用数据讲述最好的故事：如何做出赏心悦目的数据可视化

当设计地图时，我会想：我想让观看者如何阅读地图上的信息？我想让他们一目了然地看出地理区域的测量结果变化吗？我想要显示出特定地区的多样性吗？或者我想要标明某个区域内的高频率活动或者相对的体积/密度？

有多种方法可以在地图中快速而集中的呈现出可视化数据。我常用的几个是：

·Dot density (点密度图)——使用点或其他符号展示特征或现象的集体情况（密度）的地图样式。例如，显示区域内的交集或高/低活动量。

·Choropleth (分级统计图)——这是一种主题地图样式，它根据地图上显示的数据强度，对应的展现在阴影颜色或图案纹理上。例如，显示人口密度或人均收入。

· Hexagonal binning / hexbin (六边形图)——这种地图的风格适合显示地理上的一般主题。在choropleth地图中，它的颗粒比 dot density密度小，不受边界约束。

· Heatmap (热度图)——这种地图使看地图的人能够在缩放因子中独立地感知点密度。也是最不受约束的，因为它不符合地理范围。

举例

当对点数据进行可视化时，点密度图是有效的，通常用于展现活动，特征和其他地理现象中的体积或模式。单个数据点不应该被计算在内，而是显示一个区域的情况和密度。简单但有效，可以快速给你的地图带来展现力。

Eurovision Shazam - 优雅的点密度图

分级统计图基于先前定义区域的统计数据。典型的例子是由选举区域划分的选举地图; 在这里，分级统计图是首选。一般来说，分级统计图代表两种类型的数据：空间的广泛度，比如人口，以及空间的密集，比如比例，密度和比例。

DirectRelief - 分级统计图表示的乌干达的疟疾发病率

对聚合数据进行可视化时，六边形图擅于用更含蓄但更结构化的形式来展现。例如，表示一般分布情况时，不是渲染出数万个点的散点图，而可以将点数填充为几百个六边形。

热点图本质上使用颜色作为数据可视化工具。该应用可以很好的处理多个变量，并可以在数据中显示类似的模式和相关性。

纽约市交通事故热点图 - 混合热点图与六边形图

设计中的考虑

点密度图依赖聚类方法，因此分割数据时必须确定适当的值。我通常使用Jenks优化方法来计算和组合最佳值，从而切换颜色或比例。在点密度图中，具有较多点的区域表示高浓度值，具有较少点的区域表示较低浓度值。我会使用范围，不透明度或颜色对这些变化进行可视化。

在设计分级统计图，六边形图以及热度图时，需要记住重要的两点：

1）较暗的颜色数值更高; 

2）虽然有数以百万计种不同颜色，但是人眼只能轻易区分有限的颜色。因此一般来说，我只使用五到七种颜色类别。

有好几种制图时可选择的不同类型颜色种类。以下是我最喜欢的几个：

· 单色系列：颜色由所选颜色的暗色渐变到相同色调的浅色或白色。最暗的颜色代表数据集中最大的数字，最浅的色调代表最小的数字。

单色渐变

· 双极渐变：通常使用两个相反的色调来显示从负到中心到正的值变化。这些类型的地图显示了彼此相关值的大小。

双极渐变

· 部分光谱色调渐变：用于混合映射两组不同数据。这种技术融合了相邻的两种对手色调，并显示了混合数据类别的大小。

部分光谱色调渐变

对于色彩浓重的地图风格，我总会考虑最终成品的可行性。会是纯数字的还是可以打印或复印？颜色和混合是否面对色盲的问题？颜色可以大大增强制图者与看图者之间的交流，但失败的配色可能导致图既不有效也不吸引人。记住，往往越简洁越好！