信息可视化要求以视觉或偶尔的听觉格式为可视化对象映射数据。这是具有挑战性的,因为尽管某些数据具有内置的空间关系(例如,某个国家/地区的城市的温度),但许多数据集却没有传统的空间关系(例如,组织内的工资)。

Henry D Hubbard,1920年代美国标准局的成员,曾这样说过:“图表中有一种魔力。数据曲线在瞬间便可揭示整个情况,比如流行病、恐慌或繁荣时期的历史。曲线可以通达心灵、唤醒想象力和说服力。”

这意味着信息可视化设计师需要仔细考虑应该如何表示其数据,并创建支持该表现形式的结构,以便发挥 Henry D Hubbard 所讲的魔力。

Stuart K. Card, Jock D. Mackinlay 和 Ben Shneiderman 在其「Readings in Information Visualization: Using Vision to Think」一文中为信息可视化定义了三个元素:

  • 空间基(Spatial Substrate)
  • 图形元素(Graphical Elements)
  • 图形属性(Graphical Properties)

作者/版权所有者:Urocyon。版权条款和许可:公共领域。

上图显示的空间基是二维的,图形元素是点和线,属性是点的大小、线的长度、线的方向和蓝色。

信息可视化视觉映射的三个要素

定义我们将在可视化地图中使用的三个元素为整体信息可视化提供了强有力的结构。它还可以帮助我们作为信息可视化设计人员更好地了解我们试图描绘的数据,以及如何使用它为我们的用户提供价值。

空间基

空间基是我们创建可视化效果的空间。绝大多数信息可视化发生在2维空间中,沿x和y轴生成。但是,也可以通过创建三维甚至超维(超过3维)来表示。

请务必考虑要使用的轴以及映射到每个轴的数据类型。数据可以是:

  • 定量的:例如,它对数据集的某些质量进行了数值测量。
  • 序数的:例如,与数字无关,但仍提供某种形式的排序,如日历年中的月份。
  • 名义上的:例如,数据是非数字和无序数据的集合(例如,国会议员的姓名)

图形元素

图形元素是将出现在空间基中的视觉元素。视觉元素有以下四种:

  • 点(Points)
  • 线(Lines)
  • 面(Surfaces)
  • 体(Volumes)

在传输数据时,为了清晰起见,应选择图形元素。当然,除非意图是故意使用户混淆以说服他们数据无法代表的某些事情。当然,这是不道德的,但是假装公司和政客都不应该对这种行为感到特别内疚却又是很天真的想法。

图形属性

图形属性是可应用于图形元素的属性,这些属性使它们更引人注目(或实际上减少注目)以及/或对用户更有价值(或实际上具有更少的价值)。有许多可能的图形属性可以应用于图形元素,但最常用的是以下几种:

  • 大小:点,面或体积的大小可以传达有关重要性或重量的信息
  • 方向:线或体在空间中的方向可以帮助阐明线条或体积的用途
  • 颜色:可以使用颜色编码为数据提供可视化图例或引起眼睛的注意
  • 纹理:纹理可用于为数据提供可视化图例
  • 形状:六边形、圆形、三角形等可用于为数据提供可视化图例

Cleveland 和 McGill 在其论文「图形感知:图形方法开发中的理论、实验和应用 Graphical perception: Theory, experimentation, and application to the development of graphical methods」中提到,在传达信息方面,某些图形属性比其他属性更有效。

根据属性及其准确性,他们提供了以下列表(以1为最准确,6为最不准确):

  • 在轴上的位置
  • 线长
  • 线或对象的方向
  • 形状面积
  • 形状体积
  • 颜色和纹理指示

颜色在信息可视化中尤其难以使用。首先,在某些社会中,有些文化和语言因素经常与某些颜色发生作用,这些颜色具有特定的含义或解释。以文化为例,在中国,红色被认为是一种幸运的颜色,而在许多西方社会中,红色被视为一种警告的颜色。以语言为例,在新几内亚高地,只有两个术语用来代表颜色的浅色深色;在亚马逊的Piraha语言中,根本没有表示颜色的词,颜色是通过与另一物体(例如“看起来像血”)进行语言比较来识别的;而英语则提供了丰富和多样的术语集来表示颜色。

然后是色盲问题,它影响了多达12%的男性和每200名女性中的1名。红绿色盲是色盲中最常见的形式,但也有其他的形式存在。

所有这些都表明,只有在用尽所有其他选项后,才应使用颜色来传达信息。

总结

为了进行视觉映射以创建信息可视化,我们必须首先定义空间基,然后我们可以考虑在该基中使用的图形元素,最后考虑将使用哪些属性来帮助这些元素传达尽可能多的含义给用户。

参考资料

  • Information Visualization:https://www.interaction-design.org/courses/information-visualization-infovis

  • K. Stuart Card, Jock D. Mackinlay, and Ben Shneiderman. Readings in Information Visualization: Using Vision to Think. Morgan Kaufmann, San Francisco, 1999.

  • W. S. Cleveland and R. McGill. Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association

  • Colours in Culture, Information is Beautiful:http://www.informationisbeautiful.net/visualizations/colours-in-cultures/