当前位置：首页 > news >正文

读数据可视化01可视化简史

news 2026/8/10 7:13:24

1. 可视化简史

1.1. 可视化发展史与测量、绘画、人类现代文明的启蒙和科技的发展一脉相承

1.1.1. 在地图、科学与工程制图、统计图表中，可视化理念与技术已经应用和发展了数百年

1.2. 可视化与山岳一样古老

1.2.1. 中世纪时期，人们就开始使用包含等值线的地磁图、表示海上主要风向的箭头图和天象图
1.2.2. 可视化通常被理解为一个生成图形图像的过程
1.2.3. 可视化是认知的过程，即形成某个物体的感知图像，强化认知理解
1.2.4. 可视化的终极目的是对事物规律的洞悉，而非所绘制的可视化结果本身

1.3. 自18世纪后期统计图形学诞生后，针对抽象信息的视觉表达手段仍然在不断发展，被用于揭示数据及其他隐匿模式的奥秘

1.3.1. 数字化的非几何的抽象数据如金融交易、社交网络、文本数据等大量涌现，促生了多维、时变、非结构化信息的可视化需求

1.4. 17世纪之前：图表萌芽

1.4.1. 16世纪时，人类已经掌握了精确的观测技术和设备，也采用手工方式制作可视化作品
1.4.2. 可视化的萌芽出自几何图表和地图生成，其目的是展示一些重要的信息

1.5. 1600—1699年：物理测量

1.5.1. 17世纪最重要的科学进展是对物理基本量（时间、距离和空间）的测量设备与理论的完善，它们被广泛用于航空、测绘、制图、浏览和国土勘探等

1.6. 1700—1799年：图形符号

1.6.1. 进入18世纪，绘图师不再满足于在地图上展现几何信息，发明了新的图形化形式（等值线、轮廓线）和其他物理信息的概念图（地理、经济、医学）
1.6.2. 随着统计理论、实验数据分析的发展，抽象图和函数图被广泛发明
1.6.3. 18世纪是统计图形学的繁荣时期，其奠基人William Playfair发明了折线图、柱状图、显示局部与整体关系的饼状图和圆图等今天最常用的统计图表

1.7. 1800—1900年：数据图形

1.7.1. 19世纪上半叶，统计图形、概念图等迅猛爆发
1.7.1.1. 包括柱状图、饼图、直方图、折线图、时间线、轮廓线等
1.7.2. 关于社会、地理、医学和经济的统计数据越来越多，将国家的统计数据和其可视表达放在地图上，产生了概念制图的新思维，其作用开始体现在政府规划和运营中
1.7.3. 采用统计图表来辅助思考的诞生同时衍生了可视化思考的新方式
1.7.3.1. 图表用于表达数学证明和函数
1.7.3.2. 列线图用于辅助计算
1.7.3.3. 各类可视化显示用于表达数据的趋势和分布，便于交流、获取和可视化观察
1.7.4. 法国人Charles Joseph Minard，是将可视化应用于工程和统计的先驱者
1.7.4.1. 其最著名的工作是1869年发布的描绘1812—1813年拿破仑进军莫斯科大败而归的历史事件的流图，这幅图如实地呈现了军队的位置和行军方向、军队汇聚、分散和重聚的地点与时间、军队减员的过程、撤退时低温造成的减员等信息

1.8. 1900—1949年：现代启蒙

1.8.1. 20世纪上半叶对于可视化而言是一个缺乏创新的时期，但是可视化随着统计图形的主流化开始面向政府、商业和科学走向应用普及，
1.8.2. 图形显示的方式能为航空、物理、天文和生物等科学与工程领域提供新的洞察和发现机会
1.8.3. 多维数据可视化和心理学的介入成为这个时期的重要特点

1.9. 1950—1974年：多维信息的可视编码

1.9.1. 1967年，法国人Jacques Bertin出版了Semiology of Graphics（《图形符号学》）一书
1.9.1.1. 确定了构成图形的基本要素，并且描述了一种关于图形设计的框架
1.9.1.2. 奠定了信息可视化的理论基石
1.9.2. 随着个人计算机的普及，人们逐渐开始采用计算机编程生成可视化

1.10. 1975—1987年：多维统计图形

1.10.1. 处理范围从简单的统计数据扩展为更复杂的网络、层次、数据库、文本等非结构化与高维数据
1.10.2. 1977年，美国著名统计学家John Tukey发表了“探索式数据分析”的基本框架，它的重点并不是可视化的效果，而是将可视化引入统计分析，促进对数据的深入理解
1.10.3. 1982年，Edward Tufte出版了The Visual Display of Quantitative Information一书，构建了关于信息的二维图形显示的理论，强调有用信息密度的最大化问题

1.11. 1987—2004年：交互可视化

1.11.1. “图形学、图像处理及工作站专题讨论”的研讨会，旨在为从事科学计算工作的研究机构提出方向性建议
1.11.2. 会议将计算机图形学和图像方法应用于计算科学的学科称为“科学计算之中的可视化”（Visualization in Scientific Computing，简称ViSC）
1.11.3. 可视化有助于统一计算机图形学、图像处理、计算机视觉、计算机辅助设计、信号处理和人机界面中的相关问题，具有培育和促进科学突破和工程实践的潜力
1.11.4. 美国GE公司的William Lorensen和Harvey Cline发表了“移动立方体法”（Marching Cubes）一文，开创了科学可视化的热潮
1.11.4.1. 这篇论文是有史以来ACM SIGGRAPH会议被引用最高的论文
1.11.5. 1990年，IEEE举办了首届IEEE Visualization Conference，汇集了一个由物理、化学、计算、生物医学、图形学、图像处理等交叉学科领域研究人员组成的学术群体
1.11.6. 2012年，为突出科学可视化的内涵，会议更名为IEEE Conference on Scientific Visualization

1.12. 2004年至今：可视分析学

1.12.1. 进入21世纪，现有的可视化技术已难以应对海量、高维、多源和动态数据的分析挑战，需要综合可视化、图形学、数据挖掘理论与方法，研究新的理论模型、新的可视化方法和新的用户交互手段，辅助用户从大尺度、复杂、矛盾甚至不完整的数据中快速挖掘有用的信息，以便做出有效决策
1.12.2. 可视分析学是一门新兴的学科，其核心理论基础和研究方法尚处于探索阶段
1.12.3. 2004年美国国土安全部为了应对恐怖袭击，成立了国家可视分析中心，2005年发布的“可视分析的研究和发展规划”报告全面阐述了可视分析的挑战
1.12.4. 我国的数据采集、分析与应用应当通过自主研发，不能任由国外垄断公司来采集和处理，否则将危及国民生活与国防安全

2. 可视化释义

2.1. 人眼是一个高带宽的巨量视觉信号输入并行处理器，最高带宽为每秒100MB，具有很强的模式识别能力，对可视符号的感知速度比对数字或文本快多个数量级，且大量的视觉信息的处理发生在潜意识阶段

2.1.1. 视觉是获取信息的最重要通道，超过50%的人脑功能用于视觉的感知，包括解码可视信息、高层次可视信息处理和思考可视符号

2.2. Visualize

2.2.1. 是动词，意即“生成符合人类感知”的图像；通过可视元素传递信息

2.3. Visualization

2.3.1. 是名词，表达“使某物、某事可见的动作或事实”；
2.3.2. 对某个原本不可见的事物在人的大脑中形成一幅可感知的心理图片的过程或能力
2.3.3. 可用于表达对某目标进行可视化的结果，即一帧图像或动画

2.4. 在计算机学科的分类中，利用人眼的感知能力对数据进行交互的可视表达以增强认知的技术，称为可视化

2.4.1. 将不可见或难以直接显示的数据转化为可感知的图形、符号、颜色、纹理等，增强数据识别效率，传递有效信息

2.5. 丰富的信息将消耗大量的注意力，需要有效地分配注意力

2.5.1. 精心设计的可视化可作为某种外部内存，辅助人们在人脑之外保存待处理信息，从而补充人脑有限的记忆内存，有助于将认知行为从感知系统中剥离，提高信息认知的效率
2.5.2. 视觉系统的高级处理过程中包含一个重要部分，即有意识地集中注意力
2.5.3. 人类执行视觉搜索的效率通常只能保持几分钟，无法持久
2.5.4. 图形化符号可高效地传递信息，将用户的注意力引导到重要的目标上

2.6. 可视化的作用体现在多个方面，如揭示想法和关系、形成论点或意见、观察事物演化的趋势、总结或积聚数据、存档和汇整、寻求真相和真理、传播知识和探索性数据分析等

2.7. 信息记录

2.7.1. 将浩瀚烟云的信息记录成文、世代传播的有效方式之一是将信息成像或采用草图记载
2.7.2. 可视化图绘能极大地激发智力和洞察力，帮助验证科学假设
2.7.2.1. DNA分子结构的发现起源于对DNA结构的X射线照片的分析：从图像形状确定DNA是双螺旋结构，且两条骨架是反平行的，骨架是在螺旋的外侧等这些重要的科学事实

2.8. 支持对信息的推理和分析