编者按：数据可视化图表种类繁多，在什么场景下应该用什么图表显示，是一个让人头秃的问题。本文总结了各种图标的优点和类型。感兴趣的朋友们，一起来看看吧！
大屏幕这个词近年来被广泛提及，几乎各行各业都希望通过大屏幕来数字化他们的产品或业务。同时，也吸引了越来越多的设计师对未来可视化大屏幕的前景持乐观态度。
作为一种相对酷的交互和视觉界面显示，不仅可以同时在屏幕上显示各种场景，还可以给观众带来强烈的视觉冲击，直观地了解实时动态信息，或通过大屏幕上的数据图分析当前和未来的现状和趋势。
二、什么是数据可视化？首先，让我们看什么是数据可视化。
数据可视化是一个形象表达抽象概念和具体图形可视抽象语言的过程。简单的理解是以视觉形式呈现数据，如图表或地图，以帮助人们理解数据本身及其背后的含义。
三、数据可视化原则数据可视化的一个基本原则是通过简洁、准确、突出的洞察图来展示有价值的数据和洞察力。
因此，数据可视化不仅仅是一个简单的图表列表，更重要的是解释数据背后的意义（实际问题）&解决方案)；然而，很多时候我们只是展示了很多很酷的图表，但没有解决任何实际问题；或者高价值的数据信息，没有使用合适的呈现方式，导致表达不清楚，失去了这个门。
我们用一个简单的关系图来表示一个可视化图表是否反映了它应有的价值。
图表不仅需要提供参考价值，还需要考虑读者理解信息的速度。如果它只提供价值，但需要更多的时间来理解，它必须是低效的；如果数据信息显示清楚，但不能提供足够的价值，那么它只是空的外观，缺乏内部。
因此，在设计图表之前，我们需要知道数据的字段组成、每个字段的数据类型、字段之间的依赖等。思考如何用简单的架构完整地描述业务。
举个简单的例子，比如铁路行业——什么时候？哪位员工？在哪里？执行了哪些作业？以及具体的操作内容
当然，这些数据是静态的。当面对我们的客户时，他们更关心问题和答案。问题通常不是一个单一的问题，而是一系列问题的结合找问题的过程更像是剥洋葱。
在业务分析过程中，是不同维度和层次之间的钻孔和相关分析。简单的问题只有一个数据层次，而复杂的问题包括多个数据层次及其相互关系。数据分析的过程是在问题对应的数据层面上完成聚合分析。从不同的角度关注一组数据也会有所不同。
作为设计师，当我们可视化一组数据时，往往是已经处理过的数据。我们只需要优化图表，而不是关注如何处理原始数据。在这种情况下，设计师的任务相对简单。
但对原始数据的处理和分析其实是非常复杂的，有机会与大家分享数据背后的故事。
虽然作为一名设计师，只要数据图表设计得漂亮，大多数设计师都不知道什么是好的视觉图表，这也是写这篇文章来解决这些问题的初衷。
在设计中，大多数设计师根据自己的第一主观感受或自己经验的积累来判断图表的质量。而不是用科学的方法来衡量一个图表是否是。这里有一个验证数据可视化图表设计的黄金公式。
如何判断一个图表的质量？它不是通过主观和经验的感觉，而是有科学的分析和论证基础，并有相应的指标来衡量。为了避免我们走很多不必要的弯路。这门科学的基础是GLAD原则是我们验证数据可视化的黄金公式。
GLAD它由四个短语的开头首字母组成：Good Data and Insight、Less Noise、Accurate Expression、Distinct Mark。它们是黄金公式的四个重要组成部分。探索性数据分析注重内涵，解释性数据分析注重外观，一个好的图表需要内外兼修。GLAD原则，作为优化图表设计的理念，两者兼顾。“G在探索性数据分析过程中，重点提高图表的价值，LAD帮助读者在解释性数据分析中加快对信息的理解。
可视化数据的优势是显而易见的，我们以最简单的方式传递最准确的信息。通过对数据的分析和处理，加快人们对信息的理解，最大限度地提供数据所能带来的价值。
数据可视化是对数据进行图形化处理，传达数据背后的价值。数据是行为的测量结果，大数据和小数据都可以分为两部分：类别和测量指标。
数据分析一般分为三个步骤：数据清洗、数据建模、数据可视化，就像烹饪过程一样：洗菜、切菜、炒菜、上菜
要提高读者对信息的理解速度，需要通过图表的设计来提高。图表类型、配色方法、线条厚度、字体大小、坐标轴高度、标题位置、刻度线密度、图例放置等细节都会影响读者理解信息的速度，并有特殊规定。
在早期工作AT&T贝尔实验室统计学家William S. Cleveland及Robert McGill发表了《图像感知：理论、实践和应用研究图像化方法》。指导如何根据功能选择最佳图表形式。作者设计了一个包含10个基本感知任务的列表，每个任务代表显示数据并进行排序。从而给我们一些视觉表现的指导方向。
在优化图表的过程中，有时我们可能不会因为认知判断的准确性而确定图表的优缺点，而是在大多数情况下全面感知整体认知判断的准确性。因此，在数据可视化的过程中，我们不仅要清楚地认识到每个图表的使用规则和场景，选择正确的图表来表达数据，还要整体思考和优化其视觉感知（视觉） 交互)即应用好GLAD原则。
五、可视化图表的组成是什么？选择正确的测量值往往是解决问题的关键。现代管理之父彼得.德鲁克的金句曾经说过衡量的重要价值：如果你不能衡量它，你就不能改进它。
假如我们想测量它，我们必须首先了解它。
由于我们深刻认识到视觉图表的优点——简洁、准确、突出的洞察力和在视觉屏幕中的重要地位，我们应该对一个完整的图表有一个全面的理解和理解。
什么是好的图表？一个完整的图表由什么元素组成？元素对读者理解信息有什么影响？应该避免哪些问题可以提高读者对信息的速度？等等，都是可视化大屏幕设计师应该掌握的基本功。
根据前面的介绍，我们可以知道图表的质量，可以通过GLAD检验原则。工欲善其事，必先利其器，只有先全面了解和理解图表的组成元素，才能在设计上轻松。接下来，让我们分别介绍图表的组成。
1. 标题和副标题图表标题，包括标题和副标题，其中副标题是不必要的。
标题的主要功能是概述图表的主题，副标题是补充标题或解释数据来源，以便更直观地理解图表的主题和内容。
从前端开发的角度来看，标题只有一些文本信息，所以标题的配置只不过是一些定位、字体大小、颜色等，但一些标题可以添加超链接属性。
因此，我们可以考虑优化标题文本的字体、字体大小、颜色和位置。当然，如果要同时显示标题和副标题，也要考虑两者之间的间距。
2. 图例图表中使用不同的形状、颜色、文等来标记不同的数据列，可以通过点击标记来显示或隐藏。
2.1 图例容器样式
图例容器是指整个图例容器的样式，包括背景、边框、边距、宽度等。
在图例的风格优化中，我们可以优化图例容器的背景颜色、边框颜色、大小（宽度、高度）和阴影。图表中的数据测量项也可能过多，图例在整个图表中所占比例过大。我们也可以以分页的形式在视觉上减压，在交互上取得突破。
2.2 图例项样式
图例容器的样式可以通过图例项的相关属性来控制图例的整体样式。我们不仅要考虑容器的设计，还要更加图例项本身。
至于图例项的基本风格，即尺寸、颜色、圆角等，图例项可以通过标记不同的颜色来代表不同的类别（注：在同一组图例中，尽量避免相似的颜色，可以提高图表信息的读取速度），以及上述不同状态下的设计风格，如图例隐藏、鼠标过时风格、容器中图表项的位置和相对位置关系等。
2.3 图例内容及定位
图例内容，即表示图例的文字说明。
图例中的对齐方式包括左对齐、中对齐、右对齐，图例内容的布局方式包括垂直布局和水平布局。
3. 坐标轴笛卡尔图表(普通二维数据图)有X轴和Y轴，默认情况下，x图表底部显示轴，y左侧显示轴(左右两侧可显示多个y轴)。
3.1 坐标轴标题
坐标轴标题。一般情况下，x轴没有标题(一般显示类别)，y轴通常是数据的测量指标。
3.2 坐标轴刻度标签
当我们的数据值相对密集时，我们可以通过y轴坐标轴标签步进来降低视觉压力。同样，如果x轴的数据维度也很多，我们也可以通过步进来优化。此外，我们还可以通过交互水平进行优化，例如，x轴的标签可以设置为拖动。
3.3 坐标轴刻度
坐标轴的刻度在我们的设计中很容易被忽略，但在图表中，我们通常可以通过这个小刻度来确定对映区间的数据值。我们还通过调整刻度来降低视觉压力。然而，尽管这种调整与上述坐标轴刻度标签中的优化方法相同，但它背后的逻辑是不同的。前者只是改变了显示间隔，后者是真正意义上的调整刻度。
同时，在图表优化过程中，可以优化坐标轴刻度线的长度、宽度和颜色，也可以修改刻度线的位置，如是放在刻度标签下面还是中间。
标记线是用来标记坐标轴上特殊值的直线，在绘图区域绘制自定义线。标记线总是垂直于它属于的轴。它可以单独定义为x轴或y轴，也可以同时定义为x轴和y轴。如果标记线同时定义为x轴和y轴，则定义为y轴的标记线将显示在前面。
在视觉上，我们可以设计和优化标签的颜色、厚度、线条风格（虚线、实线），以及标签（标签线的文本描述）的位置和颜色。
5. 标示区(标示带)标记带与标记线相同，但标记内容为一段范围。许多标记带的功能和事件类似于标记线。
导出功能按钮可以添加图表导出作为常见的文件功能，通常使用icon使用下拉列表。常见的导出格式有png、jpeg、svg、pdf等。
数据列是图表上的一个或多个数据系列，如曲线图中的一条曲线，柱形图中的一个柱形，即我们看到的各种图表的表现形式。
8. 数据提示框当鼠标悬挂在某一点时，以框架的形式提示该点的数据，如该点的值、数据单位等。通过格式化函数动态指定数据提示框中提示的信息。
{x
电脑网
