2018浙江大学可视化暑期学校-第六天

课程:Machine Perception-driven Data Visualization
讲师:Yunhai Wang
讲师简介:
汪云海是山东大学计算机科学与技术学院的教授和助理院长。他的研究兴趣包括信息可视化,科学可视化和计算机图形。
课程简介
wangyunhai

图1 Yunhai Wang:Machine Perception-driven Data Visualization

1.画图的基本原则:

1.1 在增强视觉方面:
·减少杂波,使数据脱颖而出
绘图的主要焦点应该放在数据本身上,可能会删除可能会遮挡或分散观察者数据的图中任何多余的元素。

·使用视觉上突出的图形元素
连接线不应该模糊点和点不应该相互模糊。
-- 如果在同一图中表示多个数据集(叠加数据),则它们必须在视觉上可分离。
-- 如果由于数据本身不可能,则可以将数据分成共享轴的相邻图。

·使用适当的刻度线和数据矩形
应在每个轴(左右,顶部和底部)上使用两条刻度线,以完全框架到数据矩形。
-- 添加数据边距以使图表突出显示。
-- 勾选标记,每个轴3-10。

·参考线、标签、注释
参考线仅用于显示数据中的阈值。只在必要时稀疏地使用它们,不要让它们模糊数据。

·叠加数据集
符号应该是可分离的,数据集应该易于视觉组装。

1.2 在增强理解方面:
·提供解释并得出结论。
图形表示通常是确认假设或传达结果的手段。

·使用所有可用空间,尽可能多的填充数据矩形

·并列图
确保比例匹配并且图表对齐

·适当时使用对数比例

·45度角原则
调整图的长宽比使其斜率为1
45

图2 bank to 45°

·提供合适的刻度标签,优化图的轴标记

2.颜色的选择
luminace

图3 颜色亮度表

color

图4 不同颜色组合的亮度差

color9

图5 颜色组合对比

不同颜色具有不同的亮度。通过定量实验发现,当颜色组合的亮度差大于等于0.4时,具有较好的辨识度。

123