數據可視化的基本流程總結

• 2020 年 2 月 19 日
• 筆記

溫馨提示

小夥伴們盡量減少外出，為了個人健康出門請佩戴口罩，日常勤洗手，遠離生禽

我們要的不是數據，而是數據告訴我們的事實。大多數人面臨這樣一個挑戰：我們認識到數據可視化的必要性，但缺乏數據可視化方面的專業技能。部分原因可以歸結於，數據可視化只是數據分析過程中的一個環節，數據分析師可能將精力花在獲取數據、清洗整理數據、分析數據、建立模型，但在最終的展示溝通上力不從心。

這也是「寫代碼的干不過做PPT」的部分原因。實際上，只要掌握了可視化的技能，我們的工作就更容易受到leader的認可。

可視化工具包括但不限於，Tableau，Excel，PowerBI，Python，R

可視化之前：探索性分析與解釋性分析

二者之間有很重要的區別：探索性分析指理解數據並找出值得分析或分享給他人的精華。這就好比，在牡蠣中尋找珍珠，可能打開一百個牡蠣（嘗試很多種方法）才最終找到兩顆珍珠。而解釋性分析，我們迫切希望能夠言之有物，講好某個故事–專註於兩顆珍珠。

大多數時候我們彙報工作就是要做好解釋性分析的工作。

可視化過程

一個完整的數據可視化過程，主要包括以下4個步驟：

確定數據可視化的主題 提煉可視化主題的數據 根據數據關係確定圖表 進行可視化布局及設計

圖片來自：木東居士

可視化元素由3部分組成：可視化空間+標記+視覺通道

可視化空間

數據可視化的顯示空間，通常是二維。三維物體的可視化，通過圖形繪製技術，解決了在二維平面顯示的問題，如3D環形圖、3D地圖等。

標記

標記，是數據屬性到可視化幾何圖形元素的映射，用來代表數據屬性的歸類。

根據空間自由度的差別，標記可以分為點、線、面、體，分別具有零自由度、一維、二維、三維自由度。如我們常見的散點圖、折線圖、矩形樹圖、三維柱狀圖，分別採用了點、線、面、體這四種不同類型的標記。

視覺通道

數據屬性的值到標記的視覺呈現參數的映射，叫做視覺通道，通常用於展示數據屬性的定量信息。

常用的視覺通道包括：標記的位置、大小（長度、面積、體積…）、形狀（三角形、圓、立方體…）、方向、顏色（色調、飽和度、亮度、透明度…）等。

確定圖表

數據之間的相互關係，決定了可採用的圖表類型。常見的數據關係和圖表類型的對應關係如下圖所示：

圖片來自：木東居士

在以後的專欄中，我們將逐步分享上述圖片中出現的各圖形應用案例及注意事項。接下來，我們結合具體案例來講述數據可視化的魅力

表格

使用表格時，需要記住的一點是：讓設計融入背景，讓數據佔據核心地位。不要讓厚重的邊框和陰影與數據爭奪受眾的注意力。相反，要使用空格來區分表格中的元素。

左表，框線過多容易擾亂閱讀者的注意力，反之，三線表簡潔幹練，通常是論文及出版物表格樣式的首選。

熱力圖

熱力圖是用表格的形式可視化數據的一種方法，在顯示數據的地方（數據之外）利用着色的單元格傳遞數據相對大小的信息。

熱力圖繪製（excel2010版）：選中數據–開始–樣式–條件格式（你可以根據需要選擇合適的條件格式）。

折線圖

我們通常可以藉助折現圖理解趨勢，比如，時間序列的每年降雨量（每日將與量之和）；在某些情況下，折線圖中的線可能代表一個綜合的統計數據，比如平均值或預測的點估計。如果你還想展示範圍（或者置信區間），可以直接在圖上進行可視化。

源數據：

左圖是多指標折線圖，右圖在折線圖中展示範圍內的平均值。

繪製右圖時：先繪製avg–max折線圖，然後右鍵「更改圖表類型」，選擇「面積圖」；

右鍵「選擇數據」，添加min折線圖；最後選中「min折現圖」，右鍵「設置數據系列格式」，選擇「純色填充–白色」。