《不只是美:信息图表设计原理与经典案例》—— 2.2 数据的展示形式

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2.2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。

2.2 数据的展示形式

不只是美:信息图表设计原理与经典案例
一旦我们确定了图表要帮助我们完成的目标,接下来就该考虑数据的展示形式。

从比较开始。先前出版的信息图表并没有给我们带来便利。数据都在这里,但是人口数量和预算没有可视化展示。在心中比较这些数据——如果读者想知道不同国家间的相关参数是否成比例就不得不做的事——是非常困难的。

图中军队规模用小人代表,每个小人表示1 000名士兵。之前的图表中,这些符号没有意义,因为它们没有放在同一水平线上,这让原本很容易实现的比较变得困难。如果按照图2.2那样排列士兵,则非常容易进行比较。

cd515ffacb9c497c0d8233e47f86b9010cea1053

如果你认同采用柱状图表更容易比较,那么现在我们把这些国家的军队规模也采用柱状表示并从大到小排列。如图2.3所示,你可以得出:读者很容易找出这场南美军备赛(我做了略微地夸大)中的赢家和输家,而这在之前的《圣保罗报》的图表中需要花费很大的精力。

这时,出现一个新问题。从各种排名来看,似乎巴西都是赢家,因为一个国家的人口数量越多,其军备规模越大,防御预算也越多。但是这些关系是否成比例?也就是说,如果一个国家的人口数量是另一个国家的n倍,其军备是否也是n倍的关系?

8214d69fd88b637caa6bb11f2e79e144ff70ae8a

这个问题与前面提到的第4项任务有关,即参数间的关联。前面的图表不能实现这个目的,因为它处理的仅仅是绝对数据。

试想,如果你打算将密歇根底特律的暴力犯罪情况与纽约波基普西的进行比较,又该怎么办?你肯定不会使用被害人总数之类的绝对数据,因为底特律比波基普西大得多,所以其犯罪总量必然也很大。

相反,你会导出一个新参数,即把每个城市的犯罪份子总数除以其人口数,再乘以100 000,得到的结果为每100 000个人中的犯罪人数。

同理,这也适用于巴西防御信息图表。如果我们将军队规模与人口数量关联,或计算出防御的人均投入,这时我们可以得到什么?排名将完全不同。相比于图2.3,图2.4给读者提供了更多而且更深入的理解:军队规模的绝对数据最大的并不代表其相对数据也最大。从相对数据而言,巴西人的爱国情结有待加强,因为每1 000人中的参军数这一项,其排名倒数第2,而委内瑞拉和玻利维亚这些国家在这一项都比巴西强,受游击战争影响的哥伦比亚则遥遥领先。

是否可以利用绝对数据表示相互关系?当然可以。你可以设计一张离散点图表,即第1章提到的那类图表。

经过对《圣保罗报》中展示的图表的思考,我重新设计了一张离散点图表,名为“从另外一个角度看数据”,并与前面的图表放在一起(图2.5)。如果这是一个真实的项目,我不会这样做,因为从本质上讲,它与之前两张柱状图表传递的信息相同,但是说明了很重要的一点:在多数情况下,对特定数据集进行正确编码的方法不只一种。也许你有多种选择,但首先需要思考的是,通过你的信息图表读者更喜欢回答哪些问题。

053d4ae71e5a8fb408d6ebb027e7345586407b7c
相关文章
|
7月前
|
数据采集 存储 数据可视化
微博数据可视化分析:利用Python构建信息图表展示话题热度
微博数据可视化分析:利用Python构建信息图表展示话题热度
|
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。
574 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—数据可视化进阶—常用视图(3)(十一)
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,
162 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(3)(十一)
|
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—数据可视化进阶—常用视图(4)(十二)
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,
145 0
数据分析三剑客【AIoT阶段一(下)】(十万字博文 保姆级讲解)—Matplotlib—数据可视化进阶—常用视图(4)(十二)
|
编解码 数据可视化 JavaScript
【阅读】数据之美,一本书学会可视化设计
【阅读】数据之美,一本书学会可视化设计
549 0
【阅读】数据之美,一本书学会可视化设计
|
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
116 0
综合案例4-显示作者数据 | 学习笔记
|
数据可视化 定位技术 Python
Python:利用python编程将上海十六区,2020年5月份房价实时地图(数据来源房天下)进行柱状图、热图可视化
Python:利用python编程将上海十六区,2020年5月份房价实时地图(数据来源房天下)进行柱状图、热图可视化
Python:利用python编程将上海十六区,2020年5月份房价实时地图(数据来源房天下)进行柱状图、热图可视化