2017-05-20 16:29:04

目录

可视化流程

什么? 为什么?

数据可视化(Data Visualization): 将抽象的科学或者商业数据用图像表示出来，帮助理解数据的意义的过程。可视化并不独立于分析过程，两者往往相伴、迭代推进。

为什么要做可视化? 图形传达信息的效率更高

  • 理解数据特性
  • 找出数据中蕴含的模式 (pattern)
  • 建议建模策略
  • 诊断分析中的问题

一般流程

作图前考虑

  • 选择绘图设备 (本教程只考虑屏幕设备)
    • 是不是只要看看效果？只要显示到屏幕？
    • 要输出为文件？是否要高清晰度？用于浏览器/展示/打印？
  • 选择绘图系统
    • 探索性画一下图？要做面板图？要出更灵活、更美观的图？
    • 一般各种绘图系统彼此独立，不能混用。
  • 选择统计图种类
  • 图表设计
    • 是否要分面？如何排版？边距？视觉通道（长短、大小、饱和度、色调、透明度）？

变量映射

变量映射(数据==>可视化结果)的过程就是视觉编码(visual encoding)。

作图前的数据准备: 各个变量分别映射到哪个视觉通道(visual channel)上？通常，

  • x 变量映射到x轴或角度
  • y 变量映射到y轴或半径
  • 若干group变量映射到分组
    • 可以映射为气泡大小、线条粗细
    • 可以映射为色调 (hue)
    • 可以映射为饱和度 (saturation)
    • 可以映射为透明度 (transparency/alpha)
    • …

何谓视觉通道?

  • 信息被编码在数据-符号的映射关系（视觉编码）中
  • 人类视觉系统通过解码视觉编码获得信息

Jacques Bertin, Semiology of Graphics, 1967

  • 通道1: 位置
  • 通道2: 颜色
  • 通道3: 气泡大小

  • 通道1: 长度
  • 通道2: 颜色
  • 通道3: 透明度

人类视觉对不同视觉通道的敏感性

通道 分类数据 Categorical 有序数据 Ordinal 定量数据 Quantitative
位置 position 好 好 好
长度 length 好 好 好
亮暗 luminance 好 好 中
纹理 texture 好 中 差
颜色 color 好 中 差
角度 angle 好 差 差
形状 shape 好 差 差

(Jacques Bertin, 1967)

视觉编码的选择优先级

序号 分类数据 有序数据 定量数据
1 位置 position 位置 position 位置 position
2 色调 hue 密度 density 长度 length
3 纹理 texture 饱和度 saturation 角度 angle
4 连接 connection 色调 hue 斜率 slope
5 包含 containment 纹理 texture 面积 area
6 密度 density 连接 connection 体积 volume
7 饱和度 saturation 包含 containment 密度 density

视觉编码的选择优先级 (续)

序号 分类数据 有序数据 定量数据
8 形状 shape 长度 length 饱和度 saturation
9 长度 length 角度 angle 色调 hue
10 角度 angle 斜率 slope 纹理 texture
11 斜率 slope 面积 area 连接 connection
12 面积 area 体积 volume 包含 containment
13 体积 volume 形状 shape 形状 shape

by Mackinlay, Automating the Design of Graphical Presentations of Relational Information, 1986

其他考虑

  • 视觉编码方案组合众多: k个视觉通道 * n个数据维度 -> (n+1)^k 种编码方案
  • 除了视觉通道以外，还要考虑
    • 色彩搭配
    • 人机交互
    • 美学规律
    • 信息密度
    • 象征、隐喻
    • …

设计原则

基本原则

  • 一致性: 可视化结果与数据真实蕴含的信息一致 (诚实性)
    • 文字标示清晰、完整
    • 视觉度量和数字本身成比例
    • 体现数字的变异，而不是设计的变异
  • 表达性: 可视化结果充分且不多余地表达数据要传达的信息
    • 用于表现数字变化的笔墨比重越高越好
    • 内容为王，避免图标垃圾，增加信息/数字密度
    • 信息分层
    • 对比、证据综合
  • 有效性: 可视化之后表达效果更好
  • 可理解性: 可视化结果便于理解

by Mackinlay, Tversky, & E. Tufte

一致性

文字标示清晰完整

  • 变量名意义不明晰
  • 没有标题和背景提示

  • 要提供标签、尺度、来源等信息

一致性

视觉度量和数字成比例

  • 视觉上7倍 (实际1.07倍)
  • 谎言系数: 7/1.07=6.5，夸大5.5倍

一致性

重点表达数字本身的变异

  • 彩虹色一般都要慎用
  • 要善用灰色、灰度

表达性

提高数字笔墨比 (data-ink ratio)

  • 3D图侧面/阴影元素费墨，且误导比例
  • 花哨的"镀金"元素，应一律去除

  • 淡化边框、网格、轴线、背景
  • 去掉所有无关元素

表达性

信息分层

  • 分组和颜色太多，降低效果
  • 信息密度不要太低也不要太高

表达性

比较、证据综合

  • 孤点，信息密度太低
  • 没有参比标杆，没有自身对比

  • 展示多种变量，展示对比和变化
  • 努力表现因果、机制、解释、系统结构等

有效性

选择达意效果最优的图

  • 人类视觉对面积不如长度敏感
  • 饼图承载信息量太稀，建议尽量少用

调色

颜色编码

颜色系统 黑 灰 天蓝 番茄
色名 文本, 颜色名字 "black" "gray" "skyblue" "tomato"
RGB空间 向量, rgb(Red, Green, Blue, <Alpha>) rgb(0, 0, 0) rgb(190, 190, 190, max=255) rgb(135, 206, 235, max=255) rgb(255, 99, 71, max=255)
HCL空间 Hex文本, "#Hue Chroma Luminance <Transparency>" #000000FF #BEBEBEFF #86CEEBFF #FF6347FF
HSV空间 向量, hsv(Hue, Saturation, Value, <Tranparency>) hsv(0, 0, 0) hsv(0, 0, 0.74510) hsv(0.548, 0.426, 0.922) hsv(0.025, 0.722, 1)

色彩空间相互转换

colorspace包，或

  • 色名 –> HCL
> col2hcl("pink")
[1] "#FFC0CBFF"
  • 色名/HCL –> RGB: col2rgb
> col2rgb("pink")
      [,1]
red    255
green  192
blue   203
  • RGB –> HSV: rgb2hsv
> rgb2hsv(255, 190, 77, max=255)
       [,1]
h 0.1058052
s 0.6980392
v 1.0000000

标准色

  • 标准色内建于grDevices包中
    • R内建657种颜色名: colors()
    • demo(colors)展示内建颜色各种效果

自定义色

  • 函数
    • rgb: R, G, B, A均可0-1或0-255
    • hsv: H, S, V, A均可0-1或0-255
  • 或直接书写hcl颜色编码
library(scales)
show_col(c("#7AC143", "#7D3F98", "#F47721", 
    "#D20962", "#00A78E", "#00BCE4"))

show_col(c(rgb(1, 1, 1), rgb(0.5, 0, 0), 
    rgb(0, 0.5, 0), hsv(0, 0, 0.5), 
    hsv(1, 0.5, 1), hsv(0.5, 1, 0.5)))

调色板 Palette

  • 调色板: 多个颜色构成的向量
  • 离散色板: 显式定义固定长度调色板，及各组成元素
  • 连续色板: 在一根定限的色阶上连续变化的一组颜色
    • grDevices包中的gray()
    > gray(c(0.1, 0.5, 0.8))  # 取灰度0.1, 0.5, 0.8
[1] "#1A1A1A" "#808080" "#CCCCCC"  # 返回hcl值
    • colorRamp()和colorRampPalette(): 生成色阶定义函数
    > pal <- colorRamp(c("red", "green", "violet"))  # 定义色阶
> pal(c(0.4, 0.75))   # 在该色阶上取0.4, 0.75分位
     [,1]  [,2] [,3]  # 三列分别代表红、绿、蓝
[1,]   51 204.0    0  # 两行分别代表0.4和0.75分位
[2,]  119 192.5  119

> pal <- colorRampPalette(c("red", "green", "violet"))  # 定义同样的色阶
> pal(5)  # 自动从色阶中等距取5种颜色，返回hcl值
[1] "#FF0000" "#7F7F00" "#00FF00" "#77C077" "#EE82EE"

内置调色板 RColorBrewer包

  • display.brewer.all()
  • brewer.pal.info

RColorBrewer

library(RColorBrewer)
cols <- brewer.pal(n=3, name="RdYlGn")
cols
## [1] "#FC8D59" "#FFFFBF" "#91CF60"
scales::show_col(cols)

pal <- colorRampPalette(cols)
image(volcano, col = pal(20))