《数据可视化之美》阅读
第1章 论美
数据可视化的“美”的三要素：新颖、充实、高效
- 新颖：一个可视效果要想真正做到“美”，它必然不仅仅是作为信息渠道，还必须具备某些新颖性：一种崭新的视觉观察数据，或者一种风格可以激发读者的激情从而达到新的理解高度。
- 充实：对于任何可视化而言，不论美丽与否，其成功的关键是提供了获取信息的途径。信息传递能力是判断整体成功与否的的最重要的因素，因此它是可视化设计的主要驱动力。
- 高效：美丽的可视化具备一个清晰的目标、传递一种信息或者提供一个特别的角度来表达信息。访问这些信息必须尽可能地直截了当，而不需要牺牲任何必要的相关复杂性。
经典的可视化例子
元素周期表通过元素的编排组织揭示了元素之间的相互关系以及周期性变化的物理属性。表的结构直接取决于其所表示的数据。在这张表上，元素的属性一目了然。除此之外，根据元素周期表上的空白，能够精确地预测尚未发现的元素。
②城市地铁图（如伦敦地铁图）
这种可视化风格把地图从准确的代表地理位置特征的束缚中解放出来了，引领了更简单地反映地铁旅行实际情况的抽象视觉风格：在地铁系统中，人们最关心的是自己和系统中其他位置的逻辑关系。精确地显示了地理特征的其他地图可以帮助你找出在地面上可以做什么，但是当你在地铁里时，你能够到达的地面位置仅仅是那些地铁站（满足当前需求）。
如何实现美丽
1.走出默认风格。
格式明确地、标准的可视化风格有其优点：易于创建，读者对其模式非常熟悉等等。然而通常情况下，使用实用性的格式难以实现新颖性：默认方式很好用但存在局限性。抛弃默认格式并采用更好、更强大的解决方案必须是为了传递信息而非多样化。
2.使可视化信息更充实
为了确保可视化的实用性，有两个方面需要考虑：预期的信息和使用场合。
- 预期的信息：想要传达什么信息，要回答什么问题.......
- 使用场合：一是旨在揭示设计师所知道的；二是为了帮助未知事物的研究。前者是演示工具，后者是探索工具，存在巨大的不同。我们平时所做的标准的图标都偏向于前者，而旨在促进探索的可视化通常存在于更专业、面向研究的科学、商业和其他领域之中。元素周期表就是典型的前者和后者的结合，通过已知的元素来定义结构，并以此为根据来发现新的元素。
3.使可视化变得高效
值得注意的一点是，可视化的每一部分内容都将使用户花费更长的时间来找到在该可视化中的任何元素。所以页面上无关的东西越少，用户找到需要的信息就越方便。
4.视觉上突出重要的因素
我们平时做PPT或者WORD文档就已经体现这一点了，通过加粗、斜体、箭头等方式来突出重要的信息（这篇博客亦是如此）。同时，并不是很相关的内容也可以使用淡化、色彩弱化等方式来显示。而突出重点、强调相关性的这种方式适用于数据展示，而不适用于数据研究。
5.使用轴线表达含义并展示自由信息
在减少可视化噪音数据和文本数量的同时仍能保留足够的信息的一个非常棒的方式就是定义轴线，然后使用这些轴线来指导可视化中其他模块的位置。如元素周期表是由定义清晰的行（周期）和列（分组）组成的。可以通过查看一个元素占有的周期和所属的分组来了解关于该元素的很多信息，而不需要显式地展现在元素的表格单元中。
6.相关部分的切分
这个很好理解，为了减少混乱，把大数据集划分成多个相似或者相关的子集并分别可视化。
7.慎重使用惯例
虽然之前一直在讲要新颖，但是在某些时候，惯例可以帮助读者更好地吸收信息。比如读者在潜意识里就知道地铁线路图中同一个颜色的线代表一条线路，并不需要任何其他的解释说明，很容易被读者理解。
8.充分利用美感
这一块太灵活了，在后面会详细讲到。。
付诸实践
书中提到了一个非常经典的例子，那就是美国的2008年总统竞选地图。
这幅图沿用了传统的美国国家地理图，非常正统规范，然而问题在于，这是我们所需要的吗？每个州的面积决定了在这幅图中所占面积的比重，却并没有很好地表现出具体的竞选情况，看图的话我们会以为共和党和民主党势均力敌。
然而事实并非如此，它甚至带来了很多误导，比如让我们来看看新泽西州和美国的Idaho、Montana、Wyoming、North Dakota和South Dakota的面积之比：
比例相当夸张，然而我们对每个州的面积并不感兴趣，我们关心的是选票情况。实际上，以上5个州的选票加起来只有16张，而新泽西，这么一个小地方，却也有15张选票，只比5个州加起来少一张而已，差距微乎其微。所以对这份地图来说，它完美符合了地理要求，却违背了我们所想知道的关于竞选票数信息的要求。
那么对于这个问题，更合理的表现方式是什么呢，《纽约时报》给出了另一份地图：
首先这份地图从州的面积上讲已经完全失去了地理准确性。但是它有非常明显的特点：
- 美国各个州的相对位置基本还保留着，目的是为了让读者更好地找到他们感兴趣的州并探测区域趋势；
- 它根据每个州的选票数量，利用方块来定义边界，并且尽可能地维持每个州的形状；
- 通过抛弃传统的地理准确性来突出竞选票数信息，从而高效地、直白地表现数据。
结束语
数据可视化挺有意思的，刚入门，好好学~