可视化 笔记
第二章
图像越简单越好
原则
pre-attentive visualproperties
pre-attentivevisual properties：使用形状，颜色，方向来包装数据，分为四种：form,color,position and motion。 Form包含 size,shape and orientation. Color包含hue和intensity
当对数据进行多维区分是，可以使用separabledimensions，如组合使用form和color，而不要使用form的子类，否则不易察觉
Expressiveness
展现并只展现需要的数据
Effectiveness
采用的技术最易懂
图形设计原则
Reducenondata ink：在一幅图中，有数据和非数据部分，如柱状图的边框，不需要的刻度，表格线等，应该减少非数据部分。
第三章可视化方式
1.各种图形及特点
1）数据类型：
categorical: 可分为几类数据，离散型，可枚举的，无内在顺序，如七种颜色
ordinal：顺序的categoricaldatas,如事件的级别，优先级等
interval(numeric) 有顺序且刻度间隔相同
radio：在interval基础上有0值，如filesize
x叫primaryvariables； y叫independentvariables（因变量）
2）颜色
作用：强调（10个中有一个为红色，其余为绿色）；表示种类较少的categorical数据，如彩虹七色，灰度级别，五级安全
有连续的colorrange或distinctcolor range。 当维度为category时，使用distinct;当维度为continous时，使用渐变色；
选择颜色的工具是 colorBrewer color_wheel，选择标准： 对比突出； 相似颜色实现分组；
一些case：
用户权限：使用绿代表有，红色代表无
间谍软件端口：红色代表特定端口
机器的关键度：五级色彩
3）大小、形状和方向
大小只表示相对关系，不能表示精确的值
形状：椭圆、方形、菱形等
方向一般不用
颜色为首选，可以使用颜色和形状表示不同纬度
4）图标坐标轴
y轴从0开始
有时候，刻度非线性变化的坐标轴也需要
2. simple chart
饼图：用于比较同一维数据占到整体的百分比，数据为categorical；数据量不能过多；在label中指明精确value
柱图（barchart）：该维每一值发生的个数；x轴为categorical；y轴从0开始，还可以表示sum,average等聚合值
折线图(linechart)：x周为interval，y为continousrange；表示趋势，y轴可以使countsum average等
3dbar chart：显示二维的categorical数据；
3. stacked chart
在simplechart的基础上增加额外的纬度，使用范围同simplechart
stackedpie chart：对每个扇形再切一个纬度，由于按长度划分，从面积上看会有误解，则在每一块上写明value比较合适
stackedbar chart：不能精确表示每一块的长度，若很重视这方面，使用stackedline chart
stackedline chart：类似于linechart，不过是多条线
4. histograms 类似于bar chart
表示数据分布，x轴为continousdata，如一天按5分钟分段，则y轴为该5分钟内的值，如流量
用于检测：断裂、分布
不能得到某一值的精确时间
5. box plots
数据的分布情况，不只是平均值，还有最大、最小值等；用来显示categorical和continous数据
6. scatter plots
ordinal或者continous数据，用于表示二维数据的关系，预测数据走向。二维数据表示空间中（x,y）的一个点。
如果要显示更多维，可使用colorshape size等
当x轴为时间，则该图形为timetable，可表示trend和gap
y轴的顺序和要从图形上表示的内容相关
7. parallel coordinate
同时显示多维数据，用于显示彼此关联的多维数据
相互关联的dimension在图上相邻
8. link graph
数据结构中的图，显示关系，使用箭头表示方向
难点：节点和连接线的布局（线不能重叠，同一节点只有一个）；显示大量节点（将节点分组，点击分组时进一步显示）
intelligentaggregation：尽量减少我们不关心的节点，根据关注的内容对Node进行分组
9. Map
显示地理位置相关数据
考虑两个问题：什么决定位置（经纬度、地址）；数据如何表现（颜色、链接：图上源和目的的链接、图表：柱状图）
难点：密度按地理分布不均匀
10. TreeMap
显示多维树形数据、显示大量数据
对树的叶子节点编码，显示其pattern和异常，每个box的面积=times或bytes决定。color代表叶子节点的种类
用于找到问题：越有问题，面积越大+
优点：可显示树形关系； 可显示超过三维数据； cluster很容易被发现
11. Three-dimensionalview
三维chart（同时显示x,y, z三方向）；支持Interactive
如三维linechart；三维scatterplots
12.交互与动画
从overflow到详细——交互：通过点击或使用放大、缩小。
沿指定路径移动——动画
通过时间变化了解，但要注意图片间变化不要太大。1）对于linkgraph，尽量保证原有布局不变；2）对于节点不变的图像，如网络图中的最大流量的路径，通过高亮该路径发生切换；3）原有图片缓慢淡出
13. sparklines
使用sparklines表示时间范围的波动、例外情况。用于在graph中显示大量的time-seriesdata point，在多个sparkline之间比较
14.选择正确的图形
考虑要显示的数据：1）几维数据2）表达的意图3）观众是谁
最简单办法：chartchooser工具
第四章 formdata to graph
1.可视化流程
1）定义问题
通过usercase驱动，定义需要的数据和展示
2）评估可用数据
3）处理信息
对数据进行归并和格式化
根据usercase 增加额外数据，如名称等
过滤数据
aggregation：对数据进行分组，并按组显示
4）visualtransformation
数据映射：要显示几维数据，哪个作为主要维度，其他维度怎么显示；在linegraph中，节点间的顺序
5）viewtransformation
目标：对于海量数据，高亮感兴趣的数据
方法：filter不关心的数据；aggragation：对不需要精确信息的数据分组
6）决定
选择graph：要得到的信息是否真能从图表中得到
第五章 安全数据可视化
1. reporting
从图形得到信息，首选简单图形：bar line scatter
在报表中要时刻思考：观众是谁？ 什么是最好的表现形式？ 当向管理层报告，说明attack是如何发生、怎么进入； 当向administrator报告时，要说明发生的细节。
2.historical 分析
Time-series可视化：5种分析方法
1）timetable：可分析 周期、temporalrelationship、gapsin activites 等，格式为时间-值的小间断数据
2）multiple-graph：
多维Line-graph：比较类型相同、意义相同的数据； 比较图形x轴相同；刻度相同
line-graph和TreeMap用于结构稳定只是流量变化的情况。
3)trend line —— line chart
根据描出的点画出trendline，用于预测未来，查找反常的数据
4）moving-averagecharts
在股票分析中，变化比较剧烈的曲线，可用于基于历史数据的决策支持。
5）sectorgraph
分析timeseries dataset的当前状态
选取当前点，计算其相对近期和远期的变化率，并在坐标系中以(x,y)标示，可以表示其近期和远期发展趋势。
6）correlationgraph
使用correlationmatrix
3.interative analysis：
通过修改graphattributes、zoom、filter 实时反映到图形上
使用linked实现从overview到details
barchart1和barchart2 相互点击发生变化
scatterplot：用于detectcluster of behavior
4.实时监测和分析
1）dashboard
实时数据主要用来比较，如同比和环比：同一策略和当前比，当前时间两者之间的比较
设计原则：一屏原则； 适量的细节； 使用简单图表； 高亮重要数据