数据可视化,必须注意的30个小技巧!

来源:DataHunter

优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者的体验,而非图表制作者个人。

这里给大家总结了数据可视化的制作的30个小技巧,通过列举一些容易被忽略的常见错误,最终能够快速提升和巩固你的可视化制作水平。

一、你不得不注意的图表制作小技巧

1.条形图的基线必须从零开始

条形图的原理就是通过比较条块的长度来比较值的大小。当基线被改变了,视觉效果也就扭曲了。

2.使用简单易读的字体

有些时候,排版可以提升视觉效果,增加额外的情感和洞察力。但数据可视化不包括在内。坚持使用简单的无衬线字体(通常是Excel等程序中的默认字体)。无衬线字体即是那些文字边缘没有小脚的字体。

3.条状图宽度适度

条形图之间的间隔应该是1/2栏宽度。

4.使用2D图形

虽然他们看起来很酷,但是3d形状可以扭曲感知,因此扭曲数据。坚持2 次元,确保数据准确。

5.使用表格数字字体

表格间距赋予所有的数字相同的宽度,使它们排列时能彼此对齐,使比较更容易。大多数流行字体都内置了表格。不确定字体是否正确?就看小数点(或任何数字)是否对齐就行。

6.统一感

统一感使我们更容易接收信息:颜色,图像,风格,来源……

7.不要过分热衷于饼图

展示多个区块比例大小,所有区块(圆弧)的加和等于 100%。但最好避免使用这个图表,因为肉眼对面积大小不敏感。

8.折线图中使用连贯的线条

虚线,虚线容易分散注意力。相反,使用实线和颜色,反而容易区分彼此的区别。

9.尊重部分所占整体的比例

在人们多选的问题上就会出现比例的重叠,不同选项的百分比之和大于一。为了避免这种情况,不能直接把比例做成统计图。相较于呈现数值,有些图更着重于表现部分与整体的关系。

10.面积、尺寸可视化

对同一类图形(例如柱状、圆环和蜘蛛图等)的长度、高度或面积加以区别,来清晰的表达不同指标对应的指标值之间的对比。制作这类数据可视化图形时,要用数学公式计算,来表达准确的尺度和比例。

11.使用大小来可视化值

大小可以帮助强调重要信息并添加上下文提示,使用大小来表示值配合地图使用的效果也非常好。如果您的可视化中有多个大小相同的数据点,它们会混在一起,很难区分值。

12.使用相同细节

添加的细节(和数字)越多,大脑处理的时间就越长。想想你想要用你的数据传达什么,以及最有效的方式是什么。

13.使用基础图形

一个很好的经验法则是,如果你不能高效理解,你的读者或听众可能也难理解。因此,坚持使用基础图形:直方图、条形图、维恩图、散点图和线形图。

14.视图数量

将您的可视化中的视图数量限制为三到四个。如果您添加太多视图,大局会被详细信息所淹没。

二、关于图表配色,你可以参考的5条准则

1.颜色深浅

通过颜色的深浅来表达指标值的强弱和大小,是数据可视化设计的常用方法,用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。

2.使用同一色系

颜色用得太花,会给数据增加不可承受之重,相反,设计师应该采用同一色系,或者类比色。

3.避免使用鲜艳的颜色

明亮鲜艳的颜色就像是把所有的字母都大写想要强调一样,你的听众感觉你在对他们大声推销。单调的颜色,反而能很好地用于数据可视化,因为它们可以让你的读者理解你的数据,而不至于被数据淹没。

4.标签使用不同颜色区分

在某些情况下,在一段时间或一系列的值中,我们可能测量了不同种类的物体。例如,假设我们测量 6 个月以来狗和猫的体重。在实验结束时,我们想画出每只动物的体重,分别用蓝色和红色区分猫和狗。

5.颜色数量

不要在一张图上使用6种以上的颜色。

三、标准的可视化图表一定有注释

1.解释编码

通过一定的形状、颜色和几何图形的结合,将数据呈现出来。为了让读者能读清楚,图表设计者就要把这些图形解码回数据值。

2.轴标签

这可能看起来没有必要,或者不是很有帮助,但是你无法想象,如果你的图表有点混乱,或者看到数据的人对此不是很熟悉,你会被问多少次 x/y 轴代表的是什么。按照前面的两个绘图示例,如果要为轴设置特定名称。

3.标题

如果我们要将数据呈现给第三方,另一个基本但关键的要点是使用标题,它和之前的轴标记非常相似。

4.重点元素做注释

通常情况下,仅仅在图表的左右两侧使用刻度本身并不是很清楚。在图上标注值对于解释图表非常有用。

5.重要视图位置

将最重要的视图放置在顶部或左上角。眼睛通常会首先注意到该区域。

四、优秀的可视化图表,遵守的6条原则

1.数据排序有序

数据类别按字母顺序,大小顺序,或价值进行排序,以一种合乎逻辑的和直观的方式来引导读者了解数据。

2.比较数据

比较是展示数据差异的好法子,但是如果你的读者不容易看出差别的话,那么你的比较就毫无意义。确保所有的数据都是呈现在读者面前,选择最合适的比较方法。

3.不可扭曲数据

确保所有可视化方式是准确的。例如,气泡图大小应该根据区域扩展,而不是直径。

4.展示数据

让读者看到数据,这是可视化的重点。确保没有数据丢失或被设计。例如,使用标准的面积图时,可以添加透明度,确保读者可以看到所有数据。

5.删除变量

很多时候,太多的信息会影响读者的注意,从可视化中删除隐含信息是一个好主意,在这种情况下,我认为我们不需要在轴中包含变量的名称。

6.避免数据噪音

把不重要的东西减到最少或者去掉。这包括减弱或移除图形线,改变轴线、图形线的颜色,以及用浅灰色描绘电子表格行。使得“数据比率”可以达到一个很高的水平,听众会更容易明白其中的数据情况。

五、小结

以上的小细节你都记住了嘛?俗话说熟能生巧,在每次数据可视化的制作过程中多思考一下,有哪些细节需要注意?这些细节的处理是否合理,数据可视化大神指日可待~

*参考资料:

【1】《10个数据可视化技巧,让你一看就懂》中国统计网

【2】《6个技巧,让数据可视化看起来更专业》中国统计网

【3】《提升数据可视化的7个实用技巧》彩云译设计

【4】《数据可视化:6条真正可以遵循的制图技巧》 CDA数据分析师

【5】《10个必备数据可视化图制作要点》 美作

END
最后说个题外话,相信大家都知道视频号了,随着灰度范围扩大,越来越多的小伙伴都开通了视频号。小詹也开通了一个视频号,会分享互联网那些事、读书心得与副业经验,欢迎扫码关注,和小詹一起向上生长!「没有开通发布权限的尽量多互动,提升活跃度可以更快开通哦」


(听我一分钟,生活更轻松)


(扫码回复 1024 即可领取IT资料包)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 小数据量法是matlab中一种常用的数据处理方法,它通常应用于小数据集的处理过程中。小数据量法的基本原理是将数据集分为训练集和测试集,使用训练集对模型进行训练,然后用测试集进行验证和评估。 具体而言,小数据量法的步骤包括数据预处理、训练集和测试集的划分、模型训练和测试集性能评估等。在数据预处理过程中,需要对数据集进行清洗、去噪、缺失值填充等操作。在训练集和测试集的划分中,通常采用随机抽样或交叉验证的方法。 在matlab的实现中,可以使用自带的函数如crossval和cvpartition等来进行数据集的划分和交叉验证操作。此外,matlab还提供了一系列机器学习和统计学习工具箱,例如Classification Learner和Regression Learner等,可用于构建和训练不同类型的模型,并使用测试集来评估模型的性能。 总之,小数据量法是matlab中一个简单且实用的数据处理方法,它可以帮助研究者更好地分析和处理小数据集,提高科学研究的准确性和可信度。 ### 回答2: 小数据量法matlab是一种适用于数据量较小的情况下进行数据处理和分析的方法。这种方法适合处理的数据量通常不超过几百个,因为这样的数据量可以很容易地在matlab中进行操作和计算。小数据量法matlab主要的优点是计算速度快、精度高、方便编程和易于理解和使用。 小数据量法matlab的应用范围广泛,主要包括数据预处理、数据分析、数据可视化以及机器学习等方面。在数据预处理方面,小数据量法matlab可以完成数据的清洗、归一化、去除异常点等操作。在数据分析方面,小数据量法matlab可以完成数据的统计描述、相关性分析、聚类分析等操作。在数据可视化方面,小数据量法matlab可以实现数据的图形化展示和可视化分析。在机器学习方面,小数据量法matlab可以完成简单的分类、回归、聚类等机器学习模型的训练和测试。 小数据量法matlab的使用需要一定的matlab基础和编程能力,需要掌握一些matlab的常用函数和数据处理技巧。在使用时,需要注意数据的质量和可信度,以及数据处理过程中可能的误差和不确定性。同时,需要灵活选择合适的小数据量法matlab进行数据处理和分析,以达到最佳的分析效果。总之,小数据量法matlab为数据处理和分析提供了一种简单、快速、灵活、高效的方法,是数据科学家和分析师必备的工具之一。 ### 回答3: 小数据量法是指在处理少量数据时,不需要使用大量计算资源的一种方法。在matlab中,小数据量法可以通过使用矩阵操作和向量化编程来实现。 矩阵操作是指将数据存储在矩阵中,并利用矩阵运算来快速处理数据。例如,矩阵乘法、矩阵转置等操作可以用来加速数据处理。 向量化编程是指利用matlab的向量运算和函数来处理数据,而不是使用循环语句来逐个处理数据。向量化编程可以在减少代码量的同时提高代码效率。 除了矩阵操作和向量化编程之外,matlab还提供了各种函数和工具箱来方便小数据量的处理。例如,stats工具箱提供了统计分析和建模的函数,可以用于数据的描述性统计、回归和分类等分析。另外,matlab还提供了交互式环境,可以方便地进行数据可视化数据调整。 小数据量法在matlab中的应用十分广泛,可以用于各种数据分析和建模任务。在实际应用中,根据具体的问题和数据规模,选择合适的小数据量方法能够提高计算效率和精度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值