数据可视化与感知

01

我们为什么画数据

眼睛与视觉皮层并行地、前意识地处理巨量的信息——远多于我们用来读数字的那条缓慢、串行的通道。 一张一千行的表是一千次串行的读取；同样的数据作为一张散点图则是一瞥。可视化把一个认知任务（计算、比较、记忆）转换成一个感知任务（看、见），而感知是更快、带宽更高的系统。

著名的演示是 Anscombe 四重奏：四个数据集，均值、方差与相关几乎完全相同，画出来 却截然不同——一个线性、一个弯曲、一个被单个离群点拽着一条线。汇总统计藏起了一张图所揭示的 东西。这一句话道尽了可视化的理由：图画承载着数字压平掉的结构。

02

前注意处理：眼睛免费做的事

有些视觉属性是前注意地被处理的——自动地、在几分之一秒内、在有意识的注意介入 之前。一片灰点中的一个红点会「跳出来」；你不去搜寻它，你就是看见了它。这些前注意属性包括颜色（色相）、大小、朝向、位置与形状。

这是可视化中最强大的杠杆，因为它实际上是免费的注意力。把你想让人注意的东西编码进一个前注意 属性，读者就会即刻注意到它。反面是个警告：如果一切都加粗、都彩色，就什么都跳不出来—— 你把预算花在了噪声上。前注意的强调只有在它稀缺时才奏效。

03

准确度的阶梯

并非所有编码一个数字的方式都同样可读。Cleveland 与 McGill 做了实验，按人们判断底层数量有多准确，给视觉编码排了序。顺序，最准确的在前：

实用的规则直接落出来：把你最重要的比较匹配到可用的最高准确度的编码上。这正是 条形图通常胜过饼图的真正原因——比较条形的长度/位置容易而精确，比较饼图的角度则困难而易错。这不是势利；而是其中一个比另一个对读者的眼睛要求更多。

04

选择图表：从问题出发

图表类型不是一个风格选择——它由你在回答什么问题而定。一张速查图：

• 比较（哪个更大？）→ 条形图、点图。
• 随时间的趋势 → 折线图。
• 关系（两个变量是否一起变动？）→ 散点图。
• 分布（散布如何？）→ 直方图、箱线图、密度图。
• 构成（整体的各部分）→ 堆叠条形；饼图只用于寥寥几块，而且即便如此也是勉强。

先定问题，挑出对它读起来最准确的编码，然后才去操心外观。一张回答了错误问题的漂亮图表，仍然是 错误的图表。

05

把颜色用对

颜色强大，也容易误用。第一条规则是把颜色标度的类型与数据的类型相匹配：

• 顺序型——单一色相由浅到深，用于有序/定量数据（从低到高）。越多越深。
• 发散型——两种色相在一个中性中点相遇，用于有一个有意义中心的数据（高于/低于零、 高于/低于目标）。
• 类别型——为无序的组用不同的色相；保持在寥寥几个，因为人一次追踪不了很多颜色。

06

图表犯罪与诚实

因为图表如此有说服力，它们很容易被用来误导——有时是故意，常常是无心。常见的罪行：

• 截断的坐标轴。让一张条形图的 y 轴从零以上开始，会把小差异夸大成戏剧性的。 条形编码的是长度，所以它们必须从零开始。（一个指数的折线图有更多余地，但要标清楚。）
• 双 y 轴。一张图上两个不同的标度，让你能通过滑动坐标轴直到两条线对齐来制造 一个「相关」。通常最好避开。
• 3D 与装饰。3D 饼图与透视扭曲了它们所编码的那些面积/角度。装饰主动地腐蚀了 数据。
• 过度绘制。成千上万的点堆成一个不透明的团，藏起了密度。使用透明度、分箱或 抽样，好让结构显现。

诚实的检验：一个瞥两秒的读者，会带走真正的要点吗？如果视觉编码把他们推向一个错误的 结论，那么即便每个数字都正确，这张图表也在撒谎。

07

数据墨水与去杂

Edward Tufte 经久不衰的想法是数据墨水比：一张图表上所有的墨水（像素）中，真正 编码数据、而非装饰的占多少？把它最大化。每一条网格线、厚重的边框、背景填充、投影与多余的 标签，都是图表垃圾，在与信号争夺读者的注意力。

去杂大多是减法：弱化或移除网格线、去掉图表边框、直接标注而非通过一个遥远的图例，并删掉任何 无助于读者回答问题的东西。目标与「更唬人」相反——是让数据成为页面上最响亮的东西。这直接连到清晰地传达：一张去过杂的图表是一句清楚的 话，而非一个繁忙的段落。

08

它在我工作中的体现

09

60 秒回顾

编码排序（Cleveland-McGill）、前注意处理与颜色无障碍指引，反映了当前的数据可视化与感知参考 文献，以及课程学习。