1.前言从客观逻辑来看，直观的数字确实比抽象的图形更可信，但更容易让大脑理解图形的内容。就像下图，我只是给你一个裸数据表，也许你会漏掉一些有价值的东西。但是用很好的可视化来表达这些数据，你会挖掘出数字背后的信息。之前列举了很多复杂有趣的可视化案例，这次我要说的是数据可视化图表中的视觉提示。我们在设计可视化图表的时候，首先要知道我们有哪些数据，需要哪些元素对这些数据进行二次处理。这时候首先要了解什么是可视化组件？这里我将其分为几个部分，并使用下图作为演示。二、视觉线索这些成分相互配合。其中，视觉提示是组件的重要组成部分。如果您选择了错误的视觉提示，则会影响其他组件并使图表无用。我们可以使用的视觉线索通常有：长度、面积、体积、角度、弧度、位置、方向、形状和颜色。因此，选择正确的视觉线索取决于您对形状、颜色、大小以及数据本身和目标的理解。1.长度我们经常看到的柱状图和条形图都是长度的视觉提示。值越大，长度越长。常用于比较数据。长度是图形两端的距离，坐标中的最小值必须从0开始，否则不能准确反映真实值。2、面积和体积我们一般用物体的大小来表示数值。长度和面积通常用于二维空间中的数值比较，而体积用于三维空间中的多维比较。这里有两点需要强调：第一，你要注意你使用的维数；第二，区域的大小应该根据面积来缩放，而不是长度和宽度。3.角度与弧度角度是两个向量相交于一点，取值范围为0度到360度，围成一个圆。角度的视觉提示通常用于饼图中。这时候你可能会想到饼图的近亲：圆环图，但是圆环图的本质就是把饼图的中间区域切掉，所以圆环图的视觉提示是不是角度，而是弧度。饼图和圆环图的优点是用户可以快速了解数据之间的比例分布，但如图所示，它们不适合分类太多的数据。4、方向方向是指一个向量在坐标系上的斜率，可以看到上下左右等方向。一般用在折线图上，表示是在增长、下降还是波动。这里需要注意的是，随着坐标轴的比例变化，坡度的大小也会受到很大的影响。因此，根据实际情况，适当调整比例，使变化较大的数据放大，突出差异。反之，应避免变化小且不重要的数据。5、位置散点图以空间中的位置作为视觉提示，以点的形式显示在x、y坐标轴上。每个点代表一条数据，点的位置由变量的值决定。当显示大量数据时，可以看到趋势和相关性，并且比其他视觉提示占用更少的空间。趋势：上涨、下跌；相关性：聚类、离群值。6.形状当一张图中有多个对象和类别时，使用不同的形状或符号来表示它们。这就是shapehint，通常用在散点图中，符号或者形状比颜色更容易区分类别。例如，使用文本符号来表示不同的类别。7.颜色在图表的颜色视觉提示中分为色调和饱和度两种。色相是指区分红、黄、绿、蓝等颜色。图表中可以使用不同的颜色来表示不同的数据类别。饱和度是指颜色的纯度。颜色纯度越高，饱和度越高，如鲜红色；与白色、灰色或其他色调混合的颜色，饱和度越低，如粉色、棕褐色等。在图表中，可以用颜色的饱和度高低来表示同一变量的高低。在使用颜色作为提示时，要考虑到色盲或色弱者可能无法通过颜色区分图表的纬度和变量。3.下面的例子结合了多个视觉线索1.色相+位置+长度2.颜色（色相+饱和度）+面积+位置3.符号+颜色+位置转载请微信联系原作者公众号(bigsec)】点此阅读该作者更多好文
