|
|
# 32 | 数据之美：如何选择合适的方法对数据进行可视化处理？
|
|
|
|
|
|
你好，我是月影。
|
|
|
|
|
|
我们知道，可视化包括视觉和数据两大部分。通过前面的课程，我们完成了可视化中视觉呈现部分的学习，学会了用某种技术把数据展现给用户，产生丰富的、生动的、炫酷的视觉效果。今天，我们正式进入数据篇，开始学习数据处理。
|
|
|
|
|
|
你可能会问，学习可视化设计一定要学会处理数据吗？答案是一定要学。因为在可视化项目中，我们关注的信息经常会隐藏在大量原始数据中，而原始数据又包含了太过丰富的信息。其中大部分信息不仅对我们来说根本没用，还会让我们陷入信息漩涡，忽略掉真正重要的信息。
|
|
|
|
|
|
因此，只有深入去理解数据，学会提炼、处理以及合理地使用数据，我们才能成为一名优秀的可视化工程师。
|
|
|
|
|
|
那数据究竟是怎么从原始数据中获取的，又是怎么被我们用可视化的方式表达出来的呢？其实方法有很多，不过这节课我先举三种方法，让你对可视化数据处理手段有一个全面的认知，后几节课我们再深入讲解一些比较通用的数据处理技巧。
|
|
|
|
|
|
## 从原始数据中过滤出有用的信息
|
|
|
|
|
|
首先，我们明确一点，在可视化中，我们处理数据的目的就是，从数据中梳理信息，让这些信息反应出数据的特征或者规律。一个最常用的技巧就是按照某些属性对数据进行过滤，再将符合条件的结果展现出来，最终让数据呈现出我们希望用户看到的信息。
|
|
|
|
|
|
这么说可能还不太好理解，我们来看一个简单的例子。假设现在有一个小公园，公园有四个区域，分别是广场、休闲区、游乐场以及花园。每天上午8点、中午12点、下午6点以及晚上8点这四个时间，公园管理处会通过航拍收集4个区域上人群的分布信息，得到每天人群分布的数据之后，公园管理者就能够利用这些数据来优化公园的娱乐设施了。
|
|
|
|
|
|
具体该怎么做呢？利用可视化来解决这个问题会非常简单，思路就是先把人群的分布数据绘制成合适的可视化图表，从中分析出人群分布的规律。
|
|
|
|
|
|
这里，我仿造了一组人群数据，将它放在[GitHub仓库](https://github.com/akira-cn/graphics/blob/master/data/park-people/data.json)里，数据格式如下：
|
|
|
|
|
|
```
|
|
|
[{
|
|
|
"x": 456,
|
|
|
"y": 581,
|
|
|
"time": 12,
|
|
|
"gender": "f"
|
|
|
}, {
|
|
|
"x": 293,
|
|
|
"y": 545,
|
|
|
"time": 12,
|
|
|
"gender": "m"
|
|
|
}, {
|
|
|
"x": 26,
|
|
|
"y": 470,
|
|
|
"time": 12,
|
|
|
"gender": "m"
|
|
|
}, {
|
|
|
"x": 254,
|
|
|
"y": 587,
|
|
|
"time": 12,
|
|
|
"gender": "m"
|
|
|
}, {
|
|
|
"x": 385,
|
|
|
"y": 257,
|
|
|
"time": 8,
|
|
|
"gender": "m"
|
|
|
},
|
|
|
...]
|
|
|
|
|
|
```
|
|
|
|
|
|
数据是JSON格式，数组中的每一项表示一个游客，x、y是拍摄位置，time是时间，gender是性别。
|
|
|
|
|
|
想要表现人群分布的规律，我们可以用这个数据来绘制一个散点图，它能非常直观呈现出原始数据。绘制方法非常简单，就是根据x、y坐标将一个小圆点标记在公园的某个位置上，代码如下：
|
|
|
|
|
|
```
|
|
|
function draw(data) {
|
|
|
const context = canvas.getContext('2d');
|
|
|
context.fillStyle = 'rgba(255, 0, 0, 0.5)';
|
|
|
for(let i = 0; i < data.length; i++) {
|
|
|
const {x, y} = data[i];
|
|
|
context.beginPath();
|
|
|
const spot = context.arc(x, y, 10, 0, Math.PI * 2);
|
|
|
context.fill();
|
|
|
}
|
|
|
}
|
|
|
|
|
|
fetch('data.json').then((res) => {
|
|
|
return res.json();
|
|
|
}).then((data) => {
|
|
|
draw(data);
|
|
|
});
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
最终绘制出来的效果如下图所示：
|
|
|
|
|
|
|
|
|
|
|
|
我们可以看到，这样绘制出来的分布图上显示了每天访问公园的人群，他们很均匀地分散在公园各处，似乎并没有什么特殊的地方。这其实是因为我们并没有根据其他属性来过滤这些数据。我们可以先试着根据时间来过滤。我们修改一下代码，给draw方法添加一个过滤函数。
|
|
|
|
|
|
```
|
|
|
function draw(data, filter = null) {
|
|
|
if(filter) data = data.filter(filter);
|
|
|
const context = canvas.getContext('2d');
|
|
|
context.fillStyle = 'rgba(255, 0, 0, 0.5)';
|
|
|
for(let i = 0; i < data.length; i++) {
|
|
|
const {x, y} = data[i];
|
|
|
context.beginPath();
|
|
|
const spot = context.arc(x, y, 10, 0, Math.PI * 2);
|
|
|
context.fill();
|
|
|
}
|
|
|
}
|
|
|
|
|
|
fetch('data.json').then((res) => {
|
|
|
return res.json();
|
|
|
}).then((data) => {
|
|
|
draw(data, ({time}) => time === 8);
|
|
|
// draw(data, ({time}) => time === 12);
|
|
|
// draw(data, ({time}) => time === 18);
|
|
|
// draw(data, ({time}) => time === 20);
|
|
|
});
|
|
|
|
|
|
```
|
|
|
|
|
|
把数据按照8点、12点、18点、20点分别过滤之后，我们就能得到不同时间的游客散点图，如下图所示。
|
|
|
|
|
|
|
|
|
|
|
|
我们先看左上角，也就是8点钟的时候，游客大部分会集中在广场，结合这个时间点，他们可能是在晨练，而游乐场几乎没有游客，因为8点的时候游乐场还没开始营业。接着我们来看右上角，也就是中午12点，这个时候游客大部分集中在游乐场，说明此时是游乐场的高峰时间。然后是左下角，18点的时候，你会发现一天中这个时间的游客数量是最多的，并且，集中在广场上的游客也最多，我们推测他们正在进行健身活动。最后，右下角也就是20点，这个时候公园临近关门，所以游客已经很少了。
|
|
|
|
|
|
就这样，我们得到了不同时间段，游客集中活动的场所。接下来，我们可以再把性别这个属性加上，看看还有什么分布规律，修改后的代码如下所示。我们用蓝色标记男游客，用红色标记女游客。
|
|
|
|
|
|
```
|
|
|
function draw(data, filter = null) {
|
|
|
if(filter) data = data.filter(filter);
|
|
|
const context = canvas.getContext('2d');
|
|
|
for(let i = 0; i < data.length; i++) {
|
|
|
const {x, y, gender} = data[i];
|
|
|
context.fillStyle = gender === 'f' ? 'rgba(255, 0, 0, 0.5)' : 'rgba(0, 0, 255, 0.5)';
|
|
|
context.beginPath();
|
|
|
const spot = context.arc(x, y, 10, 0, Math.PI * 2);
|
|
|
context.fill();
|
|
|
}
|
|
|
}
|
|
|
|
|
|
fetch('data.json').then((res) => {
|
|
|
return res.json();
|
|
|
}).then((data) => {
|
|
|
draw(data, ({time}) => time === 12);
|
|
|
});
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
|
标记完我们再来看一下12点的游客散点图。
|
|
|
|
|
|
|
|
|
|
|
|
我们看到，集中再游乐场和休闲区的主要是男游客，而女游客更喜欢呆在花园。这可能是和游乐场的游乐设施以及休闲区的设计有关。
|
|
|
|
|
|
到这里，我们关于公园游客的可视化分析就告一段落了。通过我们分析得出的规律，对游乐场改进游乐设施和日常管理是有实际的参考作用。
|
|
|
|
|
|
因为这里的数据是我仿造的数据，所以不一定符合真实情况，不过这并不重要。通过这个例子，我主要是想让你体会数据可视化分析的一般过程，通常我们通过数据过滤和展示，从中提取出有用信息，以便于做出后续的决策，这就是数据可视化的价值所在。只要数据是客观的，分析过程是合理的，那数据表现出来的结果就是具有实际意义的。
|
|
|
|
|
|
## 强化展现形式让用户更好地感知
|
|
|
|
|
|
在前面的例子里，我们用散点图呈现游客信息并从中分析出有用的内容，这种形式直观有效，但是展现形式略显单调。除了合理的数据分析以外，数据可视化有时候通过强化展现形式，让用户更好地感知数据表达的内容。这样能够帮助需要关注该数据的用户，更好地把握整体信息。
|
|
|
|
|
|
我在GitHub看到一个非常合适的例子，我们来看一下。
|
|
|
|
|
|
> 空气质量和我们生活质量息息相关，那在过去的几年里，雾霾和蓝天交替，成为我们生活的一部分。近几年来，国家一直在大力治理空气污染。那在这种情况下，我们的空气质量到底有没有变好呢？
|
|
|
|
|
|
一名[亚赛](https://wangyasai.github.io/)同学写了一个[北京空气质量（2015-2018）的可视化展现](https://wangyasai.github.io/BeijingAirNow/)，利用每天北京空气的AQI值绘制了色条，他还用心地让每一天对应了一个地标的当天实拍照片。这不仅增加了项目整体的趣味性，也强化了用户的直观认知。
|
|
|
|
|
|
[](https://wangyasai.github.io/Work/beijingsky.html)
|
|
|
|
|
|
如上面示意图所示，我们将每一年的数据按照AQI排序后，可以明显看出灰色的区域在逐年减少，这说明北京的空气质量的确是在逐年好转的。
|
|
|
|
|
|
这个项目的代码在亚赛同学的[GitHub仓库](https://github.com/wangyasai/wangyasai.github.io/tree/master/Work)里，我就不拿出来细讲了。因为这个可视化效果的实现原理并不复杂，而且这节课我们更应该学习和理解用数据进行可视化展现的思路，而不是代码实现细节。当然，如果你想搞懂代码，那你可以深入分析一下GitHub仓库里的源码。这个项目代码具体实现是依赖一个叫做p5.js的图形库，它也是一个很棒也很有趣的图形库，用来学习可视化也非常合适，如果你有兴趣可以去看一下。
|
|
|
|
|
|
如果你想要亲自动手实现一个这样的可视化项目，我也建议你借鉴亚赛同学这个项目中的数据和思路，对它进行一些改进。
|
|
|
|
|
|
## 将信息的特征具象化
|
|
|
|
|
|
到现在为止，你可能认为可视化都是需要使用真实数据来呈现的，数据越真实、越详细，可视化效果呢就越好。如果有了这个想法，说明你有一点陷入到思维定式中了。实际上，有时候我们并不要求数据越真实越详细，甚至不要求绝对真实的数据，只需要把数据的特征抽象和提取出来，再把代表数据最鲜明的特征，用图形化、令人印象深刻的形式呈现出来，这就已经是成功的可视化了。
|
|
|
|
|
|
比如下面这张图，就用可视化的方式解释了数据、信息、知识、见解、智慧和影响力。这种可视化呈现的数据并不是真实、准确地，而是带有趣味性的，通过对信息特征进行抽取，让看的人形成了一种视觉认知。
|
|
|
|
|
|
|
|
|
|
|
|
其实这样的可视化例子还有很多，比如Matt Might教授绘制的“[图解博士是什么](http://matt.might.net/articles/phd-school-in-pictures/)”也非常有趣。由于图片很长，我在这里就不列出来了。虽然它的数据不是基于海量数据提取的，但却是一组概念的具象化，所以它毫无疑问也是一个非常成功的可视化方案例。
|
|
|
|
|
|
除此之外，Manu Cornet的组织架构图，也用非常形象的方法绘制出了各个知名公司的组织架构差异。它的数据当然也不是各个公司详细的组织架构数据，而是根据每个公司组织架构特征直接图形化形成的。
|
|
|
|
|
|
[](https://bonkersworld.net/organizational-charts)
|
|
|
|
|
|
看了前面这些例子，你可能会有疑问，第三种方法似乎和原始数据并没有关联，而是直接用信息特征来完成的可视化，那第一、二种方法和数据处理过程和它又有什么关系呢？
|
|
|
|
|
|
实际上，我们使用第三种方法，也就是信息特征具象化的前提，是我们真正掌握了我们需要的信息特征，而这些特征的提取和掌握，正是通过前面两种方法迭代出来的！用一句话总结就是，数据可视化本身是一个不断迭代的过程。
|
|
|
|
|
|
具体过程是，我们先进行原始数据的信息收集和分类处理，再通过原始方法表达出有用的信息，接着通过强化展现形式，让信息的核心特征变得更加鲜明，经过这一轮或者几轮的迭代，我们就可能拿到最本质的信息了，最终我们再把这些信息具象化，就可以达到令人印象深刻的效果了。
|
|
|
|
|
|
所以，对原始数据进行不断迭代，就是数据可视化的基本方法论。我希望你能牢牢记住这句话，并且在实践中认真去做。
|
|
|
|
|
|
## 要点总结
|
|
|
|
|
|
这节课，我们主要讲了对数据进行可视化处理的三种常见方法。
|
|
|
|
|
|
第一种，是从原始数据中过滤出有用的信息。这是数据可视化处理的第一步，也是最基础的方法。第二种，是强化数据的展现形式，让用户更好地感知我们要表达的信息。这是我们在第一步的基础上对数据进行的加工处理。而第三种，是把数据的特征具象化，然后用图形表达。这是我们在第一、二步的基础上，对数据进一步的抽象和提取。如果达到这一步，我们甚至有可能完全脱离原始数据，不依赖原始数据，而是着眼于数据特征的表现形式。
|
|
|
|
|
|
这三种方法层层递进，是数据可视化的基本方法论，而数据可视化本身，其实就是使用这些方法对数据信息进行不断迭代和构建的过程。
|
|
|
|
|
|
## 小试牛刀
|
|
|
|
|
|
你能借助我们前面说的北京空气质量，这个可视化例子中的代码，实现一个你想要的可视化展现吗？你可以不完全按照亚赛同学的方法，多加些自己的创意，以及我们前面学过的图形学技巧，相信你能做出非常好的效果。当然了，我也知道这个挑战有点难，但整个实现的过程能让你把学到的图形学知识融会贯通，所以我还是建议你尝试一下。
|
|
|
|
|
|
欢迎在留言区和我讨论，分享你的答案和思考，也欢迎你把这节课分享给你的朋友，我们下节课见！
|
|
|
|
|
|
* * *
|
|
|
|
|
|
## 源码
|
|
|
|
|
|
[课程中完整实例代码](https://github.com/akira-cn/graphics/tree/master/data/park-people)
|
|
|
|
|
|
## 推荐阅读
|
|
|
|
|
|
\[1\] [北京空气质量（2015-2018）的可视化展现](https://wangyasai.github.io/BeijingAirNow/)
|
|
|
|
|
|
\[2\] [图解博士是什么](http://matt.might.net/articles/phd-school-in-pictures/)
|
|
|
|