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