数据可视化手段：从设计原则到图表实践(学习笔记)

本文根据北京大学公开课《数据可视化》（共63讲）的学习笔记整理而成，课程链接：
【公开课】北京大学：数据可视化

以下是对课程中关于可视化手段与设计方法的整理与回顾。

一、可视化的三要素：对象、目的与手段

课程中提出了一个理解可视化的基本框架，即可视化的三要素：对象、目的与手段。

• 对象：指需要展示的数据本身，包括数据的类型、结构、属性和规模等。

• 目的：指希望通过可视化回答的问题或传达的信息，即读者应当关注什么。

• 手段：指具体的视觉表达方式，包括图表类型的选择、视觉通道的运用、交互方式的设计等。

三者相互关联。对象决定了哪些展示方式是可行的，目的决定了哪些方式是合适的，而手段则是将前两者落实为具体可视化产品的过程。在实际工作中，三者需要统筹考虑，不宜孤立地看待。本文我们主要讲述可视化的手段，可视化的设计方法。​​

二、可视化工作的两种常见出发点

我们一般把设计与验证分为四个层级，从外到内一次是领域情况、数据/任务抽象、可视化编码/交互用例、算法四个层级。​根据这四个层级，在课程所讨论的框架中，可视化工作的开展可以大致分为两种思路：

• 从领域情况到算法，即问题导向的工作：先明确业务或研究中的具体问题，再据此选择或设计合适的可视化方法。这一思路更关注“我需要回答什么问题”。

• 从算法到领域情况，即技术导向的工作：先掌握某种可视化工具或图表形式，再探索其在哪些领域中可以发挥作用。这一思路更关注“这种展示方式能用于什么地方”。

两种思路各有适用场景。相对而言，问题导向更容易确保可视化结果具有实际的解读价值，因此在进行探索性分析时，优先明确问题会是一个较为稳妥的做法。

四个层级也各自有着各自需要解决的问题，如图所示：​

案例：

​​​​

三、基础图表设计中的若干注意事项

1. 柱状图与条形图：坐标轴基准的设定

柱状图或条形图通常利用位置和长度来编码数值，这也是人眼较为敏感的视觉通道之一，适合用于不同类别之间的数值比较。

在使用这类图表时，纵轴的起始值（基准）需要特别留意。若基准值不为零，即使两组数据的实际差异很小，柱子的高度差也可能被大幅放大，从而在视觉上产生与实际统计结果不符的印象。因此，较为常见的做法是将纵轴起点设为零。若确有必要（例如数据整体量级很大且浮动范围较小）采用非零基准，则应当在坐标轴或图表中做出明确标注（如使用截断符号），以便读者获知坐标起始位置与通常情况不同。

​

比如这个图，事实上两个数据相差不大，但是由于滥用柱状图的基准，导致事实上相差不多的两个数据看起来相差很大。

​

这是更合适的做法。

​详细展开来说，不同基准会产生不同的效果。如果基准不是从零点出发，我们需要一个明确的表示，比如说右图，我们的纵向标注的数值，也不是从零点出发（指左下角）。不同的基准会带来不同的效果，如下图所示。

​

此外，线性坐标与对数坐标的选择也会影响可视化结果。同一组数据在线性坐标和对数坐标下可能呈现不同的形态，尤其在数据跨越多个数量级时。因此，在图表中注明坐标轴是否经过变换，是一种值得注意的做法。​

2. 折线图：连续变量与离散变量的区分

折线图通常用于展示数据沿某个有序维度（尤其是时间）的变化趋势。其核心在于用线段连接相邻数据点，以表示相邻点之间的过渡关系。​

需要注意的是，折线图并不适用于所有情况。如果横轴代表的是离散且无序的类别（例如不同书籍的评分），那么将各点用折线连接，可能会暗示出不存在于实际数据中的“中间状态”，从而造成不必要的误解。在这种情况下，使用散点图或柱状图可能是更合适的选择。

​

​

四、表格数据的可视化

课程中关于表格数据的可视化占据了相当比重，涉及表格数据的比较、相关性、组成和分布等多个方面。​

1. 散点图：相关性的展示与调整

散点图是展示两个连续变量之间关系的常用工具，其优势在于每个数据点的横纵坐标都可以被相对精确地定位。​

在涉及三个或更多变量时，有些做法会尝试使用三维散点图。但三维空间中的点容易相互遮挡，且观察者较难从透视角度准确估计每个点的坐标值。​一种常见的替代方案是将第三维变量映射到颜色、大小或形状等视觉通道上，从而保留二维散点图的清晰性，同时传递更多维度的信息。

​

当数据点数量较多时，可能出现重叠密集、难以观察内部结构的情况。此时，可以为数据点设置一定的透明度，使得重叠区域的颜色加深，从而反映出数据点的聚集密度。此外，在散点图的基础上叠加趋势线，也有助于更直观地观察变量之间的整体变化方向。

​

​

2. 饼图与条形图：组成数据的展示

饼图和条形图都可以用于展示各部分在整体中所占的比例。

​​

​

两者的主要区别在于视觉编码方式：条形图依赖位置和长度，适用于精确值以及比较的场景，饼图依赖角度和面积，用于强调这些数据合起来是100%。

有研究表明，人对位置和长度的感知精度通常高于对角度和面积的感知。因此，在需要较精确地比较各组成部分大小时，条形图可能是更为直观的选择。饼图则更适合在需要强调“总和为100%”这一整体构成概念时使用。

​

饼图的一种改进形式是圈图（环形图），其在视觉上有所不同，但本质上仍属于角度编码。​

如果将圈图展开，可以得到堆叠条形图，后者在组成数据比较中也是较为常用的一种方式。​

也可以当做是把几个不同的条形图堆叠起来得到的。由于我们这里采用了空间位置，采用了长度比较。大家对他的感知应该比饼图更显著。

​

堆叠条形图非常常用，我们经常用于很多不同比较。而且两个等高的堆叠条形图，我们能很有效地进行相关的表示。也可以来去表示某一部分之间它的不同组分，它们之间的比例关系。

​比如这个LineUp，这里面非常灵活地应用了这样的堆叠条形图。来表示不同数据之间的变化。

3. 堆叠面积图：使用中的注意事项

堆叠面积图与堆叠条形图在思路上相近，区别在于横轴由离散变为连续（通常为时间），其作用是在反映总量变化的同时，展示各组成部分的构成演变。​

​不过，堆叠面积图存在一个值得注意的问题：对中间层组分的趋势判断可能不够直观。例如，当使用堆叠面积图展示多个公司市场份额随时间的变化时，底层和顶层组分的变化相对容易观察，而中间层组分的趋势可能因为条带宽度受曲线形态影响，导致视觉感知与数据实际情况存在偏差。​​

一种替代方案是，将各组分分别绘制为独立的折线图，或退回到堆叠条形图，这有助于减少因几何形态引起的误判。

​

4. 直方图与箱形图：分布数据的展示

直方图用于展示一维数据的分布情况，其关键在于区间（bin）的划分方式。

​区间划分过少，可能将原本分布在不同区域的数据混合在一起，掩盖局部特征；区间划分过多，则可能使图形变得过于细碎，不利于把握整体形态。

区间数量的选择通常没有唯一标准。一种经验性的做法是参考数据点总数的平方根，作为初始划分值；在交互式可视化工具中，也可以让用户根据实际观察结果自行调整区间数量，以找到较为合适的展示粒度。

对于一个数据，我们可以绘制他在维度上的密度。

​

也可以用热力图来表达。

​

更加常用的，尤其是和统计有关，我们可以用这样的箱形图来代表相应的数据。

​

箱形图是统计分析和数据分布展示中较为常用的工具，它通过中位数、四分位数和异常值等统计量来概括数据分布特征。

箱形图的一种扩展形式是小提琴图，它在箱形图的基础上叠加了核密度估计曲线，能够展示数据在不同取值区域上的分布密度。

​特别是当数据呈现多峰分布时，小提琴图可以反映出这一特征，而传统的箱形图则通常无法直接呈现。因此，在对分布形态有更精细观察需求时，小提琴图可以作为一种有益的补充。

5. 表格透镜：大数据表格的可视化

当表格的规模较大时，传统的图表形式可能难以同时呈现全局概览与局部细节。表格透镜是处理此类问题的一种经典方法。

​

其基本思路是在有限的可视化空间内，对表格的不同行进行差异化显示：对于当前关注的行，可以分配较多的像素高度，完整展示其中的具体数值信息；对于其他行，则进行压缩处理，每行甚至可能仅占一个像素的高度，通过像素的亮度或高度来编码该数据项在该列上的相对大小。

​

​

此外，表格透镜通常支持交互式排序，允许用户对某一列进行升序或降序排列，从而快速发现数值较高或较低的“感兴趣区间”，并进一步放大查看详细数据。这种“概览优先、按需放大”的方式，为处理复杂高维表格提供了一种较为灵活的手段。

小结

总体来看，可视化手段的设计涉及多个层面的权衡与判断，包括对数据类型的理解、对视觉编码的选择、对坐标尺度的设定以及对交互方式的考虑。不同图表形式各有其适用的前提和局限，并不存在一种普适的最佳做法。

在实际工作中，根据具体问题和数据特征，选择相对合适的表达方式，并在必要时通过多种图表交叉验证，是较为稳健的研究路径。可视化不仅是展示数据的工具，也是理解数据的过程。上述讨论中的各项注意事项，希望能在后续实践中作为参考，帮助我们更准确地传递数据所蕴含的信息。

笔记整理自公开课内容，如有不当之处，欢迎指正。

课程来源
本文根据北京大学公开课《数据可视化》（共63讲）的学习笔记整理而成，课程链接 ：
【公开课】北京大学：数据可视化