[调研笔记]可视化技术

什么是可视化

可视化的概念[参考]

• 利用计算机图形学和图像处理技术，
• 将数据转换成图形或图像在屏幕上显示出来，
• 再进行交互处理的理论、方法和技术。

可视化的类型:

• 科学可视化 (Scientific Visualization)：
  科学学科基于研究需要要将数据可视化。 主要关注有天然几何结构（如磁感线、流体分布等）的、三维的科学信息的可视化。是计算机图形学的一个子集。目的是使科学家能够从数据中了解、说明和收集规律。
• 信息可视化 Information Visualization()
  常用于统计学，常用二维空间。怎么直观展示大量抽象信息。包括柱状图、趋势图、流程图、树状图等。
• 可视分析学 (Visual Analytics)：
  包含人机交互，实现人机互补。通过交互式视觉界面进行分析推理。将交互式视觉表示与基础分析过程（统计过程、数据挖掘技术）结合，能有效执行高级别、复杂的活动（推理、决策）。

可视化的形式

参考本文
数据视频、数据漫画、仪表盘（dashboard）、图表动画、图表标注等。

七种常用的可视化叙事方式：

1. 蛇形图（Snakes）

数据可视化基础理论

可视化流程

数据模型

数据一般被分为四类：类别型、有序型、(区间型、比值型)。
区间型和比值型，统称为数值型。

视觉编码

视觉编码（visual encoding）是将数据映射到最终可视化结果上的过程。
我们通常把这种图形符号<——>信息<——>视觉系统的对应称作视觉通道。(形状、颜色、尺寸、透明度等，叫视觉通道）

需要考虑数据类型，色彩搭配，交互性等各方面来设计。

交互式可视化

交互式可视化可以通过缩放等方法进行细节概述。它有如下的步骤[3]：

1、选择：交互式根据用户的兴趣选择数据实体或完整的数据集，以及它的子集。

2、链接：在多个视图找到有用的信息，如图3所示。

3、过滤：帮助用户调节显示的信息量，减少信息数量并且专注于用户感兴趣的信息。

重排或再映射：空间布局是最重要的视觉映射，重排信息的空间布局对产生不同的见解非常有效。

可视化技术

可视化技术栈[参考]

具备专业素养的数据可视化工程师一般来说需要掌握以下技术栈：

• 基础数学：三角函数、线性代数、几何算法
• 图形相关：canvas、svg、webgl、计算图形学、图论
• 工程算法：基础算法、统计算法、常用的布局算法
• 数据分析：数据清洗、统计学、数据建模
• 设计美学：设计原则、美学评判、颜色、交互、认知
• 可视化基础：可视化编码、可视分析、图形交互
• 可视化解决方案：图表的正确使用、常见的业务的可视化场景

相关Web技术[参考]

1. html + css （传统方式）
2. svg：矢量图
3. canvas：可自由绘制的画布
4. webGL：高性能，显卡加速的3D绘图协议

数据可视化概览 列举了一些Web技术。

智能可视化技术

智能可视化系列文章
最主要是讲了自动生成图表、动画等数据故事的一些论文，主要方法包括基于算法设计、强化学习、机器学习（随机森林）等。

• Vega-Lite：一套方便的交互可视化语法
• VizML-基于机器学习的可视化推荐方法：在给定数据集后自动挑选可视化形式（柱状图、折线图、散点图等），并且自动决定在x轴和y轴上分别放置什么数据。VizML在两种情况下（两种可视化类型和三种可视化类型）均比其它模型要更优（DeepEye和Data2Viz），在三种可视化类型的情况下甚至比人类的选择要更好一些。
• VizNet：可视化领域的大型标准数据集
• DataShot与Calliope：可视化故事自动生成方法
• Text-to-Viz自然语言生成信息图方法
• 时间线信息图的自动化模板提取
• Draco-基于知识约束的可视化图表智能设计系统： 输入数据和规则，输出可视化设计或评估现有设计是否符合规则 （2018 InfoVis best paper）
• 可视化的自动化与智能推荐 （VIS2020）: 一些自动生成、适配、上色、转场语法推荐等
• 可视化动画的自动生成（EuroVis2021）：基于优化、机器学习、强化学习等

可视化设计

简化数据+设计美学+故事思维=可视化

数据可视化设计浅析

了解数据可视化设计规范，图表选择不迷茫

用数据讲故事 七种不同的数据展示方法分析
可视化叙事

参考文献

1. 什么是可视化？4种常用的可视化技术【web前端】
2. 智能可视化系列文章
3. 数据可视化技术现状与发展趋势
4. 数据可视化概览
5. 数据可视化概览
6. 知乎：什么是可视化技术？
7. 盘点信息可视化趋势
8. 数据可视化设计浅析
9. 了解数据可视化设计规范，图表选择不迷茫