干货 | 数据可视化中5个常见错误及克服方法

简介:

干货 | 数据可视化中5个常见错误及克服方法

数据可视化的普及和影响在相对较短的时间内急剧增加。 Google趋势显示,自2009年以来,数据可视化的搜索频率几乎增长了100%,我们已经看到了大量可用的工具和软件,几乎任何人都可以相对轻松地创建数据可视化。

比起文本,我们本能地更热衷于图像,因为大脑能够以更快的速度处理图像。 然而,这并不意味着你可以把大量的图像和形状放在仪表板上,并期望你的观众赞叹。 就像在我们被图像吸引背后的认知方面,还有其他固有的东西,在某种程度上,与潜意识的行为变得相关。 其中之一就是第一印象。

我们都知道这句话:第一印象持续一生。 但它背后有多少真理呢? 好吧,事实证明:非常多。 类似于本能战斗或逃跑反应,人类执行无意识思维的行为,称为快速认知; 比我们习惯的刻意的决策风格更直观,更快速。

快速认知是我们从一个非常短暂的经验中深入挖掘和衡量真正重要的能力。 正如我们被告知从来不要通过一本书的封面判断它一样,我们每天都使用这种能力,它通过快速解析大量的信息,决定什么是最重要的,而不采取较慢,更理性的思维方式。

心理学家称这种现象为“薄片(thin-slicing)”:在几秒钟内感知细节或信息需要大脑的理性部分花费几个月或几年的时间去评估。 Malcolm Gladwell将其描述如下:

薄片(Thin-slicing)不是一种异国情调的礼物。 它是对于人类来说意味什么的中心部分。 每当我们遇到一个新的人,或者必须快速地了解一些东西时就会发生薄片现象… …我们依靠这种能力,因为在很多情况下,仔细注意细节,即使不超过一秒钟,都可以告诉我们非常多的信息。

好消息是,你可以改变和反驳别人对你不良的第一印象,让他们更了解你。但是在网络上这就要困难得多,因为我们的注意力周期总是在历史新低处。与之对应的,比以往任何时候都更难吸引你读者的注意力,你不能让坏的第一印象进入你数据可视化的个人简介里——尤其是当信息被埋藏的更深时容易引人探究。

为了防止这一点,我们将讨论5个最常见的错误,以避免涉及不同可视化类型数据的错误形式。

1.数据过载

许多可视化数据和BI仪表盘的牺牲品数据过载——内容拥挤,其中一些可能不添加任何数据的理解。例如,尽管三维图表看起来可能令人印象深刻,但他们往往使数据的解释更加困难。

同样的,BI仪表盘与5图表和众多的标签可能会展示数量显著的研究结果,但如果你的读者无法区分他们在看什么,最终也是无用的。不必要的插图、阴影、字体和纹饰会使数据分散,所以尽量少用。在大多数情况下,少即是多。

2.访问轴

处理定量数据时,条形图或折线图是使内容可视化最好的方法之一。一个常见的错误是图表轴;当它看上去是有效启动轴值越高于零时值越大,这可以将酒吧营业额和他们价值观精确的表示。

3.不要“切太薄”

处理全部数据时,数据通常以部分到整体关系的形式出现,更为人知的是叫做饼图。 饼图是一种非常受欢迎的表现数据的方法,然而饱受非议的是,正如Walter Hickey所说,它是“他们表面上被设计用来做的令人难以置信的糟糕的一件事”。

没有区段标签,实际上很难区分饼状图段的大小(你能区分36%和37%之间的差异吗?),因此确保图表的所有区域都清楚地标记。 此外值得考虑的是所使用的类别的数量; 太多不同的段使得每个段之间难以区分。

4.交叉线

位于特定范围内的数据通常用于展示随时间的变化。 因此,折线图是传达数据之间的变化或差异的有效方式。 您可能已经开始注意到这里的趋势,但重要的是不要在图表中使用太多的线。 在图表上有大量的交换线会很快变得混乱,因此我们建议不要使用超过4个系列。

5.适当的颜色

热图是数据可视化世界中最新的图表之一,并迅速变得流行。 使用地理空间作为基础是完美的分类数据,但有一些障碍可能会使你迷惑。 颜色和数据范围都应在热图中正确使用。

一些颜色比其他颜色更突出,这可能给数据带来不必要的权重。 相反,使用具有不同阴影的单一颜色来显示强度水平。 对于数据本身,请选择3-6个数字范围,在它们之间均匀分布数据。 +/-符号可以扩展高的和低的范围。

通过数据高效地讲故事是一个必需的技能,这将有助于你在组织中的影响力。


本文作者:Josh Anderson

来源:51CTO

相关文章
|
关系型数据库 数据库 数据安全/隐私保护
PostgreSQL安装和使用教程
PostgreSQL安装和使用教程
816 0
|
数据中心 运维 网络协议
|
Windows
windows 电脑 连接蓝牙耳机没有麦克风
【8月更文挑战第31天】当Windows电脑连接蓝牙耳机后无法使用麦克风时,可尝试以下步骤解决:检查蓝牙设置,确保耳机正确连接并开启麦克风选项;检查音频设备设置,确认蓝牙耳机为默认播放和录制设备;更新蓝牙和音频驱动;确认耳机与系统的兼容性及正确设置。如问题未解,可重新配对耳机或联系客服。
8508 7
|
计算机视觉
【图像处理】 Halcon 实现图像亚像素边缘检测
如何在Halcon软件中实现图像亚像素边缘检测,包括读取图片、图像阈值化、边界提取、区域扩张、亚像素边缘提取、轮廓拟合和彩色绘图等步骤,并提供了相应的Halcon代码实现和检测效果展示。
450 2
|
8月前
|
Prometheus 监控 Cloud Native
高频面题: 你们线上 QPS 多少?你 怎么知道的?
本文由45岁资深架构师尼恩撰写,针对高级开发和架构师面试中的高频问题提供详细解答。文章涵盖了QPS、TPS、RT等性能指标的定义及计算方法,详解了如何配置Prometheus与Grafana监控系统QPS,并提供了应对高并发场景(如双十一抢购)的系统部署策略。此外,还分享了多个大厂面试真题及解决方案,帮助读者在面试中充分展示技术实力,提升求职竞争力。建议收藏并深入学习,为面试做好充分准备。更多内容可参考《尼恩Java面试宝典》及相关技术圣经系列PDF。
|
9月前
|
SQL 存储 Apache
Apache Doris 3.0.3 版本正式发布
亲爱的社区小伙伴们,Apache Doris 3.0.3 版本已于 2024 年 12 月 02 日正式发布。该版本进一步提升了系统的性能及稳定性,欢迎大家下载体验。
367 16
|
9月前
|
消息中间件 运维 安全
后端开发中的微服务架构实践与挑战####
在数字化转型的浪潮中,微服务架构凭借其高度的灵活性和可扩展性,成为众多企业重构后端系统的首选方案。本文将深入探讨微服务的核心概念、设计原则、关键技术选型及在实际项目实施过程中面临的挑战与解决方案,旨在为开发者提供一套实用的微服务架构落地指南。我们将从理论框架出发,逐步深入至技术细节,最终通过案例分析,揭示如何在复杂业务场景下有效应用微服务,提升系统的整体性能与稳定性。 ####
149 1
|
11月前
|
Oracle 关系型数据库 Linux
VMware的竞品
VMware的竞品
284 2
|
JSON 数据挖掘 API
京东商品评论数据接口:洞察消费者心声的重要渠道
京东商品评论数据接口提供了商品用户评价信息,包括评价内容、时间、星级、用户头像、昵称、图片和视频地址等。使用时需注册京东开放平台账号,获取认证信息,查阅API文档,明确所需商品信息并调用接口,解析返回的JSON数据以获取评论。此接口适用于市场分析、产品改进、提升用户体验、品牌塑造与口碑营销以及电商运营决策等多个场景,帮助企业深入了解消费者需求,优化产品和服务。
|
存储 缓存 监控
快速掌握Redis优化要点,告别性能瓶颈!
# Redis优化指南 了解如何提升Redis性能,从读写方式(整体与部分)、KV size、Key数量、读写峰值、命中率、过期策略、平均穿透加载时间、可运维性、安全性等方面着手。选择合适的读写策略,如只整体读写或部分读写变更,优化KV size避免过大或差异过大,合理管理Key数量,应对不同读写峰值,监控命中率并持续优化,设置智能过期策略,减少平均穿透加载时间,确保高可运维性并强化安全性。一起探索Redis的性能潜力!
2664 5