《不只是美:信息图表设计原理与经典案例》—— 2.5 功能限制形式

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2.5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。

2.5 功能限制形式

不只是美:信息图表设计原理与经典案例
Louis Sullivan的粗略本质论引起的误导并不反驳这样一种观点,那就是形式与功能是而且必须是密切相关的。是的,正如我们刚才所讲到的,功能不一定决定形式。但是这个观点也没错,那就是技术实体的形式必须依赖于其辅助完成的任务。处理信息图表与可视化时需要记住的重要原则之一是:形式应该受制于你所展示的功能。为了便于读者操纵并从中提取有用的信息,数据集的展示可以采用多种形式,但并非适于任何形式。如何选择可视化类型进行数据编码,这不只涉及美感和个人喜好。

通常,目的越明确,可采用的形式越少。下面介绍几个真实的例子阐述这个原则。

十几年前,我在西班牙的几家报社工作过,对他们的排版非常熟悉。他们的排版有一些固定模板,这是新闻传媒业的惯例:如果你知道每月都要发布一张关于失业率的信息图表或者每天都有一页用于天气预报,那么为何每次都要重新设计一张图表呢?运用模板节省时间。不幸的是,这种做法滋生惰性。一次次地使用模板让你不再深究它的结构和适用性,而仅仅是打开这个模板,更新数据并保存,而后关注那些更加有趣的材料。

图2.6的信息图表与西班牙许多报纸使用的模板类似,用于公布每月失业率。图表给出了所有数据,包含一个数据统计信息层,提供了数据概要。3种不同灰度色调分别代表高于平均值、等于平均值和低于平均值。

现在,我们通过一些问题对其进行评论。试着回答以下问题,每个问题的回答时间不能多于5秒。

1.哪个地区的失业率上升最快?

2.哪个地区下降最快?

3.马德里、拉里奥哈或加纳利的失业率有没有增加?

4.埃斯特雷马杜拉、安达卢西亚或巴利阿里的失业率降低量是否相对较多?

很可能,你回答不了这些问题。之前我设计这种图表时也没有问自己这些问题,但是现在我这样做了。我改变观念,从读者的角度思考问题,而不是从设计者的角度。作为读者,这些答案就是我利用这种图表工具想要得到的。

23a98169beb801064d04932b000c1e4b207cc8f7

这张图表面临的问题与本节开头分析的图表类似。当你试图回答上面的任何一个问题时,将发生如下情况。

1.你的眼睛不停地搜寻问题中提到的那些数据。

2.用你的大脑记住这些数据。

3.在脑海中从大到小排列这些数据(或从小到大)。

4.在脑海中比较这些数据。

这需要很大的工作量。如果我们知道读者更关注他们自己所在地区的情况,何不事先这样做?图2.7使用了同样的数据,但是分析这些数据时你可以有多种选择。

99ec15ef1e89a9a10a396118b45422312edbb363

再看这张图:是否有必要这样做?可能需要。该例中,这些区域的失业率可能与地理位置相关,如图所示,西班牙东南部的失业率越来越高。

在2004年的季度技术交流访谈时,Edward Tufte探讨了有关可视化与信息设计(他更愿意将之称为分析设计)的最重要的理论,他将形式与功能的关系简要定义如下。

有效的分析设计必须从思考法则转变为懂得法则。因此,如果思考的目的是为了找出因果关系,那么需要这个设计原则——展示因果关系。如果思考的目的是为了回答问题或与其他作比较,那么这个原则就是——展示可比性。关键是,分析设计并非取决于使用者的便利性、读者的可读性、心理学家或装饰者的想法,而是其结构如何帮助思考和分析这些证据1。

这个定义讲得很清楚。但是,像前面的例子一样,该观点也不尽然。运用Google将信息图表作为关键字进行简单搜索,会得到成千上万的项目链接,这些项目的设计者在选择图表形式时并没有考虑该形式对思考有多少帮助,而只是使其形式看起来很酷、有创意或者有趣。他们没有形成这样的重要技能,那就是问自己“我的图表用来干什么?”这些设计者很容易成为样式的牺牲品。正如我书中所写的,没有任何一种样式误导比泡泡来得更广泛。

相关文章
|
存储 编解码 算法
带你读《多媒体技术教程(原书第2版)》之三:图形和图像的数据表现
本书内容取自课堂上讲述的实际素材,适合作为计算机科学和工程专业学生的教材。从多媒体数据表现、多媒体数据压缩、多媒体通信和联网、多媒体信息分享和检索四个层面对多媒体涉及的基本概念、基本原理和基本技术进行了详细介绍。作者用一种实用的方式来讲述基本概念,使学生能够运用享有的技术来解决现实多媒体世界中的问题。
|
前端开发 安全 Java
案例所用技术介绍|学习笔记
快速学习案例所用技术介绍
案例所用技术介绍|学习笔记
|
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,
154 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,
135 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)
|
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(1)(九)
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(1)(九)
|
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(2)(十)
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,
193 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(2)(十)
|
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)
|
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 API
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—Seaborn(1)(十四)
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,
604 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—Seaborn(1)(十四)
|
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
下一篇
无影云桌面