除了矩形树图旭日图双层环图，层级数据可视化还有它！ | 图表家族#53

Posted 2021-04-28 镝次元数据

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了除了矩形树图旭日图双层环图，层级数据可视化还有它！ | 图表家族#53相关的知识，希望对你有一定的参考价值。

圆堆积，也是一种树状结构数据的可视化图表，原理和矩形树图、旭日图有类似，但相较于矩形树图，圆堆积可以展示属于不同分类的层级数据。具体的案例是怎么样的？我们今天就来看一看！

| 编辑陈淑晶

| 版面曾兰舒

我中有你：圆堆积也是树形结构的一种

圆堆积

图片来源：The Data Visualisation Catalogue

圆堆积（Circle Packing），也叫做圆形树结构图，是矩形树图的变体。它使用圆形（而非矩形）一层又一层地代表整个层次结构——层级结构中的每个分支由一个圆圈表示，而其子分支则以圆圈内的圆圈来表示。通过一定的算法，每个圆形的面积则展示了数值的大小关系，颜色则帮助我们对数据进行分类，或者区分不同变量。

圆堆积与矩形树图

图片来源：The Data Visualisation Catalogue

从外观上，圆堆积比方方正正、略显“呆板”的矩形树图要漂亮很多。但是，由于圆圈之间会产生很多空白区域，所以在空间利用率上要比矩形树图低。正是由于这些空白，在视觉上，圆堆积的“层次感”比矩形树图要加突出。

除此之外，矩形树图的所有数据都是“同一类”数据，例如都是人口数量、出口金额、排放二氧化碳的数量等，下一级数据相加等于上一级数据，而圆堆积则不一定。圆堆积中的大圆与嵌套的小圆可以不是同一类数据，只要数据有层级关系，则可以用圆堆积。因此，从数据的使用上来说，圆堆积没有矩形树图严格，适用范围也更加广泛。

550+职业，1.46亿名职业人员圆堆积能把它们逐层展示

Nadieh Bremer是一位数据可视化的自由职业设计师，也是一位前天文学家。2014年9月，她调查了美国约550个职业中1.46亿名就业人员的年龄分布，并把这些数据用圆堆积结合条形图的方式进行可视化。

Nadieh Bremer

在这个大型交互图表中，每一个小的白色圆圈，代表了每1000人有多少人从事该职业，白色圆圈中的条形图则展示了该职业的年龄分布情况。将相同类型的职业归类，把他们聚合在一个更大的圆圈之中。

A Closer Look at Labor

https://nbremer.github.io/occupationscanvas/

这项调查，把美国的主要职业分成五大类——管理，专业人员和相关职业；销售和办公职业；服务职业；生产，运输和物料搬运职业；自然资源，建筑和维护职业。通过点击层层细分的圆圈，我们能看到进一步细化的圆圈信息，直至看到具体职业的年龄分布。

例如，我们点击右下角的“自然资源，建筑和维护职业”，可以看到这分类下又再细分了“建筑和提取职业”、“安装和维修职业”、“农林渔职业”。再次点击“建筑和提取职业”中最小的圆圈，我们会发现，在1000名美国就业人员中，只有2个人从事“打桩机操作”，且年龄分别在“25-34岁”和“45-54岁”之间。

A Closer Look at Labor

https://nbremer.github.io/occupationscanvas/

除此之外，我们也可以输入具体的职业名称，例如，看看特殊教育的教师，每1000名当中就有336位，年龄跨度也很大，主要集中在25-64岁之间（有兴趣的小伙伴可以到这个作品网站玩一下~）。在这个作品里，还能找到在1000名美国就业人中，只有1人从事矿车经营。

A Closer Look at Labor

https://nbremer.github.io/occupationscanvas/

除此之外，圆堆积也可以帮助我们整理复杂的计算机文件信息。

Flare是一个可视化工具包，与所有的软件一样，一个软件下包含了许多层次的文件夹。可视化工作者就把这些具有层次关系的每个源文件，及文件大小（以字节为单位），用圆堆积展现出来。

Circle Packing Example

https://vega.github.io/vega/examples/circle-packing/

最大的蓝色圆圈代表了“flare”整个文件夹，大小约为95万字节。其下包含了“vis”、“util”、“animate”等子文件夹，其中“vis”最大。“vis”文件夹下再分了“operator”、“data”等子文件夹。利用鼠标悬浮提示，我们可以看到每个圆圈表示的文件夹大小信息。

另外一个可视化工作者Mike Bostock利用了同一组数据，进一步提高了交互程度。

Zoomable Circle Packing

https://bl.ocks.org/mbostock/7607535

通过鼠标点击，每个圆圈会被逐层放大，以便我们看清小圆圈所代表的数据信息。

具有层级关系却属于不同类数据圆堆积也可以可视化

以上讲到的圆堆积使用，都是针对同一类数据的。实际上，圆堆积也可以对具有层级关系，但不属于同一类的数据进行可视化。

基于肯尼亚《民族日报》（Daily Nation）在1981年至2011年，这30年来每天关于艾滋病病毒（HIV）的文章，Aurelia Moser整理了这些文章所提及到的人、国家/地区、组织名字，并用一个交互的圆堆积进行可视化。

30 Years of HIV: Petri Key

http://aureliamoser.com/hiv-30_zoom/

最大的圆圈代表了30年来相关文章的总数量，每一年的文章数量被可视化成里面的圆圈，并按照从里到外、从小到大螺旋式排列。其中，2004年涉及到艾滋病病毒的文章最多。

30 Years of HIV: Petri Key

http://aureliamoser.com/hiv-30_zoom/

点击2004年排在最外面、最末端的一个小圆圈，我们可以看到具体那篇文章的信息。这篇发布在2004年3月21日的文章，提及人、国家/地区、组织这三类关键词的数量最多。它虽然只提到一个人，但是却提到上百个组织。这种梳理有助于我们调查《民族日报》在进行“艾滋病”话题的相关报道时，倾向的人物、国家/地区、组织是怎么随着时间变化的。

在这个案例中，“文章”与“关键词”确实存在层级关系，但是不属于同一类数据，即关键词数量相加≠文章数量。即使是这种情况，圆堆积也能进行可视化呈现。

层级关系数据可视化我们有这些方法

回顾一下，我们展示层级关系的数据，一般可以选择树状图、双层环图、旭日图、矩形树图和圆堆积。

树状图只展示数据的层级关系，一般不会展示数值大小。

双层环图只能展现一个层级关系，而则是在双层环图的基础上，可以不断地往下再细分，随着层级数量的增加，外环的数量也不断扩增，展示的层级关系比双层环图多很多。

为了清晰的可视化呈现效果，一般展示的是1-2个层级关系。另外，在部分占整体的比例关系呈现上，双层环图和旭日图比矩形树图更加擅长，人靠肉眼比较容易分辨出角度大小，而不是面积的大小。

圆堆积则擅长可视化层次“关系”，即我们很容易通过图表把握数据间的上下层级关系，但是我们很难把握数值的差异，且由于圆堆积会有“空白”，所以在空间上占位也比较大。

同样是展示层级关系的数据，现在，我们就又多一种选择。看似复杂的图表，我们在日常中也要大胆运用起来！

更多图表使用分析可登陆镝数（www.dydata.io)或参看以下文章，如果仍有无法解决的问题，请发送邮件至public@dydata.io或者直接在后台留言。