本文來源：公眾號“生信寶典”

數(shù)模競賽的論文里常常會遇到需要數(shù)據(jù)可視化的情況，因為圖表能更直觀清晰的表述問題。評閱老師需要在短時間內(nèi)閱讀大量的論文，此時就需要簡單易懂且漂亮的圖表來抓住老師的眼球。

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

首先要明確幾點：

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

2.在一個看臉的世界，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)可視化做得簡單易懂，他們才能理解數(shù)據(jù)分析的內(nèi)涵。

3.對于數(shù)據(jù)可視化，最重要的東西從來不是圖形、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)可視化部分就會變得比較亮眼。熟悉了套路怎么看，再結(jié)合專業(yè)知識，就可以解釋可視化結(jié)果了。

常用圖形

散點圖

散點圖用來表征兩個（如果多個就分面，如上圖）數(shù)值型變量間的關(guān)系，每個點的位置（即x軸和y軸坐標(biāo)）映射著兩個變量的值。當(dāng)然對于三個數(shù)值型變量，也有三維散點圖，不過用得不多。

氣泡圖

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

折線圖

把散點圖各個散點用折線連接起來就成了折線圖，當(dāng)然不僅僅只是為了好看，當(dāng)散點越多，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)其實跟折線圖沒區(qū)別，只是看起來更加飽滿一點。

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取值還能繼續(xù)分類，那么簡單的柱狀圖就變成了復(fù)雜的柱狀圖，每一個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

只不過把柱狀圖坐標(biāo)旋轉(zhuǎn)一下，豎著的變成橫著的，這個可根據(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，只不過把直角坐標(biāo)系映射成極坐標(biāo)系?？雌饋肀戎鶢顖D更美觀。

瀑布圖

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

餅圖

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

值得一提的是，因為一個圓餅只有360度，如果類別太多了，這個餅會被切割得非常細(xì)，不利于閱讀；這種情況下老老實實地用柱狀圖。

圓環(huán)圖

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

sunburst chart

sunburst chart看起來跟餅圖比較像，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，用來表示多個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，而且還能實現(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，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、性別和年齡層無關(guān)的條件下，該類別下的生存率通常超過預(yù)期值。紅色陰影則含義相反。一定要運(yùn)行該例子的代碼，這樣你可以真實感受下著色圖形的效果。圖形表明，在模型的獨立條件下，頭等艙女性存活數(shù)和男性船員死亡數(shù)超過模型預(yù)期值。如果存活數(shù)與船艙等級、性別和年齡層獨立，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

直方圖看起來跟柱狀圖很像，但其實本質(zhì)并不一樣 （這一點需要注意）。直方圖用來表征一個數(shù)值型變量的分布，具體來說就是把這個連續(xù)型變量劃分成多個區(qū)間，然后統(tǒng)計各個區(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。柱狀圖一般是一個分類型變量不同類別間的比較，雷達(dá)圖可以是多個數(shù)值不在同一個scale之下；更具體地說，柱狀圖一般是橫向比較，雷達(dá)圖既可以多個觀測之間的縱向比較，也可以是一個觀測在不同變量間的橫向比較。

值得一提的是，雷達(dá)圖如果用來橫向比較，需先把各個數(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)的一個圖。它用來表征各個數(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映射密度或者其他數(shù)值變量，一般來說，顏色最深的地方表示數(shù)據(jù)最集中。（比較常用，對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，它把每一個矩形重新排列成日歷的形狀，這樣可以方便地觀察一段時間內(nèi)每一天的數(shù)值特征。

地圖

地圖用來可視化地理數(shù)據(jù)，這些數(shù)據(jù)一般由國家地理測繪部門提供，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，勾勒成曲線，再連接成多邊形——其中每一塊多代形代表一個地區(qū)，可以是國家、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多邊形來映射一個指標(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或者曲線，來表征各個點之間的地理位置。

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，也就是說你可以用鼠標(biāo)實現(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，就一個國內(nèi)，甚至一個省市內(nèi)的，搞個地球圖就太浮夸，而且整個球上只有一個非常小的區(qū)域有數(shù)據(jù)，是很不和諧的。

網(wǎng)絡(luò)圖

網(wǎng)絡(luò)圖的元素包含點和邊，邊分為無向邊、單向邊和雙向邊來表征點與點的連接關(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，只不過它把所有的節(jié)點一字排開，以弧線來表示邊。這樣看起來藝術(shù)感更強(qiáng)，適合于節(jié)點較多的網(wǎng)絡(luò)關(guān)系可視化。

和弦圖

和弦圖一般用來表示雙向的網(wǎng)絡(luò)關(guān)系（比如AB兩個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)點很多的時候，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)點間的網(wǎng)絡(luò)關(guān)系，不過它把邊扭曲成曲線，這樣就適合節(jié)點比較多的可視化。

矩形樹圖

矩形樹圖本質(zhì)就是決策樹的可視化，只不過排成矩形。它也是把各個變量層層細(xì)分，這一點跟sunburst圖類似。當(dāng)變量比較多的時候，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)點是可以把多個變量并形排開，把每一個記錄都以折線連接上。這樣當(dāng)數(shù)據(jù)量大的時候，其實可以很方便地觀察各個變量的分布情況。

?；鶊D

?；鶊D看起來跟平行坐標(biāo)圖有點像，但含義不一樣。?；鶊D主要的用法是表征流量在各個層級的流動關(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)營有一個很重要的概念就是層級轉(zhuǎn)化，這個每層的轉(zhuǎn)化率用漏斗圖來可視化，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

儀表盤的觀賞性大于實用性，實際上它的功能很簡單，就是表征一個數(shù)值型變量在最小值和最大值之間的什么分位。

象柱形圖

象柱形圖其實就是柱形圖，只不過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。它一般是把多個類別隨時間的變化數(shù)據(jù)堆疊起來，表征隨時間變化的趨勢。

詞云圖

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

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

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。

圖形語法

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

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

2.幾何對象(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。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映射？常用的有顏色、長度、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)計變換(stat)：對數(shù)據(jù)進(jìn)行常規(guī)的統(tǒng)計操作，不過也可以先把數(shù)據(jù)處理好，可視化的時候就不再做變換。

7.分面(facet)：如果圖形維度較高，并不是一張圖能說明的，那么就分面處理。分面實際上是多加了一個維度，就像一頁紙和一頁書的區(qū)別。

8.位置(position)：一般來說圖形各個元素的位置是由數(shù)據(jù)決定的，不過在不影響分析的前提下為了視覺美觀也可以做一些微調(diào)。比如有的散點圖只看它在y軸的高度，這個時候就可以在x軸上加擾動，沒必要很多點都擠在一起。

掌握了圖形語法，對理解可視化的本質(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)。