黄志敏：数据可视化入门

本周开始，今日头条媒体实验室会为大家陆续推出数据新闻讲座，主讲人均为国内数据新闻界的先行者，讲座将会分享国内最前沿的数据新闻理念和经验。不论你是刚入门的数据新闻爱好者，还是经验丰富的从业者，本系列讲座都会帮助你对数据新闻有更加全面系统的认识。

第一讲 黄志敏：数据可视化入门

嘉宾介绍：黄志敏，数可视创始人兼CEO，前财新传媒CTO、财新数据可视化实验室创始人。

Hans Rosling的系列演讲是非常经典的数据可视化案例，在Hans的演讲中，他常用气泡图展示儿童死亡、人口增长、宗教与生育率、艾滋病、贫穷等多个维度的数据。

在实际操作过程中，数据可视化可以分成这几个步骤:

数据清洗

当我们拿到一份原始数据，可能存在标示方式不同、空白数据、明显异常值等问题。这些不正常的数据会影响我们对数据的正常分析和处理，因此对数据整理加工的过程就称之为清洗。

数据清洗可以分成4个步骤：将信息转化为数据、清理错误数据、统一数据格式和合并。

在数据清洗的过程中，需要注意一下几点：

时间标记需要统一

异常值需要排查处理

空白的记录和没有反馈是两个概念

无法补充修改的记录，应舍弃删除

数据分析

数据维度

以每个人的特征为例，除了姓名之外还可以有身高、性别、籍贯、学校等其他属性的数据，每一个这样的数据属性就可以被称为一个数据维度。

数据类型

数据类型包括数值型、有序型和类别型。了解数据分类，对于图形、数值和颜色的运用都有很重要的作用。

数值型数据可以分为无固定零点（如日期、经纬度）和有固定零点（如长度、质量、温度）；

有序型数据分为有明显序列（如优、良、中、可、差）和无明显序列（如黑白灰）；

类别型数据分为有明显类别（名字）和无明显类别（职位）。

角度选择

根据我们要讲故事的角度来选择相关数据。比如分析公司是否存在性别歧视，最基础的角度是查看男女员工构成比例，分析公司是否重视销售，可以查看各部门的人员占比。

图形运用

基于坐标的图形：散点图、折线图、柱形图、面积图、饼图、地理图、雷达图等。

二维直角坐标：散点图

二维极坐标：饼图

多维极坐标：雷达图

多维平行坐标

不基于坐标的图形（拓扑图形）：关系图、力导向图（利用点之间的连线和距离来表现关系以及关系的强弱）

关系图

力导向图

特殊图形：桑基图、塔图/树图（用每一个组成部分的面积来表现每一个部分的相对大小）、词云/字云/标签云（用关键文字的面积大小来表现其出现频率）

桑基图

塔图（树图）

对图形的处理包括叠加、组合、降维（高维数据放在低维平面上）和交互。

柱型图+柱型图+折线图

从散点图到气泡图

配色

如何选择配色方案呢？

配色需要根据数据的类别来选择。

有序型数据配色方案：用颜色的深浅和明暗来表现数据的顺序。

顺序型数据配色方案

数值型数据配色方案：用颜色序列表现数值的高低。

数值型数据配色方案

类别型数据配色方案：用强烈的颜色对比区分类型。

类别型数据配色方案

格式塔法则

利用好格式塔法则，可以使画面变得简洁美观。

接近性（proximity）

当视觉元素在空间上相距较近时，人们通常倾向于将他们归为一组

相似性（similarity）

人们在观察事物的时候，会自然地根据事物的相似性进行分组。通常依据对形状、颜色、光照或其他性质的感知分组。

连续性（continuity）

人们在观察事物的时候会自然地沿着物体的边界，将不连续的物体视为连续的整体

闭合性（closure）

在某些视觉映像中，其中的物体可能是不完整的或者不闭合的，但只要物体的形状足以表征物体本身，人们会很容易地感知整个物体而忽视未闭合和特征。

共势原则（common fate）

物体具有相似排列模式或具有沿相似光滑路径的运动趋势时，被识别为同一类物体。

好图原则（simplicity）

人眼通常会自动将一组元素按照简单、规则、有序的方式排列起来，并加以识别。即，消除复杂性和不熟悉性，并采纳最简化的形式。

对称原则（symmetry）

人的意识倾向于将物体识别为沿某点或某轴对称的形状。按照该原则，数据被试图分为偶数个对称的部分，对称的部分则被下意识地识别为相连的形状，从而增强认识的愉悦度。特别地，如果两个对称的形状彼此相似多它们更易被认为是一个整体。

经验原则（past experience）

人会根据过去的经验处理视觉感知。如果两个物体看上去距离相近，或者时间间隔小，那么它们通常被识别为一类。