本文是阅读Data Visualization with JavaScript (by Stephen A. Thomas) 时的摘要和心得体会。感谢阮一峰老师的Blog，让我发现了这本好书。
一提到数据可视化，我们就会想到绚丽的图表，精巧的动画。如果我们没有很强的艺术功底，难道就做不好数据可视化了吗？不是。数据可视化的目的是什么？是帮助用户理解数据。如果简单的图表能达到这样的目的，那么它就是一个好的数据可视化解决案例。下边让我们来看看那些基本的图表。
栅格图（Bar Chart） 当你想要选择一个图表来表示数据时候，首先应该考虑栅格图是不是合适。因为它够简单。栅格图是最基本的一种图表形式，它用高度来表示数据之间的差异。适合表示少量的二维数据以及数据在一个维度上变化。 
线图(Line chart): 对于少量的数据，使用栅格图可以很好的解决问题，但如果数据量变大，同时用户关心的是数据的变化趋势，这时线图会是一种更好的选择，并且在一个线图中也可以描述多个数据量。 
饼图（Pie Chart）： 上边说的都是直角坐标系的图形，下边来说说极坐标系下的图形。在可视化家族内，饼图似乎并不受人待见，为什么呢？因为它并不直观，看看下边的例子： 
你能清楚的告诉我，这里那个颜色的表示的数最大吗？应该很难一眼看出来吧。但是如果转换为栅格图，我们再来看看。 
是不是一眼就能看出谁大谁小呢？这是为什们呢？因为人眼对于区域面积很难进行比较，尤其是当这些区域还是非矩形的。所以对于小量的数据，如果你的目的是比较多个值，那么还是考虑下栅格图吧。那难道饼图就是英雄无用武之地吗？也不是，当要表示一个数与整体之间的关系时，饼图就派上用场了。看看下面这个例子。
这个饼图表现的是，世界贫困人口（每日生活费少于1.25刀）占总人口的比例，很清楚吧。当表示一个值与总体之间的比例关系的时候，用饼图是个好选择。 
散点图（scatter chart） 利用栅格图，我们可以很好的表示出一维数据的大小关系。但是在现实的问题中，往往情况更加的复杂，如果我们想要在一张图中表示两维数据的大小关系和相关关系，应该怎么办呢，这个时候，散点图会是一个比较好的选择了。
在一张图中，表示了两维数据（国家平均年龄，国家的医疗投入），同时也可以看出这两维数据的相关关系。 
气泡图（Bubble chart） 气泡图可以视为是散点图的变形。如果我们想表示更多的维度（三个），那么在散点图的基础上，将第三个维度用点的大小来表示，那么这时散点图就变为了气泡图。下图就表示飓风的进程（经度，维度）以及风力大小（第三个维度）。 
雷达图（radar chart）： 雷达图与以上的图形相比，相对少见些。但是如果一个数据有多个维度（超过4个），这时使用雷达图会比较合适，如果你的数据有以下这几个特点，可以考虑使用雷达图： *要表示的数据量不大，一般来说小于7个。 *要表示的数据有多个维度，一般来说多于4个以上，如果少于4个考虑使用其他类型的图表。 *每一个维度都是可以被度量的。 一个典型的例子就是衡量一个NBA球队里球员的表现。在这个例子它的数据量不大（5名队员），每个队员的表现有多个维度（得分，助攻，篮板，断球，盖火锅）。这些维度都是可以被量化，度量的。 
那么这样的数据用雷达图可以很好的进行表示。 
Comments powered by Disqus.