这里把《数据之美，一本书学会可视化设计》的摘抄分享下吧，图示上有不清晰的地方还请包容。
你真的理解数据了吗？
- 对原始数据了解得越多，打造的基础就越坚实，也就越可能制作成令人信服的数据图表。
- 好的可视化设计，需要具备统计学和设计方面的知识。
- 可视化创作是一个迭代的过程，不同的数据集迭代周期不同。
- 由于数据代表了一定的人物、地点和事物，所以除了真实的数字之外，还有重要的背景信息。
- 注意，垃圾信息的相对而言。一个图表需要剔除的东西，在另一个图表中也许是有用的。
数据引导可视化设计
- 好的图表，不只是要能快速理解，还包括它显示的内容如何，以及它是否帮助你看到了之前没有看到的东西。
- 要想把数据可视化，就必须知道它表达的是什么。数据描绘了现实的世界。与照片捕捉了瞬间的情景一样，数据是现实世界的一个快照。
- 数据和它所代表事物之间的关联既是把数据可视化的关键，也是全面分析数据的关键，同样还是深层次理解数据的关键。
- 应用：GPS追踪信心、追踪个人体重、饮食、就寝时间等相关信息
掌握可视化设计的原材料
- 数据会因其可变性和不确定性而变得复杂，但放入合适的背景信息中，就会变得容易理解了。
- 实际上，如果你不知道自己在寻找什么，那么再细的图标也会难以理解。
- 一个独立的离群值可能是需要修正或特别注意的。也许在你的体系中随着时间推移发生的变化预示有好事（或坏事）将要发生。周期性或规律性的事件可以帮助你为将来做好准备，但面对那么多的变化，它往往就失效了，这时应该退回到整体和分布的粒度来进行观察。
- 在基于不确定因素的估算下，数据误差是存在的。如果不考虑数据的真实含义，或者没有确保描述清楚，很容易产生误解。
- 当我们对某些数据模糊不清的时候，数据所依存的背景信息就发挥作用了。背景信息可以完全改变你对某一个数据集的看法，它能帮助你确定数据代表着什么以及如何解释。
- 使用数据而不了解除了数值本身之外的任何信息，就好比拿断章取义的片段作为文章的主要论点引用一样。
不了解数据，一切皆是空谈
- 你必须首先了解何人、如何、何事、何时、何地以及何因，即元数据，或者说关于数据的数据，然后才能了解数据的本质是什么。
2.1 何人(who)：如“谁收集了数据”、“数据是关于谁的”
关键在于样本要在人群中平均分布，这样才可以代表整体。
2.2 如何(how)：你不需要知道每种数据集背后精确的统计模型，但要小心小样本，样本小，误差率就高；你也要小心不合适的假设，比如包含不一致或不相关信息的指数或排名。
2.3 何事（what）： 你要自导自己的数据时关于什么的，你应该知道围绕在数字周围的信息的是什么。
用相同的方法对待所有的数据集，用千篇一律的方法和工具处理所有数据集，这是一种严重的错误！
2.4 何时(when)：你必须清楚数据是什么时候采集的。不要把旧的数据当成现在的来对付！事在编，人在变，地点也在变，数据自然也会变。
2.5 何地(where): 事情会随着时间变化，也会随着城市、州、国家的不同而变化。不要将来自少数几个国家的数据推及整个世界。
2.6 为何（why）：你必须了解采集数据的原因，这样才能检查数据是否存在偏颇。
所以，首要的任务是竭尽所能了解自己的数据，你的数据分析和可视化会因此增色！
让可视化设计更为清晰
- 如何涉及数据隐私的地方，最好限制一下你所展示和观察到的信息。
- 富交互式叙事技术，即将视频、音频和文本等多种类型的媒体与可视化相结合，让用户参与交互实验。
- 流程图就是沟通中和进行决策时可用的一种直接明了的方法。你从一个状态开始，然后回答问题，转移到另一个相邻的状态，最后进入到帮助你做决定的状态。
- 所谓可视化数据，其实就是根据数值，用标尺、颜色、位置等各种视觉暗示的组合来表现数据。深色和浅色的含义不同，二维空间中右上方的点和左下方的点含义也不同。
- 可视化是从原始数据岛条形图、折线图和散点图的飞跃。
- 对于可视化，如果你知道如何解释数据以及图形元素是如何协作的，得到的结果通常比软件做的好。
- 先总览，在缩放不能干筛选，然后按需寻找细节。—《The Eyes Have It》
- 数据具有不确定性，因为每个数据点都是对某一瞬间所发生事情的快速捕捉，其它内容都是你推断的。
- 否定的事情，用下降来表示减少更合理。
别忘了，你是为读者进行可视化设计
高亮显示重点内容
- 可视化图表具有可读性，能帮助人们理解数据，并总结出数据表达的内容。在报告中嵌入图表，或给图表配上文字说明，可以详细地解释结论。然而，把可视化图形从报告中抽出来，或者断开它和提供背景信息的文本间的联系，数据可能就会失去它的含义。更糟糕的是，其他人可能会曲解你想表达的内容。
- 高亮显示能引导读者在茫茫数据中一下子就能看到重点。它既可以加深人们对已看到东西的印象，也可以让人们关注到那些应该注意的东西。时时牢记数据、视觉暗示和可读性。
- 可视化图表可以纯粹从美学的角度欣赏，但最有趣的还是数据。这就是为什么可视化要从数据开始，探索数据，然后展示结果，而不是从可视化开始，然后尽力把数据集放进去，否则，就像是用锤子砸一大把螺丝钉。
- 可视化的精髓在于理解数据中的关系和模式。
当你没有数据时，千万不要硬编出来。 - 用纸上的草图把你想做的展示出来，这不受电脑技术的限制。知道有限制是好的，但更好的是现有许多想法，然后缩减将之填入数字和时间的限制中。不要把作品限制在电脑能做的范围内。要告诉电脑你要做什么，而不是电脑告诉你能做什么。
- 因为是向别人展示数据，你要考虑到他们会怎样审视你的作品。你自己是唯一的观众时，你就只为一个人设计，只会有一种距离、一个电脑屏幕或一张纸。有其他人时，情况就不一样了。每个人都有不同的背景、不同的打印机和不同的电脑屏幕分辨率，虽然无法满足所有人的需求，但至少要在合理的范围内尝试着对尽可能多的人负责。
- 知道要展示什么之后，你可以琢磨该怎么来展示。在电脑上花费大量时间前可以先从纸笔开始，所以你得在身边放一本笔记本。想到可能有用的东西就要用草图、涂鸦和草稿记下，然后再试着用电脑转换它们。
- 数据可视化的一般过程：把所有东西整合起来，从理解数据，到探索数据，使之清晰，并适应读者。
- 你的目标是做到取出任何食材——数据，你都能明白它代表了什么。对自己的数据理解得越深，就能帮助他人理解的越深。数据可视化就是这样变得有价值的。
将可视化进行到底
可视化工具
excel、spreadsheets、tableau、
针对特定数据的工具
gephi、imagePlot、树图、TileMill、indiemapper、geocommons、ArcGis
编程工具
R语言及其扩展包(ggplot2统计学可视化框架，network可创建带有结点和边的网络图，ggmaps基于谷歌地图openstreetMap及其它地图的空间数据可视化工具，animation可制作一系列的图像并将它们串联起来做成动画，portfolio通过树图来可视化层次型数据)
js\html\css\svg(可视化库d3.js/raphael/js infovis toolkit)
processing 合适编程新手
python(matplotlib)
php
插图工具
Adobe Illustrator
典型的工作流程:用R语言创建基础图形，将图标保存为PDF文件，然后用Illustrator来修改颜色、添加标注，最后再加工一下。
数据统计
关于数据说明的问题，以及如何从文本文件和数据库的一堆数字中筛选出有用信息，统计学提供了更宽阔的视角。统计学还有助于处理稀疏和损毁的数据。
