使用带有细节的徽标让你的可视化蕴含更多信息

无论是统计数据可视化,还是关系数据可视化,在一张图中,我们通常都只会包含着2—4个纬度的信息,这些信息通过数值/颜色/形状被感知。但是你是否想过一张图上其实能在徽标上做一些细节,这样让图蕴含的数据更加多维。在很多时候我们可以将不是那么重要的信息,通过细节的方式加入到徽标中。


举个最简单的例子,在关系图中,节点就是一种能蕴含很多信息的徽标(Badge),我们经常会给各个节点加入各种样式的信息,这样就让这个节点展示了更多纬度的信息,比如下面这个G6示例,在同一张图上展示了节点关系,时间,完成率等多个信息。

image.png

下面我们来看一个更加的复杂而有趣的例子,这个例子是在地图可视化里面的:

image.png

在这个灵感来自于甜品的地图中,展示了世界各地的HPI(The Happy Planet Index),简单来说就是各国人民的生活水平以及情况,那么他是怎么在细节中展示的多维度信息呢。地图中的板块颜色代表了其各地的GDP水平,而在此之外,他还有五个细节展示了其他纬度的信息:

image.png

这样由主而次的设计细节,能让用户一眼看出重点的总结信息(GDP,HPI),也可以让用户可以注意细节时后观察细节的参数。


接下来我们就看看,怎样用图形化的方式来让一个徽标就能具备足够多的细节,向大家介绍——「蝴蝶徽标」

image.png

它是由可视化设计师Ruta Gokhale提出的一种蕴含多种信息的徽标,这样的徽标也被称为数据驱动的徽标,它本身就已经蕴含的多种信息,在模式化下可以被人和机器阅读提取信息。


这些徽标,确定了三个总体主题-数据,可视化和社会。这些数据来自于基于以上三个主题的调查问卷。蝴蝶的翅膀使用颜色来代表这些主题,绿色用于数据,棕色用于可视化,紫色用于社会


蝴蝶上翼表示参与者的技能,调查中有九个问题,要求参与者自我评估技能水平。每个问题的自我报告的技能水平由符号数量表示。


下翼代表了数据可视化中最重要的问题是什么?根据收集到的所有答案,得到了通用的几个关键字。每个类别关键字的累积被使用的次数作为分数。该分数是相对的,并使用每种颜色的深浅进行表示。如果回答中没有所选出来的任何关键字,则该部分将显示为灰色。蝴蝶的身体有两个数据点。参与者在数据可视化领域的经验是由蝴蝶身上的条带数量来表示的。如果未提供答案或没有经历,则将身体的尖端突出显示。这样的徽标巧妙的把调查问卷的结果,巧妙的展示在了同一个徽标之中,并且每一种徽标都有区分度。


关于徽标的展示从来不止颜色或者形状这样单一的某些组合,通过常规标志的组合,并把它融入人们熟悉的形状之中,首先简化了信息的展示(类似于代码中的encode),同时也增加了可对比性,而且从主到次的的信息细节呈现,让用户粗看和细品会有不同的感受,让一张图的感受层次也更加丰富了。依照这样的理念,相信可视化的形式也会更加多样话。


参考文章:

https://blog.mapbox.com/doh-making-a-simspons-inspired-map-with-expressions-86e633b61ede

https://medium.com/nightingale/paint-me-a-portrait-89c6144ae168

by @明多牧(mingduomu)


创作例程

创作者(作曲家,画家,作家,科学家,哲学家)如何找到时间创作作品?梅森·柯瑞(Mason Currey)调查了数百名创意者为了节省时间,每天工作而运用的严格的“每日仪式”。有些人遵循相同的纪律制度数十年,而另一些人则只有在从事特定作品时才锁定模式。 “创意例程”将 Currey 研究的例程可视化。


从这个可视化中,可以找到一些有趣的发现。例如莫扎特、W.H.Auden 等人不怎么热爱运动;雨果一天当中创作的时间其实很短,大约只有一小时,大部分时间在进行社交活动或吃饭;被调查的所有人的睡眠时间都很短,平均都在四个小时以内。

image.png

by @十吾(shiwu-5wap2)


单子探索:一叶知秋

在日常学习、工作和生活中,人、事、物之间以各种各样的关系彼此关联着:人们之间存在着社交网络关注的关系;研究人员之间存在着项目合作、论文合作者的关系;著作之间存在着引用的关系等等。这些存在关系的数据构建出了一个关系信息空间。对这个空间进行浏览 (navigation) 有助于我们更好地探索其中存在的关系结构。而对关系信息空间进行浏览并不总是很容易的,尤其是当这个空间存在着异构的、或大规模的数据项。这篇文章则提出了一种新的浏览关系信息空间的方法——单子探索。


在可视化领域,Ben Shneiderman 在1996年提出了信息探索准则“先总览、再缩放和过滤,再分析细节”,在此后的十几年中被奉为设计经典。对数据进行聚合、总结是提供总览的主要手段,但这种方法通常会牺牲对丰富细节关系的描述。而这篇文章则从一个新的角度提出了关系信息空间的浏览方法,即从空间中的个体 (Monad) 出发,探索与其相关的其他个体,通过有效地切换关注个体以实现对空间的整体认知。


本文作者从社会学理论中借鉴三个法则:


根据这三个法则,他们提出了一种基于环形布局的可视化设计,如下图所示。在界面的中央是一个搜索框,数据中的数据项(即为单子)按环形布局排布。在这个角坐标系中,每个单子的角度是按照类别而固定的,这也正是在浏览过程中保证稳定的上下文环境(context)的一个关键设计。而单子的径向距离取决于其与中央单子的关联程度,越大越近。通过点击周围单子,可以实现中央单子的切换。此外,在这个形式上所设计的交互都保持连续、自然的过滤效果。

image.png

他们使用一本名为“Beautiful Trouble: A Toolbox For Revolution”的书作为测试数据。在这本书中,文章间交叉引用的情况很多。他们总结了5类不同的单子类型,构建出一个关系数据。再将他们提出的单子探索方法同步更新到书籍网站上,在 6 个月的时间里,有 4890 名来访者使用了他们的工具,获得 12 份反馈意见。这些反馈中对他们的方法有沉浸感良好、很容易学会、反馈积极等积极的印象。


有兴趣的同学可以点击这里进行体验。我简单试用了下,有以下几点感受:

by @聚则(moyee-bzn)


Xeno Graphics: Wired but (sometimes) useful charts

一个展示各种奇怪不常见图表的网站


Horizon chart: A space-efficient time series visualization technique

image.png


Time map: 用户展示事件在二维时间维度下的特征

image.png


Tree map bar chart:

image.png


Cycle plot:

image.png

在面对这些奇怪的图表中,读者甚至会有恐惧的心理,文章称这种心理为Xenographphobia,第一眼看见这种奇怪图表时,可能就会觉得 1)这些图表比较酷、2)不清楚这些图表在表达什么意思。但但能理解这些图表中,也会发现这些图表也会很适合一些场景。


一方面因为从来没见过,这些奇怪的图表给读者带来了学习门槛,读者需要花时间精力才能理解;但另一方面,但如果不拥抱和学习这些新图表,这不会出现目前我们认为常见的通用图表了;这些奇怪的图表也可能是以后常见的通用图表。

by @翎刀(zqlu)


The Ultimate Data Dog

从数据上来看,什么品种的狗狗是最好的呢?根据美国犬业俱乐部(American Kennel Club)提供的数据,作者研究了狗狗的智力、寿命、遗传疾病等特征,建立了如下图所示的坐标系。横轴表示作者根据数据计算出的分数,纵轴表示不同品种狗狗的受欢迎程度。通过这个视图,我们可以快速对比狗狗得分和其受欢迎程度。

image.png

by @珂甫(pddpd)


全球空气质量一览

Christian Felix 制作的这幅信息可视化作品研究了全球空气污染的现状,以PM2.5以及其他相关指标来评估每个城市的空气污染程度。


绿色、灰色和黄色三种颜色变量分别编码了空气质量健康、中等、有害三种类别,通过地图和树图的组合直观地统计了全球各城市的空气污染状况。

FireShot Capture 031 - The Air We Breathe - #IronViz Final - Christian Felix - Tableau Publi_ - public.tableau.com.png

by @顾己(esora)


U.S. Wind Map

这是美国15年的一个动态风速可视化项目,模拟了全国各地的风速和方向。

wind.gif

该项目用线条移动的快慢代表了风速,用线条的移动方向代表风的方向。点击地图可以放大查看局部。很好地方便人们追踪全国各地风的情况。

image.png

by @缨缨(yingying-58bma)


可视化 Dashboard 设计分享

分享一套个人非常喜欢的可视化 Dashboard 设计

image.png

image.png

by @步茗Neo(neowang)