Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
dataviz-zh
提交
f9b8bf97
D
dataviz-zh
项目概览
OpenDocCN
/
dataviz-zh
8 个月 前同步成功
通知
2
Star
68
Fork
16
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
dataviz-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
f9b8bf97
编写于
4月 26, 2020
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2020-04-26 11:38:14
上级
ed7702f1
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
8 addition
and
8 deletion
+8
-8
docs/24.md
docs/24.md
+8
-8
未找到文件。
docs/24.md
浏览文件 @
f9b8bf97
...
...
@@ -6,23 +6,23 @@
## 20.1 设计带有冗余编码的图例
多组数据的散点图经常以这种方式设计,代表不同组的点仅在颜色上不同。例如,考虑图 20.1 ,它显示了三种不同的鸢尾花物种的萼片宽度与萼片长度的关系。 (萼片是开花植物中花的外叶。)代表不同物种的点的颜色不同,但除此之外所有点看起来完全相同。尽管这个图只包含三组不同的点,但即使对于具有正常色觉的人来说也难以阅读。出现这个问题的原因是两
种 Iris virginica 和 Iris versicolor
的数据点混合在一起,它们的两种颜色,绿色和蓝色,对于彼此并没有特别明显。
多组数据的散点图经常以这种方式设计,代表不同组的点仅在颜色上不同。例如,考虑图 20.1 ,它显示了三种不同的鸢尾花物种的萼片宽度与萼片长度的关系。 (萼片是开花植物中花的外叶。)代表不同物种的点的颜色不同,但除此之外所有点看起来完全相同。尽管这个图只包含三组不同的点,但即使对于具有正常色觉的人来说也难以阅读。出现这个问题的原因是两
个物种,弗吉尼亚鸢尾和杂色鸢尾
的数据点混合在一起,它们的两种颜色,绿色和蓝色,对于彼此并没有特别明显。
![](
img/71de51cfd932d0a8d7a54d501a2e1240.jpg
)
图 20.1:三个不同鸢尾花物种(
Iris setosa,Iris virginica 和 Iris versicolor)的萼片宽度与萼片长度的关系。每个点代表一个植物样本的测量值。对所有点位置施加了少量抖动以防止过度绘图。该图被标记为“不好”,因为绿色的 virginica 和蓝色的 versicolor
点难以彼此区分。
图 20.1:三个不同鸢尾花物种(
山鸢尾,弗吉尼亚鸢尾和杂色鸢尾)的萼片宽度与萼片长度的关系。每个点代表一个植物样本的测量值。对所有点位置施加了少量抖动以防止过度绘图。该图被标记为“不好”,因为弗吉尼亚鸢尾的绿点和杂色鸢尾的蓝
点难以彼此区分。
令人惊讶的是,对于具有红绿色视觉缺陷(deuteranomaly 或 protanomaly)的人而言,绿色和蓝色点看起来比具有正常色觉的人更明显(比较图 20.2 的
顶
行,和图 20.1 )。另一方面,对于蓝黄色缺陷(tritanomaly)的人来说,蓝色和绿色点看起来非常相似(图 20.2 ,左下)。如果我们打印出灰度图(即我们对图去饱和),我们就无法区分任何鸢尾花种类(图 20.2 ,右下图)。
令人惊讶的是,对于具有红绿色视觉缺陷(deuteranomaly 或 protanomaly)的人而言,绿色和蓝色点看起来比具有正常色觉的人更明显(比较图 20.2 的
最上面一
行,和图 20.1 )。另一方面,对于蓝黄色缺陷(tritanomaly)的人来说,蓝色和绿色点看起来非常相似(图 20.2 ,左下)。如果我们打印出灰度图(即我们对图去饱和),我们就无法区分任何鸢尾花种类(图 20.2 ,右下图)。
![](
img/430fd625964cb0e46e0832fa7b5bf992.jpg
)
图 20.2:图 20.1 的色觉缺陷模拟。
我们可以对图 20.1 进行两项简单的改进,来缓解这些问题。首先,我们可以交换用于
Iris setosa 和 Iris versicolor
的颜色,这样蓝色不再直接在绿色旁边(图 20.3 )。其次,我们可以使用三种不同的符号形状,因此这些点看起来都不同。通过这两个变化,图形的原始版本(图 20.3 )和颜色视觉缺陷和灰度(图 20.4 )的版本变得清晰。
我们可以对图 20.1 进行两项简单的改进,来缓解这些问题。首先,我们可以交换用于
山鸢尾和杂色鸢尾
的颜色,这样蓝色不再直接在绿色旁边(图 20.3 )。其次,我们可以使用三种不同的符号形状,因此这些点看起来都不同。通过这两个变化,图形的原始版本(图 20.3 )和颜色视觉缺陷和灰度(图 20.4 )的版本变得清晰。
![](
img/528ecc80bd2062e70d3be896630da801.jpg
)
图 20.3:三个不同鸢尾花物种的萼片宽度与萼片长度的关系。与图 20.1 相比,我们交换了
Iris setosa 和 Iris versicolor
的颜色,我们给每个鸢尾花物种提供了自己的点形状。
图 20.3:三个不同鸢尾花物种的萼片宽度与萼片长度的关系。与图 20.1 相比,我们交换了
山鸢尾和杂色鸢尾
的颜色,我们给每个鸢尾花物种提供了自己的点形状。
![](
img/fc90c9311df98c0533b1add556e078e0.jpg
)
...
...
@@ -44,15 +44,15 @@
如果数据中有清晰的视觉顺序,请确保在图例中与其匹配。
将图例顺序与数据顺序匹配总是有帮助的,但在色觉缺陷模拟下,这些好处尤为明显(图 20.7 )。例如,它有助于图的蓝绿弱视版本,其中蓝色和绿色变得难以区分(图 20.7 ,左下)。它也有助于灰度版本(图 20.7 ,右下角)。虽然 Facebook 和 Alphabet 的两种颜色几乎具有相同的灰度值,但我们可以看到微软和苹果以较暗的颜色代表并占据最
底层
的两个位置。因此,我们正确地假设最高的线对应于 Facebook,而第二高的线对应于 Alphabet。
将图例顺序与数据顺序匹配总是有帮助的,但在色觉缺陷模拟下,这些好处尤为明显(图 20.7 )。例如,它有助于图的蓝绿弱视版本,其中蓝色和绿色变得难以区分(图 20.7 ,左下)。它也有助于灰度版本(图 20.7 ,右下角)。虽然 Facebook 和 Alphabet 的两种颜色几乎具有相同的灰度值,但我们可以看到微软和苹果以较暗的颜色代表并占据最
下面
的两个位置。因此,我们正确地假设最高的线对应于 Facebook,而第二高的线对应于 Alphabet。
![](
img/eba855504b27aa4991bab1f60077e0d1.jpg
)
图 20.7:图 20.6 的色觉缺陷模拟。
## 20.2 设计没有图例的
数字
## 20.2 设计没有图例的
图表
尽管通过冗余编码数据可以提高图例的易读性,但是在多种美学中,
传说总是给读者带来额外的精神负担。在阅读图例时,读者需要在可视化的一部分中获取信息,然后将其转移到不同的部分。如果我们完全消除这个传说,我们通常可以让读者的生活更轻松。然而,消除传说并不意味着我们根本不提供一个而是在图标题中写出诸如“黄点代表 _ 鸢尾花
[
_”的句子。消除图例意味着我们以这样的方式设计图形,即使没有明确的图例,也可以立即显示各种图形元素所代表的内容
。
尽管通过冗余编码数据可以提高图例的易读性,但是在多种美学中,
图例总是给读者带来额外的精神负担。在阅读图例时,读者需要在可视化的一部分中获取信息,然后将其转移到不同的部分。如果我们完全消除这个图例,我们通常可以让读者更轻松。然而,消除图例并不意味着我们根本不提供一个图例,并在图标题中写出诸如“黄点代表杂色鸢尾”的句子。消除图例意味着我们以这样的方式设计图形,即使没有明确的图例,各种图形元素所代表的内容也是不言自明的
。
我们可以采用的一般策略称为 _ 直接标记 _,我们将适当的文本标签或其他视觉元素放置在图的其余部分作为指导。我们之前在章
[
19
](
color-pitfalls.html#color-pitfalls
)
(图 19.2 )中遇到了直接标记,作为绘制具有 50 多种不同颜色的图例的替代方法。为了将直接标签概念应用于股票价格数字,我们将每个公司的名称放在其各自数据行末尾的旁边(图 20.8 )。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录