|
|
<!--
|
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
|
{
|
|
|
"original_hash": "b4039f1c76548d144a0aee0bf28304ec",
|
|
|
"translation_date": "2025-08-25T18:26:32+00:00",
|
|
|
"source_file": "3-Data-Visualization/R/13-meaningful-vizualizations/README.md",
|
|
|
"language_code": "zh"
|
|
|
}
|
|
|
-->
|
|
|
# 制作有意义的数据可视化
|
|
|
|
|
|
| 绘制的速写笔记 ](../../../sketchnotes/13-MeaningfulViz.png)|
|
|
|
|:---:|
|
|
|
| 有意义的数据可视化 - _速写笔记由 [@nitya](https://twitter.com/nitya) 提供_ |
|
|
|
|
|
|
> “如果你对数据施加足够的压力，它会承认任何事情。” -- [罗纳德·科斯](https://en.wikiquote.org/wiki/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，你就可以开始决定如何最好地呈现数据。
|
|
|
|
|
|
在本课中，你将学习：
|
|
|
|
|
|
1. 如何选择合适的图表类型
|
|
|
2. 如何避免误导性图表
|
|
|
3. 如何使用颜色
|
|
|
4. 如何为图表设计提高可读性
|
|
|
5. 如何构建动画或3D图表解决方案
|
|
|
6. 如何构建创意可视化
|
|
|
|
|
|
## [课前测验](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/24)
|
|
|
|
|
|
## 选择合适的图表类型
|
|
|
|
|
|
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你问题的[正确图表类型](https://chartio.com/learn/charts/how-to-select-a-data-vizualization/)：
|
|
|
|
|
|
| 你的需求： | 你应该使用： |
|
|
|
| -------------------------- | ------------------------------- |
|
|
|
| 展示随时间变化的数据趋势 | 折线图 |
|
|
|
| 比较类别 | 条形图、饼图 |
|
|
|
| 比较总量 | 饼图、堆叠条形图 |
|
|
|
| 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、圆环图、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。
|
|
|
|
|
|
## 避免误导性图表
|
|
|
|
|
|
即使数据科学家小心选择了适合数据的正确图表，也有很多方法可以通过展示数据来证明某种观点，往往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！
|
|
|
|
|
|
[](https://www.youtube.com/watch?v=oX74Nge8Wkw "图表如何撒谎")
|
|
|
|
|
|
> 🎥 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 轴的顺序，根据日期显示了与事实相反的内容：
|
|
|
|
|
|
|
|
|
|
|
|
[这个图表](https://media.firstcoastnews.com/assets/WTLV/images/170ae16f-4643-438f-b689-50d66ca6a8d8/170ae16f-4643-438f-b689-50d66ca6a8d8_1140x641.jpg) 更具误导性，因为视觉上会让人得出结论，随着时间推移，各县的 COVID 病例数在下降。实际上，如果仔细查看日期，你会发现它们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同时使用了颜色和颠倒的 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，但实际上视觉上被误导认为相反的情况是真实的：
|
|
|
|
|
|
|
|
|
|
|
|
这个奇怪的图表展示了比例如何被操纵，效果令人啼笑皆非：
|
|
|
|
|
|
|
|
|
|
|
|
比较不可比的事物是另一种阴险的技巧。有一个[精彩的网站](https://tylervigen.com/spurious-correlations) 专门展示“虚假的相关性”，比如缅因州的离婚率与人造黄油消费之间的“事实”相关性。Reddit 上还有一个小组收集了[数据的丑陋用法](https://www.reddit.com/r/dataisugly/top/?t=all)。
|
|
|
|
|
|
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如 ggplot2 和 RColorBrewer 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。如果你是手动制作图表，可以稍微研究一下[颜色理论](https://colormatters.com/color-and-design/basic-color-theory)。
|
|
|
|
|
|
> ✅ 在设计图表时，请注意可访问性是可视化的重要方面。一些用户可能是色盲——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“粉红女士”传递了一种明显的“女性化”含义，这增加了图表本身的怪异感。
|
|
|
|
|
|
虽然[颜色的含义](https://colormatters.com/color-symbolism/the-meanings-of-colors)可能因地区而异，并且根据其色调的不同而变化，但一般来说，颜色的含义包括：
|
|
|
|
|
|
| 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 |
|
|
|
|
|
|
如果你需要为图表选择自定义颜色，请确保你的图表既具有可访问性，又能与试图传递的含义相符。
|
|
|
|
|
|
## 为图表设计提高可读性
|
|
|
|
|
|
如果图表不可读，它们就没有意义！花点时间考虑调整图表的宽度和高度，使其与数据比例协调。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。
|
|
|
|
|
|
为你的轴添加标签，必要时提供图例，并提供工具提示以便更好地理解数据。
|
|
|
|
|
|
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。[plot3D](https://cran.r-project.org/web/packages/plot3D/index.html) 提供了 3D 绘图功能，如果你的数据支持的话，可以用它制作复杂的数据可视化。
|
|
|
|
|
|
|
|
|
|
|
|
## 动画和 3D 图表展示
|
|
|
|
|
|
如今一些最佳的数据可视化是动画的。Shirley Wu 使用 D3 制作了许多惊艳的作品，例如“[电影之花](http://bl.ocks.org/sxywu/raw/d612c6c653fb8b4d7ff3d422be164a5d/)”，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”，一个结合了 Greensock 和 D3 的交互式体验，通过滚动叙事文章格式展示纽约市如何通过将无家可归者送出城市来处理其无家可归问题。
|
|
|
|
|
|
|
|
|
|
|
|
> “Bussed Out: 美国如何转移无家可归者” 来自 [卫报](https://www.theguardian.com/us-news/ng-interactive/2017/dec/20/bussed-out-america-moves-homeless-people-country-study)。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，或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夫人——之间恶毒且道德败坏的社交操纵。两人最终都走向毁灭，但在此之前造成了巨大的社会破坏。小说以他们写给圈内各种人的信件展开，策划复仇或单纯制造麻烦。创建一个这些信件的可视化，发现叙事中的主要关键人物。
|
|
|
|
|
|
你将完成一个网络应用，展示这个社交网络的动画视图。它使用了一个库来创建[网络可视化](https://github.com/emiliorizzo/vue-d3-network)，基于 Vue.js 和 D3。当应用运行时，你可以在屏幕上拖动节点以重新排列数据。
|
|
|
|
|
|
|
|
|
|
|
|
## 项目：使用 D3.js 构建一个展示网络的图表
|
|
|
|
|
|
> 本课文件夹中包含一个 `solution` 文件夹，你可以在其中找到完整的项目供参考。
|
|
|
|
|
|
1. 按照起始文件夹根目录中 README.md 文件的说明操作。在安装项目依赖项之前，确保你的机器上已运行 NPM 和 Node.js。
|
|
|
|
|
|
2. 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，记录了所有信件的编号，以及“发件人”和“收件人”信息。
|
|
|
|
|
|
3. 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，捕获信件的“发件人”和“收件人”数据，并构建 `links` 对象，以便可视化库可以使用它：
|
|
|
|
|
|
```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 });
|
|
|
}
|
|
|
```
|
|
|
|
|
|
从终端运行你的应用（npm run serve），享受可视化的乐趣！
|
|
|
|
|
|
## 🚀 挑战
|
|
|
|
|
|
浏览互联网，发现误导性可视化。作者是如何误导用户的？这是有意为之吗？尝试修正这些可视化，展示它们应该如何呈现。
|
|
|
|
|
|
## [课后测验](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/25)
|
|
|
|
|
|
## 复习与自学
|
|
|
|
|
|
以下是一些关于误导性数据可视化的文章：
|
|
|
|
|
|
https://gizmodo.com/how-to-lie-with-data-visualization-1563576606
|
|
|
|
|
|
http://ixd.prattsi.org/2017/12/visual-lies-usability-in-deceptive-data-visualizations/
|
|
|
|
|
|
看看这些关于历史资产和文物的有趣可视化：
|
|
|
|
|
|
https://handbook.pubpub.org/
|
|
|
|
|
|
阅读这篇关于动画如何增强可视化的文章：
|
|
|
|
|
|
https://medium.com/@EvanSinar/use-animation-to-supercharge-data-visualization-cd905a882ad4
|
|
|
|
|
|
## 作业
|
|
|
|
|
|
[创建你自己的自定义可视化](assignment.md)
|
|
|
|
|
|
**免责声明**：
|
|
|
本文档使用AI翻译服务 [Co-op Translator](https://github.com/Azure/co-op-translator) 进行翻译。尽管我们努力确保翻译的准确性，但请注意，自动翻译可能包含错误或不准确之处。应以原文档的原始语言版本为权威来源。对于关键信息，建议使用专业人工翻译。我们对于因使用本翻译而引起的任何误解或误读不承担责任。 |
