數據可視化的基本原理——視覺通道

時間 2019-12-08

原文原文鏈接

數據可視化爲了達到加強人腦認知的目的，會利用不一樣的視覺通道對冰冷的數據進行視覺編碼。前端

咱們在數據可視化的時候，一方面，展示可視化對象自己的位置、特性，對應的視覺通道類型是定性或者分類，好比汽車在什麼地方、汽車的種類；另外一方面，展示對象的某一個屬性值大小，對應的視覺通道類型是定量或者定序，汽車的油耗、汽車加油的排隊順序。算法

那麼，有哪些具體的視覺通道呢？下面就跟你們介紹幾種常見的視覺通道，文末有視覺通道的表現力排序圖，心急的記住這個圖就能夠了。微信

用於分類的視覺通道

位置

平面位置在全部的視覺通道中比較特殊，一方面，平面上相互接近的對象會被分紅一類，因此位置能夠用來表示不一樣的分類；另外一方面，平面使用座標來標定對象的屬性大小時，位置能夠表明對象的屬性值大小，即平面位置能夠映射定序或者定量的數據，好比下面會講到的「座標軸位置」。網絡

平面位置又能夠被分爲水平和垂直兩個方向的位置，它們的差別性比較小，可是受到重力場的影響，人們更容易分辨出高度，而不是寬度，因此垂直方向的差別能被人們快意識到，這就解釋了爲何計算機屏幕設計成 16：九、4：3，這樣的設計可使得兩個方向的信息量達到平衡。源碼分析

色調

咱們認識色調只會從定性的角度，日常咱們所說的「冷暖色調」，就是咱們看一個東西、一幅圖，它所表現出來的情感強烈程度，這無法從定量的角度去判別冷豔或是熱烈的色調。

認識色調，咱們要明白這三點：學習

純色就是色調
向純色（色調）增長黑色就構成了暗色
向純色（色調）增長白色就構成了亮色

形狀

形狀所表明的含義很廣，通常理解爲對象的輪廓，或者對事物外形的抽象，用來定性描述一個東西，好比圓形、正方形，更復雜一點是幾種圖形的組合。

圖案

圖案也被稱爲紋理，大體能夠被分爲天然紋理、人工紋理。天然紋理是天然世界中存在的有規則模式的圖案，好比樹木的年輪；人工紋理是指人工實現的規則圖案，好比中學課本上求陰影部分的面積示意圖。

因爲紋理能夠看做是對象表面或者內部的裝飾，因此能夠將紋理映射到線、平面、曲面、三維體的表面中，以分類不一樣的事物。網站

用於定量/定序的視覺通道

座標軸位置

座標軸上的位置就是前面的位置中的定量功能，使用座標軸對數據的大小關係進行定量或者排序操做。

長度

長度也能夠被稱之爲一維尺寸，當尺寸比較小的時候，其餘的視覺通道容易受到影響，好比一個很大的紅色正方形比一個紅色的點更容易讓人區別，人們對很小的形狀也沒法區別。

根據史蒂文斯冪次法則，人們對一維的尺寸，即長度或寬度，有清晰的認識。隨着維度的增長，人們的判斷愈來愈不清楚，好比二維尺寸（面積）。所以，在可視化的過程成，咱們每每將重要的數據用一維尺寸來編碼。編碼

角度

角度還有一個名字叫作「方向」，方向不只僅能夠用來分類，也能夠用來排序，這得看咱們可視化的時候選擇什麼樣的象限。

在二維可視化的世界裏，四個象限能夠有三種用法：設計

在一個象限內表示數據的順序
在兩個象限內表現數據的發散性
在四個象限內能夠對數據進行分類

面積

面積在前面的尺寸已經講過了，就是二維的尺寸。

亮度/飽和度

亮度（luminance）是表示人眼對發光體或被照射物體表面的發光或反射光強度實際感覺的物理量[3]。簡而言之，當任兩個物體表面在照相時被拍攝出的最終結果是同樣亮、或被眼睛看起來兩個表面同樣亮，它們就是亮度相同。 在可視化方案中,儘可能使用少於 6 個可辨識的亮度層次，兩個亮度層次之間的邊界也要明顯。

飽和度指得是色彩的純度，也叫色度或彩度，是「色彩三屬性」之一。如大紅就比玫紅更紅，這就是說大紅的色度要高。飽和度跟尺寸有很大的關係，區域大的適合用低飽和度的顏色填充，好比散點圖的背景；區域小的使用更亮、顏色更加豐富、飽和度更高的顏色加以填充，便於用戶識別，好比散點圖的各個散點。小區域使用的飽和度一般只有 3 層，大區域的能夠適當增長一些3d