History

leestott 1315f4d10d 🌐 Update translations via Co-op Translator		2 weeks ago
..
solution	🌐 Update translations via Co-op Translator	4 weeks ago
starter	🌐 Update translations via Co-op Translator	4 weeks ago
README.md	🌐 Update translations via Co-op Translator	2 weeks ago
assignment.md	🌐 Update translations via Co-op Translator	4 weeks ago
correlation-analysis.ipynb	🌐 Update translations via Co-op Translator	2 weeks ago

README.md

Unescape Escape

制作有意义的数据可视化


有意义的数据可视化 - Sketchnote by @nitya

“如果你对数据施加足够的压力，它会承认任何事情” -- Ronald Coase

数据科学家的基本技能之一是能够创建有意义的数据可视化，以帮助回答你可能提出的问题。在可视化数据之前，你需要确保数据已经像之前课程中那样被清理和准备好。之后，你可以开始决定如何最好地呈现数据。

在本课中，你将学习：

如何选择正确的图表类型
如何避免误导性图表
如何使用颜色
如何为图表设计样式以提高可读性
如何构建动画或3D图表解决方案
如何构建创意可视化

课前测验

选择正确的图表类型

在之前的课程中，你已经尝试使用 Matplotlib 和 Seaborn 构建各种有趣的数据可视化。通常，你可以使用以下表格选择适合问题的正确图表类型：

你的需求是：	你应该使用：
展示随时间变化的数据趋势	折线图
比较类别	柱状图、饼图
比较总量	饼图、堆叠柱状图
展示关系	散点图、折线图、分面图、双折线图
展示分布	散点图、直方图、箱线图
展示比例	饼图、环形图、华夫图

✅ 根据数据的组成，你可能需要将其从文本转换为数值，以支持某些图表类型。

避免误导

即使数据科学家谨慎选择了适合数据的正确图表类型，数据仍然可能以某种方式被展示以证明某种观点，通常会以牺牲数据本身为代价。有许多误导性图表和信息图的例子！

🎥 点击上方图片观看关于误导性图表的会议演讲

这个图表颠倒了 X 轴，以日期为基础展示了与事实相反的内容：

这个图表更加误导，因为视觉上吸引人们得出结论认为随着时间推移，各县的 COVID 病例数量有所下降。实际上，如果仔细查看日期，你会发现日期被重新排列以制造这种误导性的下降趋势。

这个臭名昭著的例子使用颜色和颠倒的 Y 轴来误导：本应得出枪支死亡人数在通过支持枪支的立法后激增的结论，实际上视觉上却让人误以为情况正好相反：

这个奇怪的图表展示了比例如何被操纵，效果令人捧腹：

比较不可比的事物是另一种不正当的手段。有一个精彩的网站专门展示“虚假的相关性”，例如缅因州的离婚率与人造黄油的消费量之间的“事实”相关性。Reddit 上也有一个小组收集了数据的丑陋用法。

理解眼睛如何容易被误导性图表欺骗是很重要的。即使数据科学家的意图是好的，选择错误的图表类型（例如显示过多类别的饼图）也可能具有误导性。

颜色

你在上面“佛罗里达枪支暴力”图表中看到，颜色可以为图表提供额外的意义层次，尤其是那些没有使用 Matplotlib 和 Seaborn 等库设计的图表，这些库自带各种经过验证的颜色库和调色板。如果你手动制作图表，可以稍微研究一下颜色理论。

✅ 在设计图表时，请注意可访问性是可视化的重要方面。你的部分用户可能是色盲——你的图表是否对视觉障碍用户友好？

选择图表颜色时要小心，因为颜色可能传递你未曾预料的含义。上面“身高”图表中的“粉色女士”传递了一种明显的“女性化”意义，这增加了图表本身的怪异感。

虽然颜色含义可能因地区而异，并且根据其色调会有所变化，但一般来说，颜色含义包括：

颜色	含义
红色	力量
蓝色	信任、忠诚
黄色	快乐、警告
绿色	生态、幸运、嫉妒
紫色	快乐
橙色	活力

如果你需要使用自定义颜色构建图表，请确保你的图表既可访问，又与试图传递的含义一致。

为图表设计样式以提高可读性

如果图表不可读，它就没有意义！花点时间考虑调整图表的宽度和高度，以便与数据良好匹配。如果需要显示一个变量（例如所有50个州），尽量将它们垂直显示在 Y 轴上，以避免水平滚动的图表。

标注你的轴线，必要时提供图例，并提供工具提示以更好地理解数据。

如果你的数据在 X 轴上是文本且较长，可以将文本倾斜以提高可读性。Matplotlib 提供了 3D 绘图功能，如果你的数据支持它。可以使用 mpl_toolkits.mplot3d 生成复杂的数据可视化。

动画和3D图表展示

如今一些最佳的数据可视化是动画化的。Shirley Wu 使用 D3 制作了令人惊叹的作品，例如“电影之花”，其中每朵花都是一部电影的可视化。另一个为《卫报》制作的例子是“Bussed Out”，一个结合 Greensock 和 D3 的交互式体验，外加滚动叙事文章格式，展示纽约市如何通过将人们送出城市来处理无家可归问题。

“Bussed Out: How America Moves its Homeless” 来自卫报。可视化由 Nadieh Bremer 和 Shirley Wu 制作

虽然本课不足以深入教授这些强大的可视化库，但你可以尝试在 Vue.js 应用中使用 D3，利用一个库来展示《危险关系》这本书的动画社交网络可视化。

《危险关系》是一部书信体小说，即以一系列信件形式呈现的小说。由 Choderlos de Laclos 于1782年创作，讲述了18世纪末法国贵族中两位主角——瓦尔蒙子爵和梅尔特伊侯爵——之间恶毒、道德败坏的社交操纵故事。两人最终都遭遇了悲剧，但在此之前造成了巨大的社会破坏。小说通过他们圈子中写给各种人的信件展开，策划复仇或单纯制造麻烦。创建这些信件的可视化，发现叙事中的主要关键人物。

你将完成一个网络应用程序，展示这个社交网络的动画视图。它使用一个库来创建网络可视化，基于 Vue.js 和 D3。当应用程序运行时，你可以在屏幕上拖动节点以重新排列数据。

项目：使用 D3.js 构建一个网络图表

本课文件夹包含一个 solution 文件夹，你可以在其中找到完整的项目供参考。

按照起始文件夹根目录中的 README.md 文件中的说明操作。在安装项目依赖项之前，请确保你的机器上运行了 NPM 和 Node.js。
打开 starter/src 文件夹。你会发现一个 assets 文件夹，其中包含一个 .json 文件，记录了小说中的所有信件，编号，并带有“to”和“from”注释。
完成 components/Nodes.vue 中的代码以启用可视化。找到名为 createLinks() 的方法，并添加以下嵌套循环。

循环遍历 .json 对象以捕获信件的“to”和“from”数据，并构建 links 对象，以便可视化库可以使用它：

//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 });
      }