斯坦福大学数据可视化课程学习笔记：第二节 从数据到图像

Posted 2022-11-22 玄魂

《斯坦福大学数据可视化课程学习笔记》课程资源来自于斯坦福大学数据可视化课程，是我所在团队实习生提升计划的一部分。本系列是 “秉姝” 同学在学习过程中记录和整理的学习笔记，希望这些笔记也能够帮助更多朋友了解和学习数据可视化。

第一节：斯坦福大学数据可视化课程学习笔记：第一节 可视化的发展与目标

数据可视化的过程 —— 从数据模型到图像模型

从数据模型到图像模型

绘制图表的过程可以总结为：根据任务目的、数据、数据含义，通过算法与视觉映射，从而得到最终的图像。如上面的流程图所示，展示了绘制一张图表的整体流程分为三个阶段：

1. 数据阶段

2. 映射阶段

3. 图像阶段。
   接下来，我们将分别讲述这三个阶段内的主要概念。

数据 Data

巧妇难为无米之炊，数据就是可视化的“米”，数据可视化的目的就是展现数据的特征，辅助探索数据背后的秘密。

数据分类

原始数据的分类

获取原始数据是可视化过程的第一步。原始数据可分为 数据模型（Data models）和 概念模型（Conceptual models）。

• 数据模型为可计算的数值。例如我们在原始数据中获取了这样一组浮点数 [24.3, 19.2, 21.3, 22.5, 24.1]。

• 概念模型为支持分析的语义化数据。数据模型中的浮点数并不能支持我们进行数据分析，我们还需要知道这组浮点数的含义，概念模型就是支持分析的语义化数据，例如“一周中每天的最高气温”就是概念模型，明确了上面这组浮点数的含义。

数据模型的类型

数据模型的类型

数据模型的数据又可以分为 语义数据（Nominal）、定序数据（Ordinal）以及定量数据（Quantitive），定量数据又可以进一步分为无确定零值数据（Interval）与有确定零值数据（Ratio）。

语义数据（N）
语义数据是指不具有数值属性的、相互独立的离散数据，它描述事物的性质，是数据的标签与分类。
语义数据支持的运算类型仅包括 == !== 两种，也就是只能进行相等和不相等的比较。
如性别[F, M]、国家[China, Japan, US,...]、工种[Programmer, Teacher, Saler,...]等都属于语义数据。
定序数据（O）
定序数据也是描述事物性质的数据，与语义数据不同的是，定序数据在分类的基础上有了明确的顺序。定序数据在 == !== 之外，还能够支持> <的比较。
如受教育程度[Bachelor, Master, Doctorate]、评级[Grade A, Grade B, Grade C]等属于定序数据。
定量数据（Q)
定量数据简单来讲就是数字，又可以根据有无零值的差异进一步分为“Interval”和“Ratio”两种类型。

• Interval 无确定零值数据。支持的运算包括 ==!==<><=>=-，也就是可以相减比较差值但不可以累加。例如地理位置点的坐标就是无确定零值的定量数据。

• Ratio 有确定零值数据。支持 ==!==<><=>=-/ 的运算。例如长度、数量等就是有确定零值的定量数据。

数据阶段的目标

在数据模型处理阶段，我们会根据原始数据中的 数据模型 和 概念模型， 得到一组相关的、不同类型(语义、定序、定量 )的数据。

图像 Image

图像是可视化的结果，用直观的方式展现数据的特征。

图元 Marks

简单来说，图元就是用来展示数据的图形元素。
图元是基础的几何图形，如基础的点、线、面就是图元。

图元

视觉变量 Visual Variables

视觉变量是控制图元展示的属性，如位置、大小、颜色、形状等就是视觉变量。

视觉变量

视觉映射 Encoding

视觉映射是数据与图像之间的桥梁，它将“数据模型”映射到“图像模型”，也就是“为不同类型的数据选择适合它的视觉变量”。

比例尺函数 Scale

映射实际上是一个函数，这个函数比例尺 Scale。Scale 将数据值（例如数字、日期等）映射到视觉变量值（颜色、宽高等）。Scale 描述了定义域（domain）与值域（range）之间的映射关系，搭建了用户数据到图形属性之间的桥梁。

Scale 的定义
以一个简单的柱状图为例，我们将一组数据映射到对应的视觉变量。需要映射的原始数据为：

假设我们期望将“性别”数据变量映射到“颜色”视觉变量，其中，性别“男”将映射到蓝色，性别“女”将映射到红色。此时我们就得到了这一映射关系的 定义域 和 值域：

比例尺也即是对这一映射关系的描述，我们可以将它简单视作为一个函数：

// scale 的功能示例（非源码）
// 假设我们已经有一个实现了上述映射关系的scale：colorScale
var colorScale;
colorScale('男') === 'blue';
colorScale('女') === 'red';

通过这一比例尺，我们可以得到每个数据所对应图元的颜色数据，绘制结果示例：

scale

可以看到，所有数据所对应的柱子都依据性别绘制了相应的颜色。相类似的，原始数据中“班级”的属性映射到了柱子的 X 坐标，“成绩”的属性映射到了柱子的 Y 坐标。

Scale 的类型
依据定义域和值域数据类型以及映射方式的区别，可以将比例尺分为多种类型。本节内容描述了 几种常见比例尺类型。
Linear Scale
Linear Scale 将连续值（Q-Linear）线性映射到连续值的视觉变量，常用于宽高、XY坐标等数值的映射。
我们可以通过 linear scale 将成绩数值映射到柱状图中柱子的高度。需要映射的原始数据为：

为了使得 linear scale 从成绩为 0 开始描述数据，我们将 linear scale 的值域设置为 0 到原始数据中成绩的最大值（范围为 0 - 40），值域设置为柱子的高度（范围为 0 - 600px）。相应的映射结果为：

相应的柱状图渲染结果为：

柱状图

Ordinal Scale

Ordinal Scale 将离散值（O）映射到离散值的视觉变量，例如将离散的性别维度映射到离散的颜色值。
我们可以通过 ordinal scale 将原始数据中性别映射到颜色值，如快速上手中所描述的例子，这里不再赘述。

BandScale

Band Scale 与 Ordinal Scale 相类似，同样接收离散的值域（O），但是将其映射为连续的数值范围，例如柱状图中原始数据会被映射到连续X轴上的一个个柱子宽度的范围。
Band Scale 的映射结果如下图所示（图片来源于d3/d3-scale）：

BandScale

其中 bandwidth 代表映射后数据对应的宽度，paddingOuter 代表开始以及结果部分的边距，paddingInner 代表每一个映射结果之间的间距，step 则是一个 bandwidth 与 paddingInner 的和。
我们可以通过 band scale 将离散的时间数据映射到柱状图中 X 轴上柱子的排布。映射的定义域为原始数据中的时间属性，值域为 X 轴（范围为 0 - 800px），paddingOuter 以及 paddingInner 均设置为 0.4，相应的映射结果为：

相应的柱状图渲染结果为：

Point Scale

Point Scale 本质上是 Band Scale 的一个变种，其所有的 band width 都被固定为 0，例如折线图中原始数据会被映射到连续X轴上的一个个X坐标。
Point Scale 的映射结果如下图所示（图片来源于d3/d3-scale）。

Point Scale

其中，padding 代表开始与结尾部分的边距，step 代表每一个映射结果之间的间距。
我们可以通过 point scale 将离散的时间数据映射到折线图中 X 轴上的坐标。映射的定义域为原始数据中的时间属性，值域为 X 轴（范围为 0 - 800px），padding 设置为 0.4，相应的映射结果为：

折线图

视觉变量的精确度

人眼对图形各属性的识别度能力有差异，因此各视觉变量在表示数据的准确度有所不同。一般来说，位置、长度的准确度高，倾斜度、角度、面积、体积的准确度相对较低，色彩的准确度最低。

视觉变量的精确度

视觉变量的有效性

对于不同类型的数据(语义、定序、定量 )，当用不同的视觉变量表达时，人们对信息的理解成本也会有高低之分。对于特定类型的数据，如果一个视觉变量表达的理解成本要低于另一种视觉变量，就可以说这个视觉变量对于该类型数据表达的“有效性”更高。

• 语义数据 对语义类型的数据来说，位置、色相是最有效的变量，长度、角度、面积等变量就不适合语义类数据的表达。

• 定序数据 对定序类型的数据来说，因其具有可排序的特点，位置、饱和度是更有效的变量。

• 定量数据 对定量数据来说，因其可计算可比较的特点，位置、长度、角度、面积等变量的有效性更高。

视觉变量的有效性

选取视觉变量的原则

视觉变量的选取要遵循两个原则：

• 一致性原则（视觉变量与数据属性相符）

• 优先级原则（最重要的数据要用最有效的视觉变量呈现）

下面这张图表的设计违反了“一致性原则”，这张图表的意图是展示各品牌汽车所属的国家，国家是语义数据，品牌也是语义数据，但是这张图表选取了“长度”来表达品牌，长度作为视觉变量，适合于定量数据的表达，这幅图中，柱状图柱子的长度会对读者带来误导。

一致性原则

下图为 Playfair 绘制的英国进出口贸易额图表。这张图表中包含的数据变量有：
时间（Q）、贸易额（Q）、进出口类型（N）、贸易差额（Q）、贸易差类型（N）
按照一致性和优先级，以上数据变量分别映射到相应的视觉变量：
时间（Q）：x-position
贸易额（Q）：y-position
进出口类型（N）：color
贸易差额（Q）：area
贸易差类型（N）：color

英国进出口贸易额图表

小结
本章内容介绍了可视化的整体过程：数据、映射与图像，介绍了比例尺函数 Scale 的含义，并讲述了如何依据数据变量的类型，为其选择合适的视觉属性。

系列文章，欢迎关注：