什么是大数据可视化设计 什么是大数据可视化( 二 )


何时使用 – 显示多级结构如何细分为子组 , 以及哪些子组比其他子组大 。Sunbursts 本质上是分层饼图 , 允许随着图形从中心移动到外部 , 以逐渐更精确的方式分割饼图 。
Circle Packing
圆形包装图将组显示为组织严密的圆圈 , 通常用于显示层次结构 , 其中较小的组的颜色与同一类别中的其他组相似 , 或者嵌套在较大的组中 。
何时使用 – 显示各种组和层级结构在大小和其他属性上的变化(例如 , 用于显示圆圈大小的预算分配以及与由圆圈颜色表示的预算相比的绩效) 。虽然类似于更广为人知的可视化方法树状图 , 但由于许多人对圆形图形的固有偏好 , 圆形包装图通常更吸引观众 。
地平线图
地平线图在垂直刻度上显示具有负值和正值的时间序列数据 , 使用着色或阴影显示负值 , 同时将它们移到基线“水平线”之上 。
何时使用 – 显示一个或多个实体(例如 , 国家、产品、行业)的随时间变化的数据 , 当数据同时包含正值/增长值和负值/收缩值时尤其有用 , 因为这些值难以清楚地表示许多团体 。
Streamgraph
Streamgraphs 显示组的大小或比例如何随时间变化 , “流”的垂直宽度代表该实体的大小 。Streamgraphs 可以使用固定比例 , 其中可以看到所有组的整体大小的变化 , 也可以使用相对比例 , 其中所有组始终增加到 100%(类似于面积图) 。
何时使用 – 显示随时间推移的组大小或比例 , 通常跨越至少 6 个时间段 , 但该方法可扩展以进一步扩展 。流图对于直观地描绘文化影响、技术趋势和经济力量随着时间的推移发生的重大变化具有极大的影响力——某些群体出现而其他群体消退的速度 。
试验替代数据可视化类型的好处
“数据可视化简化了复杂性”这句话本身就过于简单化了 。当然 , 复杂性需要清楚地传达;信息的图形而不是数字显示极大地有助于实现这一目标 。然而 , 过分强调仅仅“简化”复杂的信息——并使用有限的一组经过验证的真实可视化方法来做到这一点——通常也不是正确的答案 。相反 , 设计师应该将可视化视为一种工具 , 可以在需要的地方保持复杂性 , 这通常涉及使用与内容深度相匹配的图形 , 而不是相反 。
在他们的问题和数据允许的情况下 , 设计师通过尝试不太受欢迎的类型来扩展和试验他们的 dataviz 工具箱越多 , 他们就越能有效地将他们的信息与他们的可视化媒介相匹配——除了利用参与度和图形类型的可记忆性优势 , 您的听众中的大多数成员之前可能从未见过数十次 。


特别声明:本站内容均来自网友提供或互联网,仅供参考,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。