《不只是美:信息图表设计原理与经典案例》—— 2.1 防御信息图表

简介:

本节书摘来异步社区《不只是美:信息图表设计原理与经典案例》一书中的第2章,第2.1节,作者:【美】Alberto Cairo,更多章节内容可以访问云栖社区“异步社区”公众号查看。

2.1 防御信息图表

不只是美:信息图表设计原理与经典案例
首先,用一个真实的例子说明我的意思。作为全球经济排名第六的经济体(2011年英国经济与商业研究中心数据),巴西虽然是南美洲的大国,其军备力量却与之不匹配。与巴西相邻的一些国家,如委内瑞拉和智利,每年都投入相应的大量财力以维持其海陆空实力。正因为如此,问题出现了:巴西以近发达国家自居并以此为豪,而且想昭告全世界。所以,2008年8月,巴西政府宣布了一项新的战略防御计划,这曾经是多年前公众讨论的焦点。

《圣保罗报》(Folha de São Paulo)是巴西的主流报纸,它拥有这个国家最大的信息图表团队,而且人才济济。当时,《圣保罗报》将整整一页的篇幅用于评论Lula da Silva的新战略计划。那是一版时政评论,阐述了为什么那项防御计划的部分内容并不妥当,以及巴西邻近区域的一些竞争对手更多地关注于领土和领海防御的事实。

这篇评论使用了两张信息图表。第1张是2009年的巴西防御预算明细,第2张是图2.1的资料来源,名为“邻里防御:巴西周边国家的军备实力概况”。

我将利用图2.1演示一个练习。前面我提到并建议,在报纸、杂志、书籍或网站上看见信息图表时都可以作这种练习。这种练习有助于你成为一名信息图表与可视化专家。第1步很简单,询问自己如下问题。

设计者希望我利用这张图表做什么?

也就是说:如果我们认可信息图表首先是一种工具,那么这张图表将要帮助我们完成什么任务?针对这张巴西防御图,我列出如下清单。

1.这张图表必须展示一些参数——军队规模、人口数量、防御预算等——这样,我才能了解一些基本信息。

2.可以进行比较。只须一眼,我应该能够说出哪个国家的军备最强,哪个国家的军备最弱,其人口数量多还是少,或其军费投入多还是少。

3.有助于根据变量和比较条件将这些国家进行从大到小的组织排列。

4.能够将一些统计关系和关联明显地展现出来。例如,人口数量与防御力量是否成比例?

通过实现这4项任务——展示、比较、组织、关联——将得到一张优秀的信息图表。如果一张图表给出了大量参数和数值,但是没有适当关联,读者很难对这些数据进行挖掘。

试想,如果你是一名巴西人,第一意识可能是将自己的国家与委内瑞拉和阿根廷进行比较,这两个国家是该区域巴西的主要商业和战略竞争对手。如果想对某些数据进行比较,如人口数量,你必须读完所有数据并记住,然后在脑中组织这些数据。这实现起来有多难?想要比较军备预算时也一样。

32b9fc98bc0dae9144a3667d0d71f226ac7e8174

这项任务需要超凡的记忆力。从实用的角度讲,图表与简单的表格稍有不同。图表看起来可能会美观一些,但是仍然很难从中提取一些基本信息。

另外,是否有必要将地图作为主要的可视化元素?我不这么认为。这样做会让人觉得该图表的主要目的是展示巴西周边国家的分布——而这些内容《圣保罗报》的绝大部分甚至所有读者均已知晓。

为了表示公正,我知道,《圣保罗报》图表设计者的时间确实紧张,从记者那里得到这些数据后,他只有2个小时制作这张图表。对大事件新闻进行反复斟酌的时间有限,效果也只能如报纸上所呈现的。尽管如此,如果事先经过10~15分钟的思考和计划,我相信这张图表会得到很大的改善。

接下来是我们这个练习的第2个步骤。

目录
相关文章
|
6月前
|
数据可视化 数据挖掘
【视频】复杂网络分析CNA简介与R语言对婚礼数据聚类社区检测和可视化|数据分享
【视频】复杂网络分析CNA简介与R语言对婚礼数据聚类社区检测和可视化|数据分享
|
6月前
|
数据可视化 BI 定位技术
数据可视化系列-02各类图表的综合使用介绍及实践-下篇
数据可视化系列-02各类图表的综合使用介绍及实践-下篇
|
机器学习/深度学习 网络架构
「拖拽」就能实现精准P图的DragGAN,论文作者亲自揭秘技术了
「拖拽」就能实现精准P图的DragGAN,论文作者亲自揭秘技术了
139 0
|
存储 数据可视化 atlas
对于组学数据的分析和展示来说,maftools算是一个宝藏“R包”,可用于MAF格式的组学数据的汇总,分析和可视化展示。
对于组学数据的分析和展示来说,maftools算是一个宝藏“R包”,可用于MAF格式的组学数据的汇总,分析和可视化展示。
557 0
|
数据可视化 数据挖掘 Python
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化高级—多图布局(1)(五)
你好,感谢你能点进来本篇博客,请不要着急退出,相信我,如果你有一定的 Python 基础,想要学习 Python数据分析的三大库:numpy,pandas,matplotlib;这篇文章不会让你失望,本篇博客是 【AIoT阶段一(下)】 的内容:Python数据分析,
192 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化高级—多图布局(1)(五)
|
数据可视化 数据挖掘 Python
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化高级—多图布局(2)(六)
你好,感谢你能点进来本篇博客,请不要着急退出,相信我,如果你有一定的 Python 基础,想要学习 Python数据分析的三大库:numpy,pandas,matplotlib;这篇文章不会让你失望,本篇博客是 【AIoT阶段一(下)】 的内容:Python数据分析,
137 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化高级—多图布局(2)(六)
全区域治理-功能提取(简易版初稿)
全区域治理-功能提取(简易版初稿)
112 0
全区域治理-功能提取(简易版初稿)
|
数据库 开发者 Python
综合案例4-显示作者数据 | 学习笔记
快速学习综合案例4-显示作者数据
112 0
综合案例4-显示作者数据 | 学习笔记
|
数据可视化 UED
《信息可视化:交互设计(原书第2版)》——2.17节感知与解释
本节书摘来自华章社区《信息可视化:交互设计(原书第2版)》一书中的第2章,第2.17节感知与解释,作者:(英) Robert Spence,更多章节内容可以访问云栖社区“华章社区”公众号查看
1325 0
|
数据可视化 UED
《信息可视化:交互设计(原书第2版)》——第2章基本概念
本节书摘来自华章社区《信息可视化:交互设计(原书第2版)》一书中的第2章基本概念,作者:(英) Robert Spence,更多章节内容可以访问云栖社区“华章社区”公众号查看
1073 0
下一篇
无影云桌面