《鲜活的数据》- 阅读索引

简单概括每一节的表达核心，注重整本书的结构

第一章 用数据讲故事

1.1 不只是数字

可视化在新闻、艺术性、娱乐性、引入注目方面的例子。让数据得以被分析、传达情感等。

1.2 我们要寻求什么

关注处理数据的模式、数据间的相互关系以及异常数据。

1.3 设计

设计图表时的注意点：

• 解释性的内容：标签、说明文字、图解等
• 标注坐标轴
• 正确的几何图形
• 提供数据来源
• 考虑需求场景

1.4 小结

以实际问题为出发点，保证数据正确性，把握图表的设计意图和受众群体。

---

第二章 处理数据

2.1 收集数据

介绍了几个数据来源：

• 他人提供
• 搜索引擎
• 专业网站等

提供了 python 实现网页爬虫的示例。

2.2 设置数据的格式

数据的三种格式：

• 带分隔符的文本
• JSON
• XML

处理数据格式的几种工具。

用代码处理数据格式的示例。

2.3 小结

如何获取数据并处理数据格式。

---

第三章 选择可视化工具

3.1 开箱即用的可视化工具

excel、google doc、tableau 等

3.2 编程工具

python、processing、javascript、R 等

3.3 绘图软件

Adobe Illustrator、Inkscape 等

3.4 地图绘制工具

google 地图、polymaps、R 等

3.5 衡量各种选项

按需

3.6 小结

可视化工具介绍

---

第四章 有关时间趋势的可视化

4.1 在时间中寻求什么

趋势性、全局和细节

4.2 时间中的离散点

柱形图：

• 可以表现离散时间
• 柱形高度是其体现数值的视觉线索，柱形的宽度和间隔不代表任何信息
• 柱形图的数值轴必须从 0 开始，否则难以从视觉上比较柱形的高度
• 示例：历年热狗大胃王比赛成绩

堆叠柱形图：

• 柱形高度代表总数值，内部柱形高度代表子类别的数值
• 示例：历年热狗大胃王比赛前三甲成绩

散点图：

• 可以表示离散时间
• 用点的位置作为数值的视觉线索，数值轴不必从 0 开始
• 示例：网站订阅者数量

4.3 延续性数据

延续性数据源也是离散数据集，表现的是不断变化的现象。

折线图：

• 缺陷是必须要表现两点间的稳定变化

阶梯图：

• 适用于跃变的情况
• 示例：美国邮费变化情况

拟合线：

• 帮助在杂乱的数据中表现出趋势
• 常用的有局部加权散点平滑法（LOESS）
• 示例：历年美国失业率

4.4 小结

• 直观体现出事物的变化趋势
• 引导某个时间段变化的原因
• 引导关注值得注意的部分

---

第五章 有关比例的可视化

不同于时间序列数据中以时间为分组依据，在比例数据中以样本空间作为分组。

5.1 在比例中寻求什么

比例的分配。

5.2 整体中的部分

既希望呈现各部分和其他部分的相对关系，又希望保持整体上的感觉。

饼图：

• 不精确，角度不易衡量
• 不要分成太多块
• 颜色也可以作为视觉线索，深浅代表重点的强弱
• 示例：用户对数据各相关领域感兴趣的情况

面包圈图：

• 只能通过弧形的长度来衡量数值
• 中间可以放标签或其他内容
• 也不适合较多分类
• 示例：用户对数据各相关领域感兴趣的情况

堆叠柱形图：

• 多饼图与堆叠柱形图的案例：与角度相比，人们对柱形更敏感
• 示例：奥巴马在各问题上的支持率

板块层级图（treemap）：

• 基于面积的可视化方式，通过每一个板块的尺寸大小度量
• 适合树状结构的数据（如磁盘使用情况）
• 示例：网站上各文章的受欢迎程度

5.3 带时间属性的比例

堆叠面积图：

• 堆叠总高度表示某一时刻总量，内部堆叠高度表示某一时刻某一类别的数值
• 水平轴表示时间，多个时间序列图表堆叠
• 不适用于分类多的情况
• 每一层的变化趋势难以识别
• 示例：历年各年龄段人群占总人口的比例、历年消费开支的比例

时间序列图：

• 数值轴为百分比
• 解决了堆叠面积图难以识别每一层的变化的问题
• 但失去了整体性和比例分布信息
• 示例：历年各年龄段人群占总人口的比例

5.4 小结

比例分布数据主要特点在于每个单独的数值有意义，各部分相加的子集和总和也有意义，可视化需要体现出这些方面。

• 少量数值：饼图、面包圈图
• 多个类别的多个数值：堆叠柱形图（非多个饼图）
• 时间信息：堆叠面积图、时间序列图

---

第六章 有关关系的可视化

如何通过可视化的方法挖掘出并强调这些关系

6.1 在关系中寻求什么

关联性、因果性、分布、交叠等，通过展现的图表发现关系和意义

6.2 关联性

关联性和因果性的区别，关联性可以帮助我们根据某一已知指标预测另一指标

散点图：

• x 轴不仅可以是时间
• (x, y) 坐标，拟合曲线
• 正相关、负相关、不相关
• 示例：美国各州谋杀率和入市盗窃率的关系

散点图矩阵：

• 绘制出每一种可能的配对，以尽可能的发现关系
• 削弱杂乱感，强调重要内容
• 示例：7 个类型的犯罪率之间的关系

气泡图：

• 三个维度：x、y、气泡面积
• 示例：美国各州谋杀率和入市盗窃率的关系，加上各州人口作为第三维度

6.3 分布

茎叶图：

• 一种古老的表示分布的图表
• 基础性数字位于左侧（茎），相关数字依次排列在右侧（叶）
• 示例：世界各国出生率分布图

直方图：

• 柱形的高度表示频率，宽度表现数值轴上某个值域
• 水平轴和垂直轴都是连续的
• 合适的分段数量
• 示例：世界各国出生率分布图

密度图：

• 用曲线代替柱形，曲线下面积为 1
• 示例：世界各国出生率分布图

6.4 对照和比较

直方图矩阵：

• 示例：过去几十年出生率的分布变化
• 示例：过去几年家庭电视尺寸的分布变化

系列组图：

• 将大量小图标归于一起的技巧
• 方便多个群组和分类之间及其内部比较
• 示例：三部曲系列影片的评价趋势

6.5 小结

如何在多个变量中找寻关联性

---

第七章 发现差异

如何从全体中找出满足多种标准的集合，以及利用常识找出异常值

7.1 在差异中寻求什么

每一个变量间的差异，所有变量间的差异，相似性和背后的关联性

7.2 在多个变量间比较

先一次性观察所有数据

热点图：

• 每一列代表该对象的一个变量
• 每一行表示一个对象或观察角度
• 每一个单元格根据颜色表现数值
• 示例：NBA 球员的数据统计

脸谱图：

• 将多个变量一次性展现在人脸的各个部位上
• 依据人们对人的面部特征的敏感性
• 面部：整体表现某个对象
• 特征：头发高度、眼镜大小、嘴角曲线等表现代表的数值
• 相似的脸 -> 相似的数据特征
• 提供充分的图表描述
• 示例：NBA 球员的数据统计

星图（雷达图、蜘蛛图）：

• 通过形状来表现多变量数据的特征
• 到中心的长度代表一个变量的值
• 链接各端点以方便表现变量之间的关系
• 星图矩阵
• 示例：美国各州犯罪率
• 变体：
  • 所有数据限制在圆形上半部分
  • 南丁格尔图（极坐标区图）：各扇形的长度、颜色

平行坐标图：

• 描述群组或各变量之间的关系
• 各个变量是一条轴，平行放置
• 每个对象是一条线，可在多个变量间寻找共同的变化趋势
• 示例：美国各州 SAT 得分

7.3 减少维度

多维量法，根据某些标准将对象划分为不同的群集

• 将一个对象的各项指标转换为距离，分布到 x - y 坐标轴上
• 相似的对象距离近，形成各个集群
• “基于模型聚类”

7.4 寻找异常值

图表 + 常识 + 数据的上下文

7.5 小结

入手点：一次性展现所有数据，将范围缩小到令人感兴趣的点

---

第八章 有关空间关系的可视化

8.1 在空间中寻求什么

x、y、时间维度

8.2 具体位置

带经纬度点的地图：

• 示例：好市多店铺在美国的分布

带有线的地图：

• 示例：位置追踪轨迹、与世界各地连接线

带有气泡的地图：

• 气泡的面积 -> 数值
• 示例：全球为成年人生育率

8.3 地区

等值区域图：

• 各个地区根据颜色标尺着色
• 示例：美国各县的失业率
• 示例：各国获得安全饮用水源的城市居民百分比

8.4 跨越空间和时间

加时间维度的系列组图：

• 示例：2004 - 2006 全美各县失业率的变化

表现差额的地图：

• 示例：2005 - 2009 全球城市人口的变化

动画地图：

• 直观，有机展现变化
• 示例：1962 - 2010 沃尔玛的增长情况

8.5 小结

• 处理维度
• 直观性、更丰富的形式
• 处理空间数据时有很多的可能性

---

第九章 有目的的设计

降低理解门槛

9.1 让自己作好准备

• 了解数据，上下文背景

9.2 让读者作好准备

• 假设读者都是盲目的，不要假设读者可以发现所有细节
• 解释、描述

9.3 视觉提示

• 颜色
• 几何形状
• 可视化就是将数据（数字、文本、类别等）转换为视觉元素，选择合适的视觉元素

9.4 好的可视化

• 设计图表的目的
• 想将什么样的故事
• 打算跟谁讲

9.5 小结

数据 + 可视化方法