹的数字，图形形式可以让人更容易洞察到数据的漫衍、趋势、关系以及异常点，从而资助决策者快速决策。数据可视化就是将数据转换成易读、易懂、易操作的图或表等，以一种简洁明了、通俗易懂的方法展现和泛起数据。

2.数据可视化生长历程

关于可视化的生长史可追溯至 19 世纪上半叶，这个时期可以说是数据制图的黄金时期，统计图形、看法图等迅猛爆发，此时人们已经掌握整套统计数据可视化工具，包括直方图、柱状图、饼图、折线图、时间线、轮廓线等。

3.为什么要做数据可视化

随着世界与越来越多的电子设备建立联系，数据量将继续呈指数增长�？蒲Ъ颐窃げ�，到 2025 年将有 163 ZB（163 万亿 GB）的数据。

人脑很难理解所有这些数据，实际上，如果不进行某种类比或笼统，人脑很难理解大于 5 的数字。数据可视化设计师可以在创立这些笼统中发挥至关重要的作用。

而关于用户尤其是决策层的用户来说在现实的事情场景中经常需要同时处理凌驾 5 组以上的数据并需要对其建立精准的剖析模型以便于做出最准确的决策所以基于这样的需求，数据可视化设计氤氲而生。

而数据可视化能够将爆发的数据，以视觉图表的方法，清晰有效地通报出数据当中的重要信息。许多企业治理层从实践中看到了数据可视化的价值，它能够使决策者能够解决难以快速读懂数据剖析报告的问题，以数据可视化的模式来理解数据，以便做出对企业更好的决策。

4.数据可视化有什么用

通报速度快，人脑对视觉信息的处理要比书面信息块 10 倍。使用图表来总结庞大的数据，可以确保对关系的理解要比那些杂乱的报告或电子表格更快。

数据显示的多维性，在可视化的剖析下，数据将每一维的值分类、排序、组合和显示，这样就可以看到体现工具或事件的数据的多个属性或变量。

更直观的展示信息，数据可视化报告使我们能够用一些简短的图形就能体现那些庞大信息，甚至单个图形也能做到。决策者可以轻松地解释种种差别的数据源。富厚但有意义的图形有助于让忙碌的主管和业务同伴了解问题和未决的计划。

大脑影象能力的限制，实际上我们在视察物体的时候，我们大脑和盘算机一样有恒久的影象(memory 硬盘)和短期的影象(cache 内存)。只有我们让要记下文字，诗歌，物体，一遍一遍的在短期影象了泛起之后, 它们才可能进入恒久影象。

5.数据可视化使用目标

数据可视化是一种信息交流形式，它以图形形式描绘密集和庞大的信息，最终的视觉效果旨在简化数据，并使用数据资助用户决策。

准确性，数据可视化需考虑数据的准确性，清晰度和完整性。以不失真的方法泛起信息，减少用户的思考本钱。

实用性，数据需要强调实用，降本提效，降低学习使用本钱、数据剖析本钱、数据查找本钱，提升操作效率、决策效率。

适应性，能适应多设备、多场景�？善揪莶畋鹕璞妇尴傅鹘饪墒踊�，同时预测用户对数据深度、庞大性和模态的需求。

6.数据可视化应用场景

信息图表设计、B 端后台界面设计、可视化大屏界面设计。

数据可视化图表由哪些元素组成

一张标准样式的图表基本上是由题目、图例、切换选项、图形主体、坐标系、提示信息、值域这几个元素组成。除此之外，另有一些特殊的图表（如：3D 类，由配景墙、侧面墙、底座等图表元素）。

题目，题目简短有力，以最少的字数转达看法、信息或故事。信息类题目：提供理解数据所需的所有信息，回覆「何事」、「何地」、「何时」这三个问题，描述类题目：突出图表中显示的主要数据模式或趋势，描绘出图表所要讲述的故事。

图例，通常在图形主题的右侧或顶部，用来区分差别类别代表的数据寄义。

切换选项，可以是 tab 类的切换，也可以是下拉选择，凭据具体场景设计，用于同类型图表的切换。

坐标系，由 X 轴，Y 轴，标识线，轴题目组成。一般场景中，坐标轴是图表中必须保存的元素之一，AntV 官方给出的迷你图表（Minichart）中，坐标轴可以被省略，只保存图形基本姿态。

图形主体，由选择的图表类型决定，有时也会多个图表类型组合使用。

提示信息，多为 hover 或者选择状态，对选择的位置数据进行详细展示。

值域，当屏幕缺乏以容纳图形，选择可视规模的工具，当图表足够庞大时会用到。

需要注意的是，数据可视化图表除了上述通例元素外，另有个很重要的的看法—时间规模。因为数据的统计一定要有时间规模，不然这个数据图表就是无意义的，所以各人在设计图表时一定要体现出“时间规模”，它可以不泛起在具体的某一个图表中，可是要通过题目或者其它方法体现出来。

数据可视化的设计流程

规范的流程是好结果的包管。凭据设计流程，步步为营，就能制止许多不须要的返工，包管设计质量和项目进度。

1.凭据业务需求确立要害指标可视化设计要制止为了展示而展示，排版结构、图表选用等应效劳于业务，所以可视化设计是在充分了解业务需求的基础上进行的。那什么是业务需求呢？业务需求就是要解决的问题或告竣的目标。设计师通过设计的手段资助相关人员告竣这个目标，是数据可视化的价值所在。

要害指标是一些概括性词语，是对一组或者一系列数据的统称。确定要害指标后，凭据业务需求拟定各个指标展示的优先级（主、次、辅）。

2.确立指标剖析维度我们在制作可视化图表时，首先要从业务出发，优先挑选合理的、切合老例的图表，尤其是如果你的用户条理比较多样的情况下，要兼顾各个年龄段或者差别认知能力的用户的需求；其次是凭据数据的种种属性和统计图表的特点来选择，例如许多小同伴做完可视化设计，发明可视化图形并没有准确表达自己的意图，也没能向用户转达出应有的信息，可视化图形让人困惑或看不懂。泛起这种情况很洪流平就是因为剖析的维度没有找准或界说的比较杂乱。

比较：数据之间保存何种差别、差别主要体现在哪些方面

漫衍：指标里的数据主要集中在什么规模、体现出怎样的纪律

联系：数据之间的相关性

组成：指标里的数据都由哪几部分组成、每部分占好比何

3.选定可视化图表类型通过上述剖析，我们可以跟据我们想要展现的数据种类，以及我们制作图表的目的，来选择到合适的图表。可是日常事情中，我们往往用不到这么多的图表种类，这个筛选的维度更适合我们作为学习图表看法的工具。我们最经常使用的照旧六件套 — 柱状图、条形图、折线图、饼图、散点图、地图。

柱状图柱状图用于描述分类数据之间的比照，是一种以长方形的长度为变量的统计图表，有且仅有一个变量，其中一个轴体现需要比照的分类维度，另一个轴代表相应的数值。

条形图条形图比照柱状图，看上去虽然只是 X 轴与 Y 轴交换，数据种类较为类似，但差别的是，条形所能承载的项目数量相关于柱状图而言更多，由于其优良的纵向延展性一般用于手机端较多，好比当条目大于 12 条，就适适用条形图，并且从上到下的阅读方法切合人眼阅读习惯，所以也会经常用于排行榜的设计中。

折线图折线图用于反应事物随时间或有序类别而变革的趋势。要绘制折线图，先在笛卡尔座标上定出数据点，然后用直线把这些点连接起来。通常 Y 轴用于定量数值，而 X 轴则是分类或顺序刻度。负值可以显示在 X 轴下方。使用建议：Y 轴刻度值选择要合理，目今显示的数据波动要最大化的显示；显示数据尽量大于 3 条，不然不可够清晰地反应出数据随时间变革的趋势。

饼图饼图以扇区的形式显示每一个数值相关于总数值的巨细。通过差别的扇面巨细，表达了差别类别的比例，即一个数据组中差别数据项的数据巨细占所有数据和的比例；并通过带颜色的图例将扇面和数据项一一对应起来。所以当我们想要一组数据中每个数据类型所占的比例时，就可以优先选择饼形图。饼形图可以分为基础饼形、环形图以及扇形图。

散点图散点图常用于展现数据的漫衍情况。通过数据之间的位置漫衍来视察变量之间的相互关系。数据之间的相互关系主要分为：正相关（两个变量值同时增长）、负相关（一个变量泛起增长漫衍另一个变量泛起下降漫衍）、不相关、线性相关、指数相关等。而漫衍在集群点较远的数据点，被称之为异常点。散点图经常与回归线（就是最准确地贯串所有点的线）结合使用，归纳剖析现有数据以进行预测剖析。

地图地图常用于显示地理区域上的数据。使用地图作为配景，通过图形的位置来体现数据的地理位置，通常来展示数据在差别地理区域上的漫衍情况。

4.可视化视觉设计界说设计作风大大都设计都应该有 APP 或者 Web 作风界说的经验。我们在界说一款 APP 或者 Web 页面设计作风时常用的要领是什么呢？情绪板！精美的图片搭配切合主题的要害词，可以向需求方和产品侧准确地表达出页面的设计偏向和作风。

计划页面结构设计前期计划阶段，先想好计划怎么表达，再选择对应的构图方法。以数据大屏为例，表达上我们讲究总分主次关系，那么构图上依旧遵循这个规则，先具体再笼统。

配色的重要性当我们翻开一个页面时，第一眼看到的往往并不是板块结构，也不是详细内容，而是页面的色彩。色彩引导着我们视觉进行运动，较强的攻击力很容易给用户留下深刻的印象，设计者对色彩的运用和搭配，将决定可视化的展现效果。

5.页面交付开发页面交付开发完成后，我们还需要进行视觉方面的走查：要害视觉元素、字体字号、页面动效、图形图表等是否按预期显示、有无变形、错位等情况。

上一篇 : 12种常见的网页结构设计

下一篇 : 大热的数据可视化行业

14
分享到：

back