数据可视化设计指南:从数据到新知
  • 推荐0
  • 收藏0
  • 浏览141

数据可视化设计指南:从数据到新知

蓝星宇 (作者) 

  • 书  号: 978-7-121-45045-7
  • 出版日期:2023-03-01
  • 页  数:288
  • 开  本:16(170*240)
  • 出版状态:上市销售
  • 维护人:石倩
一本手把手教你理解和制作数据可视化的实战书。本书首先介绍可视化的概念及应用场景,进而讲解可视化的分类、如何按照需求选择最优的可视化,以及绘制可视化可以使用哪些工具。之后,本书从4个不同的案例出发,深入讲解从数据到可视化的全流程,并提供详细的操作指南。最后,本书从5个方面讲解了如何打磨可视化设计,让信息传达更加高效和生动。
1.理论结合实践。本书比较系统性地覆盖了可视化设计理论,并以简明易懂的方式,把理论融于案例的讲解中,从而加深读者对于可视化的认识和理解。2.实操指南。本书提供了切实可行的可视化教程,带领读者从原始数据开始,一步步绘制出可视化作品,是读者在工作、学习场景中都可以参考的教材。3.多样化场景。本书在进行案例讲解时,考虑到了多样化的用户需求。既涵盖不同的数据类型(如表单类数据、文本类数据、关系类数据),也涵盖了多种工具类型(如办公软件、设计软件、编程工具),在尽可能介绍多样化工具的同时,推荐最简单、易行的可视化方案。
对很多人而言,数据可视化可能是一个既熟悉又陌生的词。熟悉,是因为我们每天都在和数据打交道——我们会在起床时查看天气数据,会用手机和手环记录自己的健康数据,会用外卖软件查看骑手的骑行数据,会看股市和基金的数据,还会处理公司的业务数据……在这样一个信息化的时代,数据已经成为一种生活要素,乃至是生活方式。
以上的所有场景,无一不伴随着数据可视化。如果没有数据可视化,这些数据将停留在“数字”层面。设想一下,假如外卖软件只用文字显示骑手与你的距离,却没有显示地图,你在等餐时是否会焦虑一些?如果股市软件不显示 K 线图、不用红绿色展示涨跌,你在投资决策时是否会困难一些?因此,通俗地说,数据可视化就是一门让用户快速、准确地理解数据信息,进而对人产生价值的学问。
不过,尽管数据可视化已经无处不在,它作为一个特定的知识“领域”,或者说一项专门的“技艺”,却未必那么深入人心,这或许正是很多人对数据可视化感到陌生的原因。比如,在谈到“这张图是怎么画出来的?”“背后的设计逻辑是什么?”“这样的可视化是一个好设计吗?”“怎样才是最优的设计”这些问题时,你可能会迟疑或犹豫。事实上,在当今社会喷薄而出的数据洪流之下,我们对数据的掌控力和解释能力,还远远没有发展到足够纯熟的境地。其中,数据可视化是一个不可忽视的环节。
本书的副标题“从数据到新知”,正包含了我对数据可视化的理解和期许。这句话的英文翻译是“From Data to Knowledge”。Data 指“数据”,它是我们从世界中取样、观测得来的“原材料”,是客观的、理性的。Knowledge 指“知识”,是我们懂得的道理、发现的规律,也是我们行为和判断的依据。数据和知识之间并不一定直接连通。有了数据后,我们首先需要对这些数据进行分析(如比较、取极值、算平均值等),才会产生“信息”(Information)。作为运算的结果,信息往往是事实性的。而在搜集了足够的信息后,信息之间可能会发生更深层的推理、整合,或者与我们脑中本身已经存在的信息产生对话,才会升华成“知识”(Knowledge)。
举个例子,我们在逛超市的时候,会浏览每种水果的价格,这些价格就相当于我们获得的原始数据。此时,如果我们只是匆匆一眼掠过,未加思考,那么这些数据也就只是停留在数字的层面了。相反,假设我们对价格进行对比,那么数据就会被加工为一些事实性的信息,比如“阳光玫瑰葡萄比一般的葡萄贵”“最贵的水果是榴莲”等。再进一步,如果我们在对比完价格之后,又对“贵的水果都有什么共性”进行推理,就可能得到“进口水果比本地水果售价高”这一知识,即我们对水果售价规律的一个认知。
我想,优秀的数据可视化应当有利于从数据到信息、再到知识的转化。我们所追求的可视化,应当不仅仅是把数据画出来,而是帮助挖掘和彰显数据中的价值。
如何让数据变得更清晰、更有效、更能发挥价值?这将是贯穿全文的出发点,也构成了本书的基本底色。
在具体的章节设置和行文上,本书则受到了一些现实需求的驱使,在此也提前做一个说明。
其一,尽管数据可视化的需求很大,但用什么工具来制作可视化,如何成功地把图表画出来,依然是一个比较广泛的痛点。因此,本书提供了详细的案例教学(主要在第 4 章),从原始数据开始,一步步演示从数据到可视化的完整分析、绘图流程。
同时,在选取案例时,尽量兼顾了不同的使用场景、数据类型,以及数据分析的需求。
当然,这一痛点之所以存在,还有一个重要原因,那就是数据可视化的跨领域特征非常明显,既与数据分析有关,又与设计、开发有关。相应地,数据可视化工具的种类非常繁多、用户形态也非常多样,既可能是办公人员,也可能是数据分析师、程序员、设计师、新闻记者。不同类型的用户,擅长的技能不同,习惯使用的工具也不同。这使得我们在做工具教学的时候,常常难以覆盖所有人的需求。因此,为了让更多的读者受益于本书的教学,本书在介绍可视化工具时,为这些工具设立了优先级 :优先介绍的是大部分人最熟悉的办公软件(如 Excel),其次是零代码、好上手的在线工具(如 Rawgraphs),接着是设计类工具(如 Adobe ilIustrator),最后是编程类工具(如 Python、D3.js)。换言之,当低门槛方法存在时,就优先介绍低门槛方法。当免费工具存在时,就优先介绍免费工具。
因此,本书并不是一本专门讲解某一个工具 / 软件用法的工具书。如果你希望深入地掌握某个特定工具 / 软件(如 Tableau、Python、D3.js、Processing 等),阅读专门的工具教程是不错的选择,市面上也有诸多优秀的图书。
而本书的重点,更多偏重于数据可视化的设计原理。尽管也会涉及到可视化的“技术实现”,我认为根本的还是需要掌握“技”背后的“道”。一个掌握了很多工具的人,不一定能创作出真正好的可视化作品。相反,一个懂得判断什么是好的可视化的人,在使用工具时却能更聪明,也更审慎。因此,本书会较多地讲解可视化图表背后的原理、图表的类型,以及图表的设计要点,帮助读者理解可视化的底层逻辑,从而做到举一反三。在案例教学中,我也将对每一个步骤进行解释和阐发,即,为什么这一步骤是必要的,从而让读者更深入地理解可视化设计的迭代过程。
“技术焦虑”是可视化初学者常见的一大困惑。“我不会用设计软件”“我不会编程”,常常变成阻碍其学习可视化的绊脚石。因此,我也希望通过本书缓解一下读者的这类焦虑:可视化工具本身不是目的,学会所谓“高端”的工具也不是可视化的本质。
找到最适合、最高效的工具,实现数据分析和价值挖掘 , 才是我们最终的目的。如果你可以用一些低门槛的工具就达成目的,为什么不先去试试呢?
其二,可视化是科学与艺术的结合体。艺术性的存在让可视化设计没有绝对的公式可言,并且有的时候非常依赖经验、感性和灵感。因此,根据我的观察,翻看设计案例是可视化创作中一个非常常见的需求。通过案例,你可以了解到某种图表的具体用法、判断它适合哪类数据集,还能学习他人的视觉表达技术和创意。当然,通过反面案例,你也可以避免自己重蹈覆辙。尤其是初学者,多看、多模仿是很好的入门策略。因此,本书在讲解过程中纳入了较多优秀的数据可视化案例,以期对书本内容有更形象、生动的阐发。希望阅读本书的你,也能有脑洞大开的感受。
好了,让我们一起踏上这段新奇的可视化之旅吧!
作 者

目录

1 引言 我们为什么需要数据可视化 / 001
1.1 什么是可视化 / 001
1.2 数据可视化能做什么 / 007
2 图表纵览 认识可视化家族 / 015
2.1 视觉通道映射 / 015
2.2 按用途给图表归类 / 022
2.2.1 比较 / 022
2.2.2 趋势 / 042
2.2.3 占比 / 052
2.2.4 分布 / 058
2.2.5 相关性 / 065
2.2.6 层级 / 069
2.2.7 关联 / 075
2.2.8 逻辑示意 / 083
2.2.9 地理 / 086
2.2.10 复合目的 / 093
2.3 如何选取合适的可视化图表 / 103
3 量体裁衣 选择可视化工具 / 115
3.1 哪些工具可以用于制作可视化 / 115
3.1.1 办公软件 / 116
3.1.2 在线平台 / 118
3.1.3 商业智能软件 / 122
3.1.4 设计软件 / 124
3.1.5 编程语言 / 126
3.1.6 专项工具 / 132
3.2 如何选取合适的工具 / 134
4 案例实战 从数据到可视化 / 139
4.1 案例一 :国际贸易 / 141
4.1.1 进出口总值增长情况如何 / 141
4.1.2 最重要的贸易伙伴都是谁 / 148
4.1.3 出口、进口的货物都是什么 / 164
4.1.4 哪些口岸最重要 / 171
4.2 案例二 :大气污染 / 177
4.2.1 上海市的大气污染变化情况 / 177
4.2.2 污染和风力有关系吗 / 182
4.2.3 污染还和哪些天气指标有关系 / 185
4.2.4 城市 GDP、人口与污染程度有关系吗 / 191
4.3 案例三 :企业概况 / 196
4.3.1 企业的发展历程是什么 / 196
4.3.2 企业的组织架构如何 / 200
4.3.3 企业的财务状况如何 / 206
4.3.4 企业的实际控制人是谁 / 211
4.4 案例四 :歌词文本 / 215
4.4.1 周杰伦在唱什么 / 215
4.4.2 周杰伦真的很爱唱“离开”吗 / 223
4.4.3 哪首歌最积极,哪首歌最消极 / 227
4.4.4 消极的歌会更长吗 / 233
5 精益求精 打磨可视化设计 / 236
5.1 数据的准确性 / 236
5.2 设计的可读性 / 245
5.3 传达的有效性 / 254
5.4 信息的完整性 / 267
后记 / 277

读者评论

下载资源