# 製作有意義的視覺化圖表 | 繪製的手繪筆記](../../sketchnotes/13-MeaningfulViz.png)| |:---:| | 有意義的視覺化圖表 - _手繪筆記由 [@nitya](https://twitter.com/nitya)_ 提供 | > 「如果你對數據施加足夠的壓力，它會承認任何事情。」-- [Ronald Coase](https://en.wikiquote.org/wiki/Ronald_Coase) 作為一名數據科學家，基本技能之一就是能夠創建有意義的數據視覺化，幫助回答你可能提出的問題。在進行數據視覺化之前，你需要確保數據已經像之前課程中那樣完成清理和準備。之後，你就可以開始決定如何以最佳方式呈現數據。 在本課中，你將學習： 1. 如何選擇合適的圖表類型 2. 如何避免誤導性的圖表 3. 如何使用顏色 4. 如何設計圖表以提高可讀性 5. 如何構建動畫或3D圖表解決方案 6. 如何創建具有創意的視覺化 ## [課前測驗](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/24) ## 選擇合適的圖表類型 在之前的課程中，你已經嘗試使用 Matplotlib 和 Seaborn 創建各種有趣的數據視覺化。通常，你可以根據問題的需求，使用以下表格選擇[合適的圖表類型](https://chartio.com/learn/charts/how-to-select-a-data-vizualization/)： | 你的需求是： | 你應該使用： | | ----------------------- | --------------------------- | | 展示隨時間變化的數據趨勢 | 折線圖 | | 比較不同類別 | 條形圖、圓餅圖 | | 比較總量 | 圓餅圖、堆疊條形圖 | | 展示關係 | 散點圖、折線圖、分面圖、雙折線圖 | | 展示分佈 | 散點圖、直方圖、箱型圖 | | 展示比例 | 圓餅圖、甜甜圈圖、華夫圖 | > ✅ 根據數據的組成，你可能需要將其從文本轉換為數值，才能支持某些圖表。 ## 避免誤導 即使數據科學家謹慎選擇了合適的圖表類型，數據仍然可能以某種方式被展示來支持某種觀點，這往往會損害數據本身的真實性。有許多誤導性圖表和信息圖的例子！ [](https://www.youtube.com/watch?v=oX74Nge8Wkw "How charts lie") > 🎥 點擊上方圖片觀看關於誤導性圖表的會議演講 這張圖表反轉了 X 軸，根據日期顯示了與事實相反的內容：  [這張圖表](https://media.firstcoastnews.com/assets/WTLV/images/170ae16f-4643-438f-b689-50d66ca6a8d8/170ae16f-4643-438f-b689-50d66ca6a8d8_1140x641.jpg) 更具誤導性，因為視覺上吸引人們得出一個錯誤結論：隨著時間推移，各縣的 COVID 病例數量在下降。事實上，如果仔細查看日期，你會發現它們被重新排列以製造這種下降趨勢。  這個臭名昭著的例子使用了顏色和反轉的 Y 軸來誤導：與其得出槍支友好立法通過後槍支死亡人數激增的結論，反而讓人誤以為情況相反：  這張奇怪的圖表展示了比例如何被操縱，效果令人啼笑皆非：  比較無法比較的數據是另一種陰險的手段。有一個[精彩的網站](https://tylervigen.com/spurious-correlations)專門展示「虛假的相關性」，例如緬因州的離婚率與人造奶油消耗量的「相關性」。Reddit 上還有一個群組收集了[糟糕的數據使用](https://www.reddit.com/r/dataisugly/top/?t=all)。 了解眼睛如何容易被誤導性圖表欺騙是很重要的。即使數據科學家的意圖是好的，選擇不合適的圖表類型（例如顯示過多類別的圓餅圖）也可能具有誤導性。 ## 顏色 從上面提到的「佛羅里達槍支暴力」圖表中可以看到，顏色可以為圖表提供額外的含義，特別是那些不是使用 Matplotlib 和 Seaborn 等庫設計的圖表，這些庫自帶經過驗證的顏色庫和調色板。如果你是手動製作圖表，可以稍微學習一下[顏色理論](https://colormatters.com/color-and-design/basic-color-theory)。 > ✅ 在設計圖表時，請注意可訪問性是視覺化的一個重要方面。一些用戶可能是色盲——你的圖表是否對視覺障礙用戶友好？ 選擇圖表顏色時要小心，因為顏色可能傳達你未曾預料的含義。上面「身高」圖表中的「粉紅女士」傳達了一種明顯的「女性化」含義，這進一步增加了圖表的荒誕性。 雖然[顏色的含義](https://colormatters.com/color-symbolism/the-meanings-of-colors)可能因地區而異，並且根據其色調而改變，但一般來說，顏色的含義包括： | 顏色 | 含義 | | ----- | ------------------- | | 紅色 | 力量 | | 藍色 | 信任、忠誠 | | 黃色 | 快樂、警告 | | 綠色 | 生態、幸運、嫉妒 | | 紫色 | 快樂 | | 橙色 | 活力 | 如果你需要為圖表設置自定義顏色，請確保圖表既具有可訪問性，又能讓所選顏色與你想要傳達的含義一致。 ## 設計圖表以提高可讀性 如果圖表不可讀，那麼它就沒有意義！花點時間考慮調整圖表的寬度和高度，使其能與數據良好匹配。如果需要顯示的變量（例如所有 50 個州）很多，請盡可能將它們垂直顯示在 Y 軸上，以避免水平滾動的圖表。 標註軸，必要時提供圖例，並提供工具提示以便更好地理解數據。 如果你的數據在 X 軸上是文本且冗長，可以將文本傾斜以提高可讀性。[Matplotlib](https://matplotlib.org/stable/tutorials/toolkits/mplot3d.html) 提供了 3D 繪圖功能，如果你的數據支持的話。使用 `mpl_toolkits.mplot3d` 可以生成精美的數據視覺化。  ## 動畫和 3D 圖表展示 如今一些最好的數據視覺化是動畫化的。Shirley Wu 使用 D3 創作了許多令人驚嘆的作品，例如「[電影之花](http://bl.ocks.org/sxywu/raw/d612c6c653fb8b4d7ff3d422be164a5d/)」，其中每朵花都是一部電影的視覺化。另一個例子是《衛報》的「Bussed Out」，這是一個結合了 Greensock 和 D3 的視覺化與滾動敘事文章格式的互動體驗，展示了紐約市如何通過將無家可歸者送出城市來處理其無家可歸問題。  > 《Bussed Out: How America Moves its Homeless》來自[衛報](https://www.theguardian.com/us-news/ng-interactive/2017/dec/20/bussed-out-america-moves-homeless-people-country-study)。視覺化由 Nadieh Bremer 和 Shirley Wu 創作。 雖然本課無法深入教授這些強大的視覺化庫，但你可以嘗試在 Vue.js 應用中使用 D3，並利用一個庫來展示《危險關係》這本書的動畫社交網絡視覺化。 > 《危險關係》是一部書信體小說，或以一系列信件形式呈現的小說。由 Choderlos de Laclos 於 1782 年創作，講述了 18 世紀末法國貴族中兩位主角 Vicomte de Valmont 和 Marquise de Merteuil 的惡毒、道德淪喪的社交操縱故事。兩人最終都走向毀滅，但在此之前造成了巨大的社會破壞。小說以寫給其圈內各人的信件形式展開，信中策劃復仇或純粹製造麻煩。創建這些信件的視覺化，發現敘事中的主要關鍵人物。 你將完成一個網頁應用，展示這個社交網絡的動畫視圖。該應用使用了一個庫，該庫是為了使用 Vue.js 和 D3 創建[網絡視覺化](https://github.com/emiliorizzo/vue-d3-network)而構建的。當應用運行時，你可以在屏幕上拖動節點來重新排列數據。  ## 專案：使用 D3.js 構建一個展示網絡的圖表 > 本課文件夾包含一個 `solution` 文件夾，你可以在其中找到完整的專案作為參考。 1. 按照起始文件夾根目錄中的 README.md 文件中的說明進行操作。在安裝專案依賴項之前，確保你的機器上已運行 NPM 和 Node.js。 2. 打開 `starter/src` 文件夾。你會發現一個 `assets` 文件夾，其中包含一個 .json 文件，該文件記錄了所有信件，並帶有「to」和「from」的標註。 3. 完成 `components/Nodes.vue` 中的代碼以啟用視覺化。找到名為 `createLinks()` 的方法，並添加以下嵌套循環。 遍歷 .json 對象以捕獲信件的「to」和「from」數據，並構建 `links` 對象，以便視覺化庫可以使用它： ```javascript //loop through letters let f = 0; let t = 0; for (var i = 0; i < letters.length; i++) { for (var j = 0; j < characters.length; j++) { if (characters[j] == letters[i].from) { f = j; } if (characters[j] == letters[i].to) { t = j; } } this.links.push({ sid: f, tid: t }); } ``` 從終端運行你的應用（npm run serve），並享受視覺化的樂趣！ ## 🚀 挑戰 瀏覽互聯網，發現誤導性的視覺化圖表。作者是如何欺騙用戶的？這是有意的嗎？嘗試修正這些視覺化圖表，展示它們應該如何呈現。 ## [課後測驗](https://ff-quizzes.netlify.app/en/ds/) ## 複習與自學 以下是一些關於誤導性數據視覺化的文章： https://gizmodo.com/how-to-lie-with-data-visualization-1563576606 http://ixd.prattsi.org/2017/12/visual-lies-usability-in-deceptive-data-visualizations/ 瀏覽這些有趣的歷史資產和文物視覺化： https://handbook.pubpub.org/ 閱讀這篇文章，了解動畫如何增強你的視覺化效果： https://medium.com/@EvanSinar/use-animation-to-supercharge-data-visualization-cd905a882ad4 ## 作業 [創建你自己的自定義視覺化](assignment.md) --- **免責聲明**： 本文件使用 AI 翻譯服務 [Co-op Translator](https://github.com/Azure/co-op-translator) 進行翻譯。我們致力於提供準確的翻譯，但請注意，自動翻譯可能包含錯誤或不準確之處。應以原始語言的文件作為權威來源。對於關鍵資訊，建議尋求專業人工翻譯。我們對於因使用此翻譯而產生的任何誤解或錯誤解讀概不負責。