数据可视化的 30 个小技巧

方法及使用建议: 使用Python进行数据可视化 数据可视化是通过图表、图形和其他视觉元素将数据呈现出来的过程,它可以帮助我们更好地理解和分析数据。Python是一种功能强大且广泛使用的编程语言,拥有丰富的库和工具,可以用于数据可视化。本文将介绍使用Python进行数据可视化的方法,并提供相应的源代码。通过使用Python进行数据可视化,我们可以更直观地展示和解释数据,从而更好地理解数据背后的模式和趋势。希望本文对你有所帮助! 阅读详情


来源:DataHunter

优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者的体验,而非图表制作者个人。

这里给大家总结了数据可视化的制作的30个小技巧,通过列举一些容易被忽略的常见错误,最终能够快速提升和巩固你的可视化制作水平。

一、你不得不注意的图表制作小技巧

1.条形图的基线必须从零开始

条形图的原理就是通过比较条块的长度来比较值的大小。当基线被改变了,视觉效果也就扭曲了。

2.使用简单易读的字体

有些时候,排版可以提升视觉效果,增加额外的情感和洞察力。但数据可视化不包括在内。坚持使用简单的无衬线字体(通常是Excel等程序中的默认字体)。无衬线字体即是那些文字边缘没有小脚的字体。

3.条状图宽度适度

条形图之间的间隔应该是1/2栏宽度。

4.使用2D图形

虽然他们看起来很酷,但是3d形状可以扭曲感知,因此扭曲数据。坚持2 次元,确保数据准确。

5.使用表格数字字体

表格间距赋予所有的数字相同的宽度,使它们排列时能彼此对齐,使比较更容易。大多数流行字体都内置了表格。不确定字体是否正确?就看小数点(或任何数字)是否对齐就行。

6.统一感

统一感使我们更容易接收信息:颜色,图像,风格,来源……

7.不要过分热衷于饼图

展示多个区块比例大小,所有区块(圆弧)的加和等于 100%。但最好避免使用这个图表,因为肉眼对面积大小不敏感。

8.折线图中使用连贯的线条

虚线,虚线容易分散注意力。相反,使用实线和颜色,反而容易区分彼此的区别。

9.尊重部分所占整体的比例

在人们多选的问题上就会出现比例的重叠,不同选项的百分比之和大于一。为了避免这种情况,不能直接把比例做成统计图。相较于呈现数值,有些图更着重于表现部分与整体的关系。

10.面积、尺寸可视化

对同一类图形(例如柱状、圆环和蜘蛛图等)的长度、高度或面积加以区别,来清晰的表达不同指标对应的指标值之间的对比。制作这类数据可视化图形时,要用数学公式计算,来表达准确的尺度和比例。

11.使用大小来可视化值

大小可以帮助强调重要信息并添加上下文提示,使用大小来表示值配合地图使用的效果也非常好。如果您的可视化中有多个大小相同的数据点,它们会混在一起,很难区分值。

12.使用相同细节

添加的细节(和数字)越多,大脑处理的时间就越长。想想你想要用你的数据传达什么,以及最有效的方式是什么。

13.使用基础图形

一个很好的经验法则是,如果你不能高效理解,你的读者或听众可能也难理解。因此,坚持使用基础图形:直方图、条形图、维恩图、散点图和线形图。

14.视图数量

将您的可视化中的视图数量限制为三到四个。如果您添加太多视图,大局会被详细信息所淹没。

二、关于图表配色,你可以参考的5条准则

1.颜色深浅

通过颜色的深浅来表达指标值的强弱和大小,是数据可视化设计的常用方法,用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。

2.使用同一色系

颜色用得太花,会给数据增加不可承受之重,相反,设计师应该采用同一色系,或者类比色。

3.避免使用鲜艳的颜色

明亮鲜艳的颜色就像是把所有的字母都大写想要强调一样,你的听众感觉你在对他们大声推销。单调的颜色,反而能很好地用于数据可视化,因为它们可以让你的读者理解你的数据,而不至于被数据淹没。

4.标签使用不同颜色区分

在某些情况下,在一段时间或一系列的值中,我们可能测量了不同种类的物体。例如,假设我们测量 6 个月以来狗和猫的体重。在实验结束时,我们想画出每只动物的体重,分别用蓝色和红色区分猫和狗。

5.颜色数量

不要在一张图上使用6种以上的颜色。

三、标准的可视化图表一定有注释

1.解释编码

通过一定的形状、颜色和几何图形的结合,将数据呈现出来。为了让读者能读清楚,图表设计者就要把这些图形解码回数据值。

2.轴标签

这可能看起来没有必要,或者不是很有帮助,但是你无法想象,如果你的图表有点混乱,或者看到数据的人对此不是很熟悉,你会被问多少次 x/y 轴代表的是什么。按照前面的两个绘图示例,如果要为轴设置特定名称。

3.标题

如果我们要将数据呈现给第三方,另一个基本但关键的要点是使用标题,它和之前的轴标记非常相似。

4.重点元素做注释

通常情况下,仅仅在图表的左右两侧使用刻度本身并不是很清楚。在图上标注值对于解释图表非常有用。

5.重要视图位置

将最重要的视图放置在顶部或左上角。眼睛通常会首先注意到该区域。

四、优秀的可视化图表,遵守的6条原则

1.数据排序有序

数据类别按字母顺序,大小顺序,或价值进行排序,以一种合乎逻辑的和直观的方式来引导读者了解数据。

2.比较数据

比较是展示数据差异的好法子,但是如果你的读者不容易看出差别的话,那么你的比较就毫无意义。确保所有的数据都是呈现在读者面前,选择最合适的比较方法。

3.不可扭曲数据

确保所有可视化方式是准确的。例如,气泡图大小应该根据区域扩展,而不是直径。

4.展示数据

让读者看到数据,这是可视化的重点。确保没有数据丢失或被设计。例如,使用标准的面积图时,可以添加透明度,确保读者可以看到所有数据。

5.删除变量

很多时候,太多的信息会影响读者的注意,从可视化中删除隐含信息是一个好主意,在这种情况下,我认为我们不需要在轴中包含变量的名称。

6.避免数据噪音

把不重要的东西减到最少或者去掉。这包括减弱或移除图形线,改变轴线、图形线的颜色,以及用浅灰色描绘电子表格行。使得“数据比率”可以达到一个很高的水平,听众会更容易明白其中的数据情况。

五、小结

以上的小细节你都记住了嘛?俗话说熟能生巧,在每次数据可视化的制作过程中多思考一下,有哪些细节需要注意?这些细节的处理是否合理,数据可视化大神指日可待。

---------End---------

Unity采样器过多导致URP默认的Lit.Shader报错(shader error in ‘universal render pipeline/lit’: maximum ps_4_0 samp) Shader中多个Sample Texture2D,Sample Texture3D或者类似节点的使用,该类节点都需要一个采样器,如果Shader使用超过了16个纹理采样器,如多个Base Color,Normal Map等,就容易超出。是因为每种Shader Model和GPU都有一个对纹理采样器数量的限制,是因为每个采样器都需要在显卡占用一个独立的寄存器,而寄存器的数量是有限的,当超过限制,显卡无法分配更多的寄存器给新的采样器,因此会导致编译错误。2.什么原因导致纹理采样器超出16个? 阅读详情

相关推荐

Android Camera性能优化概述

做camera性能优化方面的工作有几年了,想写一篇文章简单介绍一下其中涉及到的具体技术,这篇文章会大概介绍一下涉及到的技术。

weixin_42136255的博客 4027

数据可视化,必须注意的30个小技巧!

来源:DataHunter优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者...

SeizeeveryDay的博客 878

keil5编程前的工程文件配置,芯片型号支持包配置,用户文件配置,启动文件配置和库函数配置-江科大stm32学习 第一天

1.start文件夹中头文件需要配置路径path,另外user和library也需要,都是同样的操作。如图,在option界面c/c++中,在倒数第二空行的三个点处添加。2.需要设置一个宏,作用是使主函数头文件包含标准库函数,操作如图:复制头文件中8296行的字符串,在option界面的c/c++中第一行define粘贴这个字符串即可。一、首先,下载芯片支持包,选择你自己的器件型号,不懂的可以看我这篇选器件的方法(默认已经注册好用户)点击编译按钮,编译成功后即可在user文件夹里添加main.c正常使用。

weixin_50682964的博客 1952

高大上的数据可视化图表,只需6步就能完成

一份高质量的数据可视化图表,能够让你清晰、全面地传达出数据信息,成为你工作、学习、竞赛的助推器! 因此,一款功能强大的可视化软件显得尤为重要! 最近博主在用的百度 Sugar BI,里面的海量图表模板可以帮助你多维度呈现数据信息,而灵活的版式调整可以帮助你减少二次选区调整的工作量! 在这篇文章里,答主整理了Sugar BI的图表制作流程,帮助大家轻松制作精美的图表! 只需6步,你也能从小白变为可视化大神! PS:他家最近有新人注册免费试用的活动,大家可以冲刺一波! 数据可视化Sugar BIhtt

Foolforuuu的博客 1万+

ComfyUI 的 LoRA 训练:秋叶 LoRA-scripts 参数设置与测试方法详解

秋叶 LoRA-scripts 的参数设置需结合理论(如模型原理、优化器机制)和硬件条件(显存、算力),新手可先按推荐值起步,再逐步调整。测试时,loss 值帮你判断训练是否正常,XYZ 图表法帮你找到最佳使用参数。掌握这些知识,你就能避开 LoRA 训练的常见坑,从 “盲目调参” 变为 “精准训练”。

2301_78150483的博客 2404

PID不够用?试试用ADRC改造你的ArduCopter:从Simulink仿真到SITL测试全记录

本文详细介绍了如何将ADRC(自抗扰控制)算法集成到ArduPilot飞控中,以替代传统PID控制器。通过Simulink建模、参数整定和SITL仿真测试,展示了ADRC在抗扰动能力、响应速度和参数调节复杂度上的优势,特别适合无人机在强风扰动下的稳定控制。

weixin_32349093的博客 275

一名优秀的数据分析师应该具备这10项关键技能

​最近小编经常在各种社交媒体上看到同一个问题——想要在数据分析领域获得成功需要掌握哪些技能?在小编公布答案之前,大家先做好心理准备!没错,这需要结合掌握多种技能,这是因为数据分析本身就是一个非常宽泛的领域,单靠一个技能,是很难成为一名优秀的数据分析师的。下面这些技能可是缺一不可的。 那么作为一名数据分析师,需要掌握哪些技能呢?下面小编将会围绕这个议题展开分析,一起来看看数据分析师不可或缺的技能都有哪些吧~ 1、数据分析师需要掌握的理论技术。 让我们来看看一个优秀的数据分析师必不可少的技.

明月说数据 4520

tmux + Claude Code 远程开发指南:从 WSL 配置到断线无忧

远程开发中,SSH 连接中断常导致后台任务丢失,这是困扰开发者的经典难题。tmux 作为终端复用器,通过将进程挂在常驻会话中,使其脱离 SSH 连接独立运行,从根本上解决了断线导致的任务终止问题。Claude Code 等 AI 编程代理需要长时间运行并保持交互上下文,恰好依赖这种会话持久化能力。结合 Windows Subsystem for Linux 提供类 Unix 环境,开发者可在 Windows 上实现稳定的远程开发工作流。本文将完整介绍从 WSL 环境配置、tmux 会话管理,到与 Claud

weixin_30423065的博客 348

Python数据可视化分析的实践与技巧!

本文介绍了Python数据可视化分析的实践与技巧,包括选择合适的数据可视化库、使用matplotlib库绘制基本图形、使用seaborn库绘制高级图形、使用pyecharts库绘制交互式图形以及优化和美化图形的样式和布局。希望通过这些实例和技巧,读者能够更好地运用Python进行数据可视化分析,提高数据的理解和利用。

luoshenghe的博客 1253

HBuilderX结合Android Studio实现Uniapp安卓Apk高效离线打包指南

本文提供了一份详细的Uniapp安卓Apk离线打包实战指南。通过整合HBuilderX与Android Studio,手把手教你搭建本地编译环境、配置原生工程、执行核心打包流程,并分享快速更新资源和排查常见问题的技巧,助你彻底摆脱云端打包的排队依赖,实现高效、可控的应用构建。

weixin_28835551的博客 560

【LVGL】从HTML到LVGL:嵌入式UI的设计迁移与落地实践

嵌入式UI迁移实践:从HTML到LVGL 本文介绍了将HTML/CSS设计的UI原型迁移到嵌入式系统(LVGL)的完整流程,重点涉及"HTML→Figma→LVGL"的三步转换方法。具体内容包括: 设计迁移流程:通过Figma作为中间桥梁,将HTML原型转化为标准设计资产,再适配到LVGL库; 工具与参数准备:详细列出了设计迁移所需的工具链和需要提取的核心设计参数; Figma还原步骤:分组件讲解如何在Figma中1:1还原HTML设计,包括标题栏、压力显示区、图表区等核心组件; LVG

ymlmail的博客 1975

数据可视化 30 个小技巧

来源:DataHunter优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者...

算法channel 840

利用requests库下载bilibili字幕文件

文章目录1. 前言2. 程序下载大法好2.1 挖掘思路2.2 核心知识点2.3 汇总代码 1. 前言   之前的博客介绍了使用工具下载B站视频,但美中不足的是无法下载字幕。为了提高效率,将下载字幕的工作用程序自动化处理。 2. 程序下载大法好 2.1 挖掘思路   在谷歌浏览器中按下F12,打开谷歌开发者工具。搜索subtitle,则会得到一个json文件,如下图所示:   在网页中空白位置点击查看网页源代码,然后通过搜索(Ctrl+f)查找subtitle,则会发现在subtitle_url中包含了对应

herosunly的博客 4万+

关于数据可视化的 30 个小技巧。

来源:DataHunter转自:python数据分析之禅大家好,我是小z今天给大家分享30个关于可视化的小技巧,避免踩坑。优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其...

SeizeeveryDay的博客 254

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

数据可视化必须注意的30个小技巧总结

点击上方“视学算法”,选择加"星标"或“置顶”重磅干货,第一时间送达来源丨DataHunter编辑丨极市平台导读本文给大家总结了数据可视化的制作的30个小技巧,通过列举一些容易被忽略的常见错误,最终能够快速提升和巩固你的可视化制作水平。优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者...

zandaoguang的博客 467

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

【拓展】数据可视化 30 个小技巧

来源:DataHunter优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者...

pingan8787 322

30个数据可视化超级工具_数据可视化,必须注意的30个小技巧!

来自:DataHunter优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者的体验,而非图表制作者个人。这里给大家总结了数据可视化的制作的30个小技巧,通过列举一些容易被忽略的常见错误,最终能够快速提升和巩固你的可视化制作水平。一、你不得不注意的图表制作小技巧1.条形图的基线必须...

weixin_39749501的博客 212

关于数据可视化图表的制作,你需要关注的30个小技巧

优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者的体验,而非图表制作者个人。 今天就给大家总结了数据可视化的制作的30个小技巧,通过列举一些容易被忽略的常见错误,最终能够快速提升和巩固你的可视化制作水平。 一、你不得不注意的图表制作小技巧 1.条形图的基线必须从零开始 条形图的原理就是......

weixin_43672348的博客 1319

30个数据可视化小技巧(文末赠书)

和数据打交道的朋友肯定经常会通过可视化的方式来呈现数据。在这里小编给大家总结了数据可视化制作的30个小技巧,通过列举一些容易被忽略的常见错误,希望最终能够快速提升和巩固你的可视化制作水平(...

张俊红的个人博客 559

python可视化画虚线_数据可视化 30 个小技巧

来源:DataHunter优秀的数据可视化图表只是罗列、总结数据吗?当然不是!数据可视化其真正的价值是设计出可以被读者轻松理解的数据展示,因此在设计过程中,每一个选择,最终都应落脚于读者的体验,而非图表制作者个人。这里给大家总结了数据可视化的制作的30个小技巧,通过列举一些容易被忽略的常见错误,最终能够快速提升和巩固你的可视化制作水平。一、你不得不注意的图表制作小技巧1.条形图的基线必须...

weixin_39943370的博客 418
上一篇: ACCV 2020 最受关注的 Top10 代码开源论文!
下一篇: 比监督学习做的更好:半监督学习
机器学习算法那些事
博客等级 码龄9年 1633粉丝 62原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值