本文來(lái)源：公眾號(hào)“生信寶典”

數(shù)模競(jìng)賽的論文里常常會(huì)遇到需要數(shù)據(jù)可視化的情況，因?yàn)閳D表能更直觀清晰的表述問(wèn)題。評(píng)閱老師需要在短時(shí)間內(nèi)閱讀大量的論文，此時(shí)就需要簡(jiǎn)單易懂且漂亮的圖表來(lái)抓住老師的眼球。

首先從維基百科上搬出數(shù)據(jù)可視化的概念：

數(shù)據(jù)可視化是關(guān)于數(shù)據(jù)的視覺(jué)表現(xiàn)形式的研究；其中，這種數(shù)據(jù)的視覺(jué)表現(xiàn)形式被定義為一種以某種概要形式抽提出來(lái)的信息，包括相應(yīng)信息單位的各種屬性和變量。簡(jiǎn)單來(lái)說(shuō)，數(shù)據(jù)可視化就是用圖形的方式來(lái)表征數(shù)據(jù)的規(guī)律。

首先要明確幾點(diǎn)：

1.數(shù)據(jù)可視化從來(lái)不止是表層的東西，數(shù)據(jù)分析才是核心。就像一個(gè)人，不一定長(zhǎng)得漂亮人格就高尚，也不一定長(zhǎng)得不好看人格就低下。而應(yīng)該反過(guò)來(lái)，只有數(shù)據(jù)分析內(nèi)涵豐富、價(jià)值高，數(shù)據(jù)可視化才能內(nèi)容豐富、有價(jià)值。

2.在一個(gè)看臉的世界，只有把數(shù)據(jù)可視化做得漂亮才更能吸引別人的注意；只有把數(shù)據(jù)可視化做得簡(jiǎn)單易懂，他們才能理解數(shù)據(jù)分析的內(nèi)涵。

3.對(duì)于數(shù)據(jù)可視化，最重要的東西從來(lái)不是圖形、工具、配色這些套路性的東西，而在于創(chuàng)意和靈感。但創(chuàng)意和靈感的前提，還是要以實(shí)用為主，所以掌握套路還是很必要的。

本文旨在總結(jié)數(shù)據(jù)可視化基本套路，理解了本文的內(nèi)容，在此基礎(chǔ)上加上自己的創(chuàng)意，數(shù)據(jù)可視化部分就會(huì)變得比較亮眼。熟悉了套路怎么看，再結(jié)合專業(yè)知識(shí)，就可以解釋可視化結(jié)果了。

常用圖形

散點(diǎn)圖

散點(diǎn)圖用來(lái)表征兩個(gè)（如果多個(gè)就分面，如上圖）數(shù)值型變量間的關(guān)系，每個(gè)點(diǎn)的位置（即x軸和y軸坐標(biāo)）映射著兩個(gè)變量的值。當(dāng)然對(duì)于三個(gè)數(shù)值型變量，也有三維散點(diǎn)圖，不過(guò)用得不多。

氣泡圖

在散點(diǎn)圖的基礎(chǔ)上加一個(gè)維度，把各個(gè)點(diǎn)的面積大小映射一個(gè)新的變量，這樣不僅點(diǎn)的位置還有大小表示數(shù)據(jù)特征。

折線圖

把散點(diǎn)圖各個(gè)散點(diǎn)用折線連接起來(lái)就成了折線圖，當(dāng)然不僅僅只是為了好看，當(dāng)散點(diǎn)越多，折線就越平滑地趨近于曲線，能更加貼切地反映連續(xù)型變量的規(guī)律。

面積圖

把折線圖進(jìn)一步往坐標(biāo)軸投影就成了面積圖，本質(zhì)其實(shí)跟折線圖沒(méi)區(qū)別，只是看起來(lái)更加飽滿一點(diǎn)。

柱狀圖

柱狀圖是一種用得很廣泛的圖形，它表征分類型變量 vs 數(shù)值型變量的關(guān)系。如果分類型變量的每一個(gè)取值還能繼續(xù)分類，那么簡(jiǎn)單的柱狀圖就變成了復(fù)雜的柱狀圖，每一個(gè)類別僅由一根柱變成多根柱，多根柱可以串列，也可以并列。

值得一提的是，柱狀圖一般需要排序：如果分類型變量是有序的，按照它本身的順序排列即可；如果分類型變量無(wú)序，那么則根據(jù)數(shù)值型變量的大小進(jìn)行排序，使柱狀圖的高度單調(diào)變化。（排序的宗旨是直觀的表達(dá)出想展示的規(guī)律）

條形圖

只不過(guò)把柱狀圖坐標(biāo)旋轉(zhuǎn)一下，豎著的變成橫著的，這個(gè)可根據(jù)版面自由選擇。上圖示例就是串列的堆疊條形圖。

南丁格爾玫瑰圖

本質(zhì)還是柱狀圖，只不過(guò)把直角坐標(biāo)系映射成極坐標(biāo)系?？雌饋?lái)比柱狀圖更美觀。

瀑布圖

瀑布圖是柱狀圖的一種延伸，它一般表示某個(gè)指標(biāo)隨時(shí)間的漲跌規(guī)律，每一個(gè)柱狀也不都是從0開(kāi)始的，而是從前一個(gè)柱狀的終點(diǎn)位置開(kāi)始，這樣既反映了每一個(gè)時(shí)刻的漲跌情況，也反映了數(shù)值指標(biāo)在每一個(gè)時(shí)刻的值。

餅圖

餅圖的本質(zhì)仍是柱狀圖，只不過(guò)餅圖一般用來(lái)表示各個(gè)類別的比例，而不是絕對(duì)的數(shù)值，用角度來(lái)映射大小。

值得一提的是，因?yàn)橐粋€(gè)圓餅只有360度，如果類別太多了，這個(gè)餅會(huì)被切割得非常細(xì)，不利于閱讀；這種情況下老老實(shí)實(shí)地用柱狀圖。

圓環(huán)圖

本質(zhì)就是餅圖，只不過(guò)把實(shí)心圓換成了空心的圓環(huán)；如果清一色的餅圖太過(guò)單調(diào)，可以考慮換個(gè)環(huán)形圖。

sunburst chart

sunburst chart看起來(lái)跟餅圖比較像，但比餅圖更復(fù)雜得多。它從中心向外輻射，每輻射一層就細(xì)分一層，用來(lái)表示多個(gè)變量多層之間的比例關(guān)系。

馬賽克圖

馬賽克圖比較復(fù)雜，與柱狀圖相比，它的分類變量就多了幾個(gè)，而且還能實(shí)現(xiàn)交叉映射，所以比柱狀圖更抽象，更細(xì)化。

馬賽克圖隱含著大量的數(shù)據(jù)信息。例如：(1)從船員到頭等艙，存活率陡然提高；(2)大部分孩子都處在三等艙和二等艙中；(3)在頭等艙中的大部分女性都存活了下來(lái)，而三等艙中僅有一半女性存活；(4)船員中女性很少，導(dǎo)致該組的Survived標(biāo)簽重疊（圖底部的No和Yes）。繼續(xù)觀察，你將發(fā)現(xiàn)更多有趣的信息。關(guān)注矩形的相對(duì)寬度和高度，你還能發(fā)現(xiàn)那晚其他什么秘密嗎？
擴(kuò)展的馬賽克圖添加了顏色和陰影來(lái)表示擬合模型的殘差值。在本例中，藍(lán)色陰影表明，在假定生存率與船艙等級(jí)、性別和年齡層無(wú)關(guān)的條件下，該類別下的生存率通常超過(guò)預(yù)期值。紅色陰影則含義相反。一定要運(yùn)行該例子的代碼，這樣你可以真實(shí)感受下著色圖形的效果。圖形表明，在模型的獨(dú)立條件下，頭等艙女性存活數(shù)和男性船員死亡數(shù)超過(guò)模型預(yù)期值。如果存活數(shù)與船艙等級(jí)、性別和年齡層獨(dú)立，三等艙男性的存活數(shù)比模型預(yù)期值低。嘗試運(yùn)行example(mosaic)，可以了解更多馬賽克圖的細(xì)節(jié)。

直方圖

直方圖看起來(lái)跟柱狀圖很像，但其實(shí)本質(zhì)并不一樣 （這一點(diǎn)需要注意）。直方圖用來(lái)表征一個(gè)數(shù)值型變量的分布，具體來(lái)說(shuō)就是把這個(gè)連續(xù)型變量劃分成多個(gè)區(qū)間，然后統(tǒng)計(jì)各個(gè)區(qū)間的頻數(shù)。直方圖橫軸是數(shù)值型變量本身的值，縱軸是頻數(shù)。

概率密度曲線圖

概率密度曲線圖本質(zhì)與直方圖類似，不過(guò)縱軸不是頻數(shù)而是頻率。正如折線圖和面積圖一樣，概率密度曲線圖也可自由選擇要不要面積投影。這個(gè)圖太學(xué)術(shù)了，一般出現(xiàn)在數(shù)學(xué)教材中（比如正態(tài)分布……）。

雷達(dá)圖

很多游戲中的人物能力極向?qū)Ρ染褪且岳走_(dá)圖表示的。柱狀圖一般是一個(gè)分類型變量不同類別間的比較，雷達(dá)圖可以是多個(gè)數(shù)值不在同一個(gè)scale之下；更具體地說(shuō)，柱狀圖一般是橫向比較，雷達(dá)圖既可以多個(gè)觀測(cè)之間的縱向比較，也可以是一個(gè)觀測(cè)在不同變量間的橫向比較。

值得一提的是，雷達(dá)圖如果用來(lái)橫向比較，需先把各個(gè)數(shù)值變量作歸一化處理。

箱線圖

箱線圖亦稱盒須圖，也是挺學(xué)術(shù)的一個(gè)圖。它用來(lái)表征各個(gè)數(shù)值型變量的分布狀況，每一條橫線代表分位數(shù)，盒內(nèi)部的橫線代表中位數(shù)，點(diǎn)代表異常值。

小提琴圖

小提琴圖本質(zhì)與直方圖一樣，都是表征數(shù)值型變量的分布，每一個(gè)小提琴的寬度代表它在該高度處的頻率范圍。

熱力圖

熱力圖一般以顏色來(lái)映射密度或者其他數(shù)值變量，一般來(lái)說(shuō)，顏色最深的地方表示數(shù)據(jù)最集中。（比較常用，對(duì)于熱圖的解釋還需要看圖例的含義）

日歷圖

日歷圖是熱力圖的變種，它把每一個(gè)矩形重新排列成日歷的形狀，這樣可以方便地觀察一段時(shí)間內(nèi)每一天的數(shù)值特征。

地圖

地圖用來(lái)可視化地理數(shù)據(jù)，這些數(shù)據(jù)一般由國(guó)家地理測(cè)繪部門提供，在一些網(wǎng)站上也能找到，常用的數(shù)據(jù)格式有shp、JSON、csv等。

地圖的繪制原理是基于大量的散點(diǎn)，勾勒成曲線，再連接成多邊形——其中每一塊多代形代表一個(gè)地區(qū)，可以是國(guó)家、省、市、區(qū)縣等。

地圖的應(yīng)用主兩有種情況：一是如上圖一樣以顏色填充每一個(gè)多邊形來(lái)映射一個(gè)指標(biāo)，這種情況下地圖跟柱狀圖本質(zhì)相同，但是多了多邊形之間的位置關(guān)系；另一種是在地圖上疊加散點(diǎn)或者曲線，來(lái)表征各個(gè)點(diǎn)之間的地理位置。

地球圖

地圖是二維的，三維的就是地球圖。這種圖形一般是交互的，也就是說(shuō)你可以用鼠標(biāo)實(shí)現(xiàn)地球的旋轉(zhuǎn)和縮放等操作。

值得一提的是，不要僅僅為了3D就使用地球圖，要看數(shù)據(jù)本身的情況。如果你的數(shù)據(jù)范圍本來(lái)就覆蓋全球，用地球圖很合適；但如果你的數(shù)據(jù)范圍小，就一個(gè)國(guó)內(nèi)，甚至一個(gè)省市內(nèi)的，搞個(gè)地球圖就太浮夸，而且整個(gè)球上只有一個(gè)非常小的區(qū)域有數(shù)據(jù)，是很不和諧的。

網(wǎng)絡(luò)圖

網(wǎng)絡(luò)圖的元素包含點(diǎn)和邊，邊分為無(wú)向邊、單向邊和雙向邊來(lái)表征點(diǎn)與點(diǎn)的連接關(guān)系，邊的粗細(xì)可以映射這種關(guān)系的強(qiáng)弱。

arc diagram

arc diagram也是一種網(wǎng)絡(luò)圖，只不過(guò)它把所有的節(jié)點(diǎn)一字排開(kāi)，以弧線來(lái)表示邊。這樣看起來(lái)藝術(shù)感更強(qiáng)，適合于節(jié)點(diǎn)較多的網(wǎng)絡(luò)關(guān)系可視化。

和弦圖

和弦圖一般用來(lái)表示雙向的網(wǎng)絡(luò)關(guān)系（比如AB兩個(gè)城市相互流入流出了多少人），數(shù)據(jù)結(jié)構(gòu)一般為鄰接矩陣。當(dāng)節(jié)點(diǎn)很多的時(shí)候，各種弧線交叉得就非常密密麻麻，這種情況下，要么交互，要么考慮別的圖形。

hierarchical edge bundling

hierarchical edge bundling也表示節(jié)點(diǎn)間的網(wǎng)絡(luò)關(guān)系，不過(guò)它把邊扭曲成曲線，這樣就適合節(jié)點(diǎn)比較多的可視化。

矩形樹(shù)圖

矩形樹(shù)圖本質(zhì)就是決策樹(shù)的可視化，只不過(guò)排成矩形。它也是把各個(gè)變量層層細(xì)分，這一點(diǎn)跟sunburst圖類似。當(dāng)變量比較多的時(shí)候，做成交互可縮放的形式更合適。

平行坐標(biāo)圖

平行坐標(biāo)圖的優(yōu)點(diǎn)是可以把多個(gè)變量并形排開(kāi)，把每一個(gè)記錄都以折線連接上。這樣當(dāng)數(shù)據(jù)量大的時(shí)候，其實(shí)可以很方便地觀察各個(gè)變量的分布情況。

桑基圖

?；鶊D看起來(lái)跟平行坐標(biāo)圖有點(diǎn)像，但含義不一樣。?；鶊D主要的用法是表征流量在各個(gè)層級(jí)的流動(dòng)關(guān)系，上一層如何向下一層分散，下一層如何由下一層匯聚。

漏斗圖

互聯(lián)網(wǎng)運(yùn)營(yíng)有一個(gè)很重要的概念就是層級(jí)轉(zhuǎn)化，這個(gè)每層的轉(zhuǎn)化率用漏斗圖來(lái)可視化，形神俱佳。如果兩層之間的寬度近似，表征該層的轉(zhuǎn)化率高；如果兩層之間的寬度一下子減小了很多，表示轉(zhuǎn)化率低。

儀表盤(pán)

儀表盤(pán)的觀賞性大于實(shí)用性，實(shí)際上它的功能很簡(jiǎn)單，就是表征一個(gè)數(shù)值型變量在最小值和最大值之間的什么分位。

象柱形圖

象柱形圖其實(shí)就是柱形圖，只不過(guò)把柱子換成了其它的圖形。如果數(shù)據(jù)本身有比較具體、形象的含義和背景，那么用象柱形圖是一種比較新穎的選擇。

主題河流圖

主題河流圖好看，但不好解釋，如果不是交互式的，最好不要用。它一般是把多個(gè)類別隨時(shí)間的變化數(shù)據(jù)堆疊起來(lái)，表征隨時(shí)間變化的趨勢(shì)。

詞云圖

詞云圖即是對(duì)詞匯的頻數(shù)進(jìn)行可視化，一個(gè)詞越大它出現(xiàn)的次數(shù)就越多，一般與文本挖掘配合使用。

在實(shí)際的數(shù)據(jù)可視化中，往往不是孤立地用一個(gè)基本圖形，把多個(gè)圖形組合、鄰接，能交叉對(duì)比出更多的信息。比如在柱狀圖上疊加折線圖，在地圖上疊加散點(diǎn)圖，把多個(gè)柱狀圖放在一起對(duì)比等等。

記住數(shù)據(jù)可視化展現(xiàn)信息是第一位的，好看倒是其次。

圖形語(yǔ)法

看了以上這么多圖形，對(duì)可視化圖形也有了一個(gè)感性的認(rèn)識(shí)。現(xiàn)在粗略地介紹一下圖形語(yǔ)法，想學(xué)習(xí)全面的圖形語(yǔ)法還需去專門學(xué)習(xí)。

1.數(shù)據(jù)(data)：數(shù)據(jù)才是圖形的靈魂，這點(diǎn)無(wú)需解釋。

2.幾何對(duì)象(geom)：也就是圖形本身，這是可視化的外形。根據(jù)數(shù)據(jù)特征，選擇最合適的圖形。

3.映射(mapping)：映射即是把數(shù)據(jù)和圖形給連接起來(lái)。映射什么數(shù)據(jù)變量，它是連續(xù)的還是離散的？

4.標(biāo)度(scale)：這個(gè)是從數(shù)據(jù)中剝離，但是控制數(shù)據(jù)如何映射到圖形上的屬性。圖形中用什么通道來(lái)映射？常用的有顏色、長(zhǎng)度、面積、形狀、透明度等通道。

5.坐標(biāo)系(coord)：坐標(biāo)系不一定非得是直角笛卡爾坐標(biāo)系，比如對(duì)于地圖并不適合，所以要做專門的投影操作。轉(zhuǎn)換坐標(biāo)系也有造成不同的視覺(jué)效果，比如把柱狀圖的坐標(biāo)系轉(zhuǎn)換成極坐標(biāo)系就變成了玫瑰圖。

6.統(tǒng)計(jì)變換(stat)：對(duì)數(shù)據(jù)進(jìn)行常規(guī)的統(tǒng)計(jì)操作，不過(guò)也可以先把數(shù)據(jù)處理好，可視化的時(shí)候就不再做變換。

7.分面(facet)：如果圖形維度較高，并不是一張圖能說(shuō)明的，那么就分面處理。分面實(shí)際上是多加了一個(gè)維度，就像一頁(yè)紙和一頁(yè)書(shū)的區(qū)別。

8.位置(position)：一般來(lái)說(shuō)圖形各個(gè)元素的位置是由數(shù)據(jù)決定的，不過(guò)在不影響分析的前提下為了視覺(jué)美觀也可以做一些微調(diào)。比如有的散點(diǎn)圖只看它在y軸的高度，這個(gè)時(shí)候就可以在x軸上加擾動(dòng)，沒(méi)必要很多點(diǎn)都擠在一起。

掌握了圖形語(yǔ)法，對(duì)理解可視化的本質(zhì)，構(gòu)思圖形屬性很有幫助；只有掌握了圖形語(yǔ)法，才能真正自由地去創(chuàng)造數(shù)據(jù)可視化，而不僅僅只是往模板里套數(shù)據(jù)。