第2章 大数据可视化基础

目录

1  光与视觉特性

1.1 光的原理

1.2 光源——正在发光的物体 

1.3 可见光

1.4 人眼的构造

1.5 人眼的视觉特性

2  色彩

2.1 色彩的概念

2.2 色彩原理模型

2.3 色彩给人的视觉感受

3  视觉通道

3.1 可视化编码（视觉编码）

3.2 视觉通道的类型

3.3 常用的视觉通道

4  数据可视化流程

4.1 数据可视化流程简介

4.2 实施步骤

5  数据可视化设计原则与技巧

5.1 数据可视化设计原则

5.2 数据可视化设计技巧

案例分析——性别分布线性可视化过程 

6  数据可视化基本图表

7  数据可视化工具

7.1 分类

---

1  光与视觉特性

1.1 光的原理

• 光是一种肉眼可以看见的电磁波

• 是人认识外部世界的工具

• 是信息的理想载体或传播媒质

1.2 光源——正在发光的物体 

• 自然光源，如太阳光、水母 ……

• 人造光源，如电灯、激光 ……

1.3 可见光

• 可见光是电磁波谱中人眼可以感知的 部分

• 波长在 380 ～ 780nm 之间

• 正常人眼对于波长为 555nm （纳米）的黄绿色光最 敏感

 1.4 人眼的构造

• 由 角膜、晶状体、 玻璃体、视网膜、视神经等组成

• 角膜、晶状体、 玻璃体将光线聚焦到视网膜上

• 视网膜上的感光细胞：

Ø 视锥细胞： 分辨颜色 和细节

Ø 视 杆细胞：对光线极敏感

1.5 人眼的视觉特性

       （1）人眼的光谱灵敏度

• 范围： 380~780nm

• 对黄绿色最灵敏，对红光、蓝紫光都不灵敏

• 暗环境中，视锥细胞失去感光作用，仅能辨别白色和灰色

（2）人眼能感受的亮度范围

•平均亮度适中时，能分辨的最大和最小亮度比为1000:1

•平均亮度很低时，能分辨的最大和最小亮度比不到10:1

（3）同时对比度

•背景亮度不同，人眼所感受的主观亮度值也不一样

•亮背景下显得暗、暗背景下显得亮

2  色彩

2.1 色彩的概念

• 色彩是色彩是通过眼、脑 和生活经验产生 的一种对光的视觉 效应

2.2 色彩原理模型

RYB模型：

Ø 三原色：红色、黄色、蓝色

Ø 三 间色：橙色、绿色、紫色

Ø 复色：间色 + 间色、原色 + 间色

Ø 用于艺术和应用设计

RGB模型：

Ø 红（ Red ）、绿（ Green ）、蓝（ Blue ）

Ø 光线本身所带的 色彩

Ø 所有 颜色混合在一起就变成白色， 完全没有 颜色的状态就变成 黑色

Ø 用于计算机

CMYK模型：

Ø 青（ Cyan ）、品红（ Mangenta ）、黄（ Yellow ）、黑（ Black ）

Ø 用于印刷工业

2.3 色彩给人的视觉感受

（1）色彩的冷暖感

• 视觉色彩引起人们对冷暖感觉的心理联想

• 暖色：红、橙、黄

• 冷色：绿、蓝、紫

• 中 性色：黑、白、灰

（2）色彩的轻重感

• 色彩的轻重感主要与色彩的明度 有关

• 明度指色彩的明亮程度

•色彩的明度主要取决于颜色本身对自然光的反射率

• 人类视觉识读色彩遵循从明到暗的扫描过程

（3）色彩的前后感

• 根据人们对色彩距离的感受而划分的 类型

• 一般 可分为前进色和后 退色

• 前进色 ：向上凸出的 颜色，包括红、橙、黄等暖色，高 彩度的 颜色

• 后退色 ：向下凹陷的 颜色，包括紫、蓝、 深绿等冷色 ，低 彩度的 颜色

3  视觉通道

3.1 可视化编码（视觉编码）

• 数据可视化的核心内容，将数据信息映射成可视化元素的技术

• 由两部分组成：

Ø 几何标记：指可视化中常见的一些几何图形元素，如点、线、面、体

Ø 视觉通道 ：控制 几何标记的展示特性，包括标记的位置、大小、 长度等

3.2 视觉通道的类型

（1）用于定性和分类性质的视觉通道

（2）用于定量或定序性质的视觉通道

3.3 常用的视觉通道

（1）平面位置

• 编码 定序或定量

• 编码分类

（2）颜色

• 可以编码大量数据信息的视觉 通道

• 分为 亮度、 饱和度、色调三 个视觉 通道

Ø 亮度 ： 适合于编码有序数据 。但需要注意的是亮度通道可辨性小，一般尽量使用少于 6 个不同层次的可辨亮度层次 。

Ø 饱和度 ：指色彩 的纯正程度，越纯正饱和度越高。如纯蓝、纯红、纯绿属于高饱和度，而灰蓝、玫红、草绿属于低饱和度。图片的饱和度越高说明图片色彩越鲜艳，否则越 灰暗。同样 适用于有序数据编码 。

Ø 色调：色调 适用于编码分类的数据属性 ，可以 增加许多视觉效果，被广泛使用。

（3）尺寸

• 定量或定序的视觉通道

（4）方向

        方向可用于分类或有序的数据属性的编码，斜度即方向或角度。它还可以用于编码数据的发散性

（5）图案

• 图案称为纹理，是 多种视觉变量的组合，包括形状、颜色和 方向

• 可用 于分类分组 数据

（6）形状

• 对象的轮廓，或者对事物外形的抽象

• 用于定性描述

4  数据可视化流程

4.1 数据可视化流程简介

数据可视化是一个系统的流程，该流程以数据为基础，以数据流为导向，还包括了数据采集、数据处理、可视化映射和用户感知等环节。

 4.2 实施步骤

（1） 数据采集

• 数据 可视化的基础是数据，数据可以通过仪器采样、调查记录等方式进行 采集

• 对显示世界的信息进行采样，以便产生可供计算机处理的数据

• 形式分为主动和被动两种

Ø 主动采集以明确的数据需求为目的，利用相应的设备和技术手段主动采集所需要的数据，如卫星成像、监控数据等

Ø 被动采集以数据平台为基础，由数据平台的运营者提供数据来源，如通过网络爬虫技术进行抓取

（2） 数据处理和变换

• 是数据的前期处理

• 数据清洗、提取特征

（3） 可视化映射

• 可视化流程的核心

① 原始数据 ：加载到的页面上的原始数组

② 统计分析 ：统计函数加工数据

③ 预处理数据 ：每个视图接收到的数据

④ 过滤 ：行过滤、列过滤

⑤ 关注数据 ：当前图表关注的数据

⑥ 映射 ：将数据从数值域转换为几何属性

⑦ 几何数据 ：将几何属性转换成不同的几何元素

⑧ 绘制 ：调用绘图库，绘制出图形

⑨ 图形数据 ：最终形成图表

（4） 用户感知

• 从 数据可视化结果中提取信息、知识和灵感

5  数据可视化设计原则与技巧

5.1 数据可视化设计原则

（1） 可信原则

        正确的表达数据中的信息而不产生偏差和歧义。

（2）清晰表达信息原则

• 相近（ Proximity ）：距离相近的各部分趋于组成 整体

• 相似 （ Similarity ）：在某一方面相似的各部分趋于组成整体

• 连续（ Continuity ） ： 人们 倾向 于完整地连接一个图形，而不是观察残缺的线条或 形状

（3）美学原则

• 设计能够让人赏心悦目的可视化

5.2 数据可视化设计技巧

（1）建立视觉层次，用醒目的颜色突出数据，淡化其他元素

（2）高亮显示重点内容

（3）提升不同区域的色阶跨度

（4）借助场景来表现数据指标

（5）将抽象的不易理解的数字转换为容易被人感知的图表

（6）尽量让图表简洁

案例分析——性别分布线性可视化过程 

6  数据可视化基本图表

柱状图        折线图        直方图        饼图        等值线图        走势图        散点图        气泡图        维恩图        热力图        雷达图        盒须图        多视图

7  数据可视化工具

7.1 分类

• 商业软件，如 Tableau 、 DataV 、 FineBI 、 Excel 等

• 编程语言，如 R 、 Python 等

• 开源包， ECharts