数据可视化之美：经典案例与实践解析

随着 DT 时代的到来，传统的统计图表很难对复杂数据进行直观地展示。这几年数据可视化作为一个新研究领域也变得越来越火。成功的可视化，如果做得漂亮，虽表面简单却富含深意，可以让观测者一眼就能洞察事实并产生新的理解。可视化（visualization）和可视效果（visual）两个词是等价的，表示所有结构化的信息表现方式，包括图形、图表、示意图、地图、故事情节图以及不是很正式的结构化插图。

基本的可视化展现方式，如条形图、折线图、饼图、雷达图可以很容易通过各种软件（如 Excel）容易生成，这些方法是常见可视化问题的良好且强大的解决方案。然而，使用这些方法的最佳方式局限于一些特定的数据类型，而且其标准型和普遍性意味着它们基本无法达到新颖性。如果对地理空间数据、社会网络关系、多维数据进行可视化，直观地传递数据期望表达的信息是需要特定的图表类型来展示。

让我们一起来看几个经典的可视化，观测它们是如何充分利用其源数据结构的。

01

“美国大选”数据可视化

在美国大选期间，美国媒体做了不少与之相关的数据报道，让我们来回顾一下，他们是如何将美国大选的数据可视化的吧!

下图为各洲“选举人票”的占比情况。作者设计了两种表现方法，一是以“选举人票”的分布做为底图，一是直接以美国地图作为底图。除此图上方双方选举人票总体数量对比外，鼠标移至各洲上方还能显示各洲“选举人票”数量及对希拉里与特朗普的支持比例。

关于第三方选举人影响的情况（在只有两种选择和有四个选举人的情况下，选民的态度又是怎样呢？）

特朗普的粉丝更多的是公立学校出身，而希拉里的则大都为精英阶层。

希拉里的粉丝大都较为“书生气”，使用与书籍相关的词汇，其中有很多被认证为教授或博士;而特朗普的粉丝更加喜欢流行文化，他们可能同时是流行歌手的粉丝，也更加关注球类运动等。

02

社会关系可视化

社会网络分析（Social Netwrok Analysis，SNA）是在传统的图与网络的理论之上对社会网络数据进行分析的方法。随着人类进入了移动互联网时代，社会网络数据成了重要的数据资源。SNA 的本质是利用各样本间的关系来分析整体样本的群落现象，并分析样本点在群落形成中的作用以及群落间的关系。

近几年手机端网游越来越重视游戏用户社交性设计。这款游戏的玩法设计特别强调强社交性：用户可以在游戏内组建家族，家族成员有不同的职务等级，用户也可以在游戏内给好友赠送道具。我们从数据库中收集抽取了部分用户的家族数据（Nodes）和好友沟通数据（Links）。其中 Nodes 数据集包括 ID（用户 ID ）、Label （用户名称）、Group（所属家族）、Level（等级）的信息；Links 数据集包括 Source（发起方）、Target（接收方）和Weight（斗气数量）信息。