AI派在读学生小姐姐Beyonce
Java实战项目练习群
长按识别下方二维码,按需求添加
扫码添加Beyonce小姐姐
扫码关注
进Java学习大礼包
只要是跟数据打交道,数据可视化绕不过去的一个最后步骤。
现在我们有很多工具来实现数据可视化,比如 Excel 、PowerPoint 、Tableau ,都可以根据你的数据自动生成各种图表,而且非常好看。
但是自动产生的图表就一定正确吗?或者说,是不是我们数据的最佳表现形式?
自动化貌似为我们省了不少事,但我们却逐渐忘了数据可视化的本质,在这一点上,我们真还得跟几百年前的科学家们好好学学。
01
数据可视化不完全历史
数据可视化的历史远远比计算机的历史要长,也就是说,在科学家们最初试图用图形表现数据的时候,是没有任何辅助工具的,更别提可以自动生成的软件了。
早在公元前1160年,一份都灵纸莎草地图就准确地描绘了地质资源的分布,并提供了这些资源的开采信息,这可以说是历史上第一份数据可视化地图,也可以看做是数据可视化的开端。
当然了,这可能太久远了,地理信息的可视化可以说是人类的一种本能,包括迈锡尼的 Linear b 碑文中描绘的关于青铜时代晚期地中海贸易的可视化信息,以及大名鼎鼎的托勒密地图,都属于最早期的数据可视化。
纸张和羊皮纸的发明使得数据可视化的发展到达了新的阶段,除了地图,其他形式的可视化也出现了,下图是一张10世纪的一个图表,描绘了行星的运动情况。
看看,是不是有点内味了?
这个图表表示的是行星轨道的倾角随时间变化的曲线,为了达到这个目的,黄道带被表示在一个平面上,水平线被划分为三十个部分,作为时间或纵轴。垂直轴表示黄道带的宽度。
到了十七世纪,随着法国数学家笛卡尔和皮埃尔·德·费马发明了解析几何和二维坐标系,数值显示和计算方法产生了革命性的改变,这为现代数据可视化鼻祖 William Playfair 的工作打下了坚实的基础。
我们现在熟悉的折线图、条形图和饼状图几乎都是他一手创建。
在他1786年出版的《商业与政治地图集》中,William Playfair 用34个条形图展现了1781年苏格兰对17个国家的进出口情况。
在这本《商业与政治地图集》中,William Playfair 还采用了面积图来表示丹麦和挪威从1700年到1780年的进出口情况。
1801年,William Playfair 在伦敦出版的《统计短语》中绘制了历史上第一张饼图,显示了1789年前土耳其人分布在亚洲、欧洲和非洲的比例。
02
我们应该学什么?
有了计算机之后,计算机先是承担了计算的任务,图形化界面的出现后,计算机又开始承担了可视化的任务。
既然有了更先进的技术,在进行数据可视化时,我们还需要从几百年前的科学家们学点什么?
其实我们最需要学习的,不是技巧,而是目的。
为什么这么说?这里先给大家举两个例子。
2014年在在《可负担医疗法案》进行激烈辩论期间,福克斯新闻播放了一个画面,这是一个柱状图,表明ACA对医疗保健的需求低于预期。
没仔细看的人,可能也会认为,3月27才600万,离3月31日706万的目标差的很远啊。
但是仔细看一下我们就会发现,按比例来看,纵轴并不是从0开始的,而是大概从525万开始,如果我们从0开始绘制,图像应该是这样。
看见没有?差的不是很多,奥巴马其实已经完成了85%,还有4天去实现剩下的15%。
另一个是路透社于 2014 年发布的佛罗里达州枪击犯罪的统计。很明显,这张图的作者把Y轴翻转了,通过这样的方式,成功让许多读者误认为 ‘Stand Your Ground’ 法律让枪击案下降了。
然而事实恰恰相反,真实的图应该是这样的。
看完这两个例子,相信大家应该懂了,数据可视化是一种让数据更直观的手段,但是我们首先要秉承的,是遵从客观数据。
在进行数据可视化时,我们必须首先考虑我们真正想描述的东西,就像 William Playfair 所做的一样,我们先必须考虑收集数据的过程以及数字如何彼此关联,而不是通过各种技巧误导读者。
用一句熟悉的话来说,就是“不忘初心”。
在这方面,我们是得跟几百年前的科学家好好学学。
文末福利
各位猿们,还在为记不住API发愁吗,哈哈哈,最近发现了国外大师整理了一份Python代码速查表和Pycharm快捷键sheet,火爆国外,这里分享给大家。
这个是一份Python代码速查表
下面的宝藏图片是2张(windows && Mac)高清的PyCharm快捷键一览图
怎样获取呢?可以添加我们的AI派团队的Beyonce小姐姐
一定要备注【高清图】哦
????????????????????
➕我们的Beyonce小姐姐微信要记得备注【高清图】哦
来都来了,喜欢的话就请分享、点赞、在看三连再走吧~~~