为何你只能做出渣图表?数据可视化的十大误区

来源:爱数据学习社(ID:lovedatacn)

数据可视化,是一种用来将复杂信息数据清晰表述出来的强大有力的工具。

通过可视化信息,我们的大脑可以更有效地合成和保留信息内容,增强对信息的理解。但是如果不正确数据可视化,它可能弊大于利。错误的图表可以减少数据的信息,或者更糟的是,完全背道而驰!

这就是完美的数据可视化极其依赖设计的原因。

设计师要做的,不仅仅是选择合适的图表类型,更要以一种容易理解的方式来呈现信息,设计出更直观的导航系统,让观众做尽可能减少理解方面的麻烦,做到一目了然。

当然,并不是所有的设计师是数据可视化专家,这就是为什么大部分的图表看上去是那么滴糟糕,简直就是一坨屎!

这里有10个数据可视化的案例,包括你可能犯的错误和快速修复补救的方法。

错误1:混乱的饼图分割

饼图,是最简单的图表之一。不过偏偏有人喜欢把它搞得很复杂。

饼图的设计应该直观而清晰,理论上,一个饼图不应该分割超过5块。下面就是两种可以让读者的注意力瞬间集中到你要表述的重点的方法。

方法一:将最大的部分放在12点钟方位,要顺时针。第二部分12点钟,逆时针方向。剩下的部分可以放在下面,继续逆时针方向。

方法二:最大一块12点钟开始,顺时针方向旋转。剩余部分在降序排列,顺时针。

错误2:在折线图中使用不连贯的线条

虚线,虚线容易分散注意力。相反,使用实线和颜色,反而容易区分彼此的区别。

错误3:数据排序混乱

你的内容应该以一种合乎逻辑的和直观的方式来引导读者了解数据。所以,记得将数据类别按字母顺序,大小顺序,或价值进行排序。

错误4:数据模糊不清

确保没有数据丢失或被设计。例如,使用标准的面积图时,可以添加透明度,确保读者可以看到所有数据。

错误5.让读者自己解读

设计师应该使图表尽可能轻松地帮助读者理解数据。例如,在散点图中添加趋势线来强调的趋势。

错误6:扭曲数据

确保所有可视化方式是准确的。例如,气泡图大小应该根据区域扩展,而不是直径。

错误7:在一张热力图上使用不同的颜色

颜色用得太花,会给数据增加不可承受之重,相反,设计师应该采用同一色系,或者类比色。

错误8:条状图太胖或太瘦

或许你的报告很有创意,非常精彩,但是记得图表设计水平也要跟上。条形图之间的间隔应该是1/2栏宽度。

错误9:很难比较数据

比较是展示数据差异的好法子,但是如果你的读者不容易看出差别的话,那么你的比较就毫无意义。确保所有的数据都是呈现在读者面前,选择最合适的比较方法。

错误10:用3D图表

虽然他们看起来很酷,但是3d形状可以扭曲感知,因此扭曲数据。坚持2次元,确保数据准确。

怎么样,上述10条,你中枪了没有?

END

版权声明: 转载文章均来自公开网络,仅供学习使用,不会用于任何商业用途,如果出处有误或侵犯到原作者权益,请与我们联系删除或授权事宜,联系邮箱:holly0801@163.com。转载大数据公众号文章请注明原文链接和作者,否则产生的任何版权纠纷与大数据无关。

原文发布于微信公众号 - 大数据(hzdashuju)

原文发表时间:2016-08-29

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能LeadAI

我与Python | 从Hacker到探索Deep Learning

为什么是Python 人生苦短,我用Python... ? 'Life is short, you need Python!' 进入大学之后,我们逐渐“被教授”...

4687
来自专栏人工智能头条

Google第二代深度学习系统TensorFlow开源(PPT下载)

1555
来自专栏PPV课数据科学社区

【学习】如何避免数据可视化的十大误区?不在出渣图表

数据可视化,是一种用来将复杂信息数据清晰表述出来的强大有力的工具。 通过可视化信息,我们的大脑可以更有效地合成和保留信息内容,增强对信息的理解。但是如果不正确数...

28710
来自专栏AI科技评论

深度学习——你需要了解的八大开源框架

导读:深度学习(Deep Learning)是机器学习中一种基于对数据进行表征学习的方法,深度学习的好处是用非监督式或半监督式的特征学习、分层特征提取高效算法来...

4676
来自专栏AI星球

我与Python--从Hacker到探索Deep Learning

进入大学之后,我们逐渐“被教授”了C、C++、Java等编程语言,但为什么我会选择python作为最喜欢的编程语言呢?

1243
来自专栏人工智能头条

Etsy 数据科学主管洪亮劼带你读:WWW 2017 精选论文

1514
来自专栏顶级程序员

4月份最热门的五大AI机器学习项目

当谈到数据科学和机器学习时,GitHub和Reddit是两个最受欢迎的平台。前者是代码和项目之间共享和协作的最佳工具,而后者则是与全球数据科学爱好者交流的最佳平...

1052
来自专栏kevindroid

mahout学习之推荐算法

3373
来自专栏编程

7步让你从零开始掌握Python机器学习!

这篇文章旨在通过7个步骤,将最少的机器学习知识转化为知识型实践者,所有这一切都在使用免费的材料和资源。这个大纲的主要目标是帮助你通过许多可用的免费选项; 有很多...

2149
来自专栏IT派

7步让你从零开始掌握Python机器学习!

这篇文章旨在通过7个步骤,将最少的机器学习知识转化为知识型实践者,所有这一切都在使用免费的材料和资源。这个大纲的主要目标是帮助你通过许多可用的免费选项; 有很多...

3504

扫码关注云+社区

领取腾讯云代金券