(摘自UDACITY的课程：使用Tableau进行数据可视化 www.udacity.com学习过程 ）
小提琴图
小提琴图会显示平滑的数据分布图。分布图使用一种叫做核密度估计的方法进行近似估计，你不需要了解该方法，但是该方法很神奇，你可以在 此处了解详情。和箱形图相似，通常也会包含区间，但是也会显示实际数据分布。
小提琴图几乎适合所有情况。它们会展示非正态分布（箱形图则不会）。但是，平滑操作可能会丢失细节，对于少量数据来说，经常会失败。个人而言，我喜欢使用小提琴图而不是箱形图，但是有时候可能需要快速简单的分布图。
如何选择图表
你有一些数据并且知道想要显示什么，但是如何选择最佳图表来讲述故事呢？说实话，掌握这一技能需要练习和经验，但是我将提供一个实用的图表选择流程图。
Andrew Abela 博士 ( http://extremepresentation.typepad.com/blog/2006/09/choosing_a_good.html) 给出的图表建议
当然，这个流程图并非涵盖所有图表，还有很多其他可视化图表
图表选择示例
当你在探索数据时，首先要做的是查看各种变量的分布情况。根据以上图表，你需要显示单个变量的分布。下面我划分为少量数据点和多个数据点，变成列直方图和线条直方图。
Stephen Few 发表了一篇关于如何选择正确图表的文章。请阅读一下这篇文章，然后我将提出一些问题，使你能够练习选择图表。
(下面2幅图摘自：Eenie, Meenie, Minie, Moe: Selecting the Right Graph for Your Message http://www.perceptualedge.com/articles/ie/the_right_graph.pdf）
Edward Tufte 在《Visual Display of Quantitative Information》中提出了这类图表（并且给出了小小图组这一名称），以便简要地可视化随着时间推移而变化的定量数据。迷你图很简单，旨在强调在很小的显示区域内的数量变化。这种图表变得热门起来，广泛应用于金融领域。你将经常在股票中见到此类图表，用于表示股价随着时间的变化情况。Edward Tufte 和其他人写了一篇关于迷你图的文章，建议阅读一下。
来源：Yahoo Finance。Yahoo Finance 经常使用迷你图。以下网站提供了更多的示例：https://finance.yahoo.com/most-active。
数据点是 X 轴上的地毯图。” https://en.wikipedia.org/wiki/Kernel_density_estimation
但是，你依然可以为内核选择参数，例如高斯曲线的带宽。因此，这种方法依然存在任意性，但是与直方图相比，通常效果更好（但是更复杂）。如果你对此类图表感兴趣的话，建议阅读这篇文章（我认为这类图表很酷）。
循环图
循环图用于将周期性数据进行分组。例如，如果有多个星期的数据，最好是将所有数据按一周的某一天分组，这样可以更清晰地查看每周的趋势。
这是关于循环图的简介，作者是 Stephen Few（又是他的成果，他有很多不错的研究成果）。
看到添加颜色后提供了大量额外的信息。我们知道，GDP 越高，预期寿命就越长。但是，通过将各个国家所属的区域用颜色标注，我们可以从此图中看到不同类型的国家在全球的分布情况。GDP 很低的国家几乎都在撒哈拉以南非洲，很高的国家则是欧洲和北美。中间的橘色部分是独立国家联合体，即前苏联国家（如果你觉得该缩写一开始没明白的话，我也没明白）。
颜色是可视化过程中的重要工具，我们必须正确使用颜色，才能产生最大的影响。
调色板
调色板是指用来表示数据值的颜色范围。对于定量和定性数据，你需要使用不同的调色板。选择正确的调色板非常重要。例如，我们来看一个使用非常广泛但是很糟糕的调色板。(在这里朝着 Jake VanderPlas 吼叫吧）。
在过去一段时间内，可视化工具（例如 MATLAB 和 Python 的 matplotlib 库）使用的默认调色板是 jet。（幸运的是，二者都更新为了新的调色板）。你可能还会听到彩虹调色板这一说法。jet 调色板的颜色从深蓝到深红，然后一直变成绿色和黄色。我在下方提供了该调色板的彩色版本和灰度模式，以显示色谱的亮度。
jet/彩虹调色板存在缺点，因为亮度并没有从一端平滑地过渡到另一端。黄色比其余颜色要亮很多，使某些数据显的格外重要，实际上并非如此。与大片的绿色相比，黄色和蓝绿色异常突出。从图中可以看到 jet 调色板的亮度，并不是平滑的渐变
定性数据的调色板
对于定性数据，经常需要对比不同组或类别的数据。为此，你需要选择肉眼看去尽量不同的颜色。I want hue 是一款很棒的工具，可以最佳方式构建独特的调色板。我在下图中创建了一个散布图，表示鸢尾花样本的花瓣长度和宽度。通过用不同的颜色标注各个物种，可以清晰地看出数据分成三个不同的群体。
为色盲人士设计颜色
人类通过视网膜内的细胞（叫做视锥细胞）产生的信号来识别颜色。光线进入眼睛，到达视锥细胞，视锥细胞向大脑发送电子信号。通常有三类视锥细胞：S（短波）、M（中波）和 L（长波）。它们对不同波长的光敏感。短波视锥细胞对蓝色敏感，中波对绿色敏感，长波对红色敏感。
但是，大约有 10% 的男性和 1% 的女性存在基因突变，影响到这些视锥细胞，产生色盲。最常见的色盲形式是红绿色盲，通常是因为中波视锥细胞对光敏感性转移到了红色光线上，这种突变称为绿色弱视。绿色弱视人群无法区分红色和绿色，如下图的红色和绿色苹果所示：
还有很多关于颜色的知识可以学习，此处是 Robert Simmon 的 一系列帖子，可以帮助你开始学习。
此外，还有很多免费在线工具可以帮助你构建调色板。
Paletton
Adobe color wheel
I want hue，用于构建定性数据调色板
这篇文章（作者：Stephen Few）很好地解释了如何使用具有不规则区间的折线图。
讲述正确的故事
正如在这节课中学到的那样，我们可以采用各种不同的技巧用视觉元素表示数据。即使是同一数据，不同的表示方法也会讲述不同的故事。 这篇文章很好地讲解了通过如何强调不同的视觉元素来改变故事。