京公网安备 11010802034615号
经营许可证编号:京B2-20210330
编译:Mika
【导读】
信息爆炸时代,经过精心设计、形象生动的可视化图表往往要比一篇深度长文章更容易赢得眼球和青睐。
在一次TED演讲中,信息设计师汤米·麦考尔追溯了长达几个世纪的图形和图表的演变过程,并展示了复杂的数据是如何通过处理,演变为清晰、美观的可视化形式的。
我爱信息图表。
作为一个信息设计师,在过去25年中我跟各种各样的数据打交道。今天跟大家分享一些我的见解。
首先让我们聊一聊历史。
沟通是对信息的编码、传输和解码。沟通的突破标志着人类文化的转折点。在沟通方面,语言、文字和算术能力得到了很大的发展。它们让我们可以把想法编码为文字,并量化成数字。没有沟通能力,人类的发展将会停滞在石器时代。
尽管人类已经存在25万年,但仅在8000年前,才出现原始文字。在将近3000年后,首个正式的书写系统才成形。地图已存在了几千年,图表出现了数百年之久。
但通过图形来表示数量,还是一个相对较新的发展领域。
直至1786年,威廉·普莱费尔发明的首个条形图,这才催生了对数量信息的视觉显示形式。
1786年 威廉·普莱费尔发明的首个条形图
15年后,他引入了首个饼图和面积图。他这些发明仍是今天最常使用的图表类型。
1801年 威廉·普莱费尔的饼图和面积图
1857年,弗洛伦斯·南丁格尔发明了鸡冠花图 (又名南丁格尔玫瑰图),用来来向维多利亚女王介绍军队的死亡率。在用蓝色强调的部分,她展示了军队的大多数死亡可以如何被避免。
1857年 弗洛伦斯·南丁格尔的鸡冠花图
不久之后,查尔斯·米纳德绘制了拿破仑进军莫斯科的图表。其中展示了一支42.2万人的军队是如何在战斗、地理和冰冻的影响下付出惨痛代价,最终减少到只有1万人的。这当中,他将桑基图与制图以及温度线图表结合在一起。
1861年 查尔斯·米纳德 绘制的拿破仑进军莫斯科图
用图表让数据会说话
当有很多数据可用是,我总是很激动,特别是当它产生出有趣的图表形式时。
看到这张整理数千份联邦能源补贴数据的图,南丁格尔玫瑰图是它的灵感来源。图中仔细显示出,相比化石能源,可再生能源投入不足。
联邦能源补贴数据图
这个桑基图展示了美国经济中的能源流动,强调了近一半的能源消耗是作为废热流失的。
美国经济中的能源流动
我喜欢把数据用美观的形式展现。
在这里,硅谷女性的个人和职业联系可以被绘制成弧线。
硅谷女性的个人和职业联系
同时,全球范围内发明家的协作也可被绘制出来。
全球范围内发明家的协作图
我甚至为自己制作了图表。
我擅长数字领域,但我的拼字游戏玩得差劲。我做了这个图表来记住官方拼字字典里的所有两个字母和三个字母的单词。熟知这1168个单词显然是我的制胜法则。
有些时候我编写代码 ,去把数千个数据点快速生成图片,编程也让我可以制作交互式图表。现在我们还可以根据自己的条件来导航信息。
图表能让数据一目了然
奇特的图表当然看起来很酷,但又是很小且简单的一个点就足以满足所需,从去解决特定的思考任务。
2006年,纽约时报重新设计他们的市场板块。将原本多达8页的股票列表削减到只有1页半的基本市场数据。其中列出了最常用的股票指标,但我想帮助投资者了解这些股票表现如何。
因此我增加了一个简单小点,用来展示现在价格在一年内的水平。这样只需看一眼,价值投资者就可以通过靠近左边的点去挑选出股价接近低位的股票;短线投资者可以通过靠近右边的点找出上升趋势的股票。
2006年 纽约时报重新设计的股票板块
不久之后,华尔街日报复制了这个设计,从而简单化通常是大部分图表的目标。
一张好的图胜过千言万语
但有时候我们需要复杂性,并充分展现出大量数据集。
盖洛普公司的前主席--亚力克·盖洛普,他有次给了我一本非常厚的书。数百页纸涵盖了60年的总统支持率数据。
我告诉他,整本书可以图表化在一页上。他说 "这不可能”。
这张就是,在一页中展示2万5千个数据点。
只需一眼就可以看出:多数总统以高支持率开场,但很少能够维持。像战争那样的事件最初会提升支持率,丑闻会引发下降。这些重要事件能在图表中被注释,在书中可不行。
数据可视化能力将越来越重要
要点在于,图表可以用惊人的效率传输数据。
图形能力,即读图和画图的能力仍然处于早期阶段。
新的图表将会出现,专业的用语将会发展。图表可以帮我们更快地思考,比如在一页纸上就看到整本书的信息,这就是开启新发现的关键。
我们的视觉皮层是用来解码复杂信息的,而且还非常擅长模式识别。如今,通过图形能力、数据可视化能力,我们能充分利用大脑内置GPU,从而轻松处理海量数据,去发现藏在里面的金子!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28