支付宝发布数据可视化规范,可视化分析有套路!
早先,阿里发布了支付宝数据可视化规范,这是一套数据可视化的设计语言,对数据图形进行了拆解、提炼,从色彩搭配、组件规范、基础元素、功能上进行了归纳总结。
图表用色
图表用色上,提出了一些图表用色上的建议,给出了一个标准的配色方案。
1.单色的使用
在使用单色就能表达数据意义的情况下,建议不使用多色。
在图表只展示单一属性的情况下,建议不要使用多种色相。
如果数据的数值已经通过形状、位置、角度等其他视觉通道进行了编码,那就没有必要再设置不同的亮度和饱和度。
2.多色的使用
人们在不连续区域的情况下通常可以分辨6~12种不同色相,以及有限个可辨亮度层次。过多的颜色使用将对人类的视觉感知产生困扰。建议谨慎选择颜色的数量。
在考虑图表中的颜色数量时,需要将背景色和图例颜色考虑进去,即显示区域所有颜色的总和。
如果着色区域比较小,由于视觉通道的相互影响,可分辨的数量将相应有所下降。
多色相的使用:
当图表展示了多种不同的属性时,建议用不同色相来区分不同属性。
多亮度与多饱和度的使用:
亮度和饱和度可以编码数据的顺序或数量特征。通常我们只会在特定图表内使用到多亮度或多饱和度,例如在一个“热力图”中,用不同亮度的红色来表示不同的气温测量值。
3.背景色的使用
图表设计中的颜色使用必须统一,建议背景颜色不要选取与图表主体内容相同或相近的颜色。
在一个精心设计的图表中,背景颜色既要能良好地衬托图表主体,又不产生喧宾夺主的效果。
通常我们较多地使用白色、浅灰色作为背景颜色,有些情况下也会使用黑色。
4.透明度的使用
透明度是与色相、亮度、饱和度紧密相关的另一个视觉通道。
由于透明度编码本身受亮度和饱和度编码的强烈影响,建议不要同时使用这三个视觉通道。但是它可以和色相编码一起使用。
通常使用透明度时,图表会有很多堆叠层次,我们需要做到使每一个前景层都能够在背景层之上良好地显示,并且不产生相互干扰。
5.辅助元素配色
辅助元素的配色需要避免与图表主体配色产生冲突。
在此基础上,尽量与图表主体配色统一。
图表类型
选择什么图表应该根据“有什么数据,需要用什么图表”。从数据出发,从功能角度对图表进行以下分类。
1.比较类
可视化的方法显示值与值之间的不同和相似之处。使用图形的长度、宽度、位置、面积、角度和颜色来比较数值的大小,通常用于展示不同分类间的数值对比,不同时间点的数据对比。
2.关系类
可视化的方法显示数据之间相互关系。 使用图形的嵌套和位置表示数据之间的关系,通常用于表示数据之间的前后顺序、父子关系以及相关性。
3.趋势类
可视化的方法分析数据的变化趋势。 使用图形的位置表现出数据在连续区域上的分布,通常展示数据在连续区域上的大小变化的规律。
4.分布类
可视化的方法显示频率,数据分散在一个区间或分组。 使用图形的位置、大小、颜色的渐变程度来表现数据的分布, 通常用于展示连续数据上数值的分布情况。
5.地图类
可视化的方法显示地理区域上的数据。 使用地图作为背景,通过图形的位置来表现数据的地理位置, 通常来展示数据在不同地理区域上的分布情况。
6.区间类
可视化的方法显示同一维度上值的上限和下限之间的差异。 使用图形的大小和位置表示数值的上限和下限,通常用于表示数据在某一个分类(时间点)上的最大值和最小值。
7.时间类
可视化的方法显示以时间为特定维度的数据。 使用图形的位置表现出数据在时间上的分布,通常用于表现数据在时间维度上的趋势和变化。
最后,总结一句,数据可视化首先要保证数据的准确展示,其次选对图表和配色,可大大增加视觉感。如果觉得配色有困难,审美难以决断,不妨尝试一些可视化不错的工具,诸如上文提的FineBI。
转载于:https://www.cnblogs.com/telwanggs/p/10875906.html
支付宝发布数据可视化规范,可视化分析有套路!相关推荐
- 大数据智慧数字电商第五课 程序整合 可视化和BI分析
大数据数仓项目第05天 课程目标 能够整合Phoenix.HBase实现订单明细查询 掌握使用Phoenix创建二级索引提高查询效率 掌握Flink程序优化 完成 Imply 安装 能够使用 Drui ...
- 数据可视化和可视化分析:你能看到数据世界
看了很多介绍数据可视化的文章,但是解释的可能都比较片面,数据可视化的用途在于辅助数据分析,那么数据可视化和可视化分析又具体是什么? 在一个日益以数据为主导的世界中,各种各样的用户正在以多种方式收集数据 ...
- 数据集成到可视化分析,轻松驾驭数据洞察力:ETLCloud与帆软BI完美结合
在当今数据驱动的业务环境中,企业需要快速而准确地获取.处理和分析大量的数据.为了满足这一需求,ETLCloud通过和帆软BI的集成提供了一种强大的数据采集和数据分析解决方案,通过可视化的ETL工具和灵 ...
- 云杉网络发布数据驱动的云网可视化与分析产品
网络与业务正在脱节 通常来说,企业业务的经营与管理离不开"业务架构"."应用系统"和"IT基础设施"三个有机部分.其中,应用系统是业务的直观 ...
- 数据多维分析 - 派可数据商业智能BI可视化分析平台
先说下结果,经过测算,这家企业的产品退货率从6%降低到3%,净利润率能够提升0.5%-1%,净利润可以提升2个亿到4个亿. 先来说下生产制造行业的毛利率,大概在15%-25%左右,不同的细分行业毛利率 ...
- python使用TSNE为影像组学(radiomics)数据进行降维可视化分析
python使用TSNE为影像组学(radiomics)数据进行降维可视化分析 目录 python使用TSNE为影像组学(radiomics)数据进行降维可视化分析
- 《数据驱动安全:数据安全分析、可视化和仪表盘》一2.3 数据帧介绍
本节书摘来华章计算机<数据驱动安全:数据安全分析.可视化和仪表盘>一书中的第2章 ,第2.3节,[美]杰·雅克布(Jay Jacobs)鲍布·鲁迪斯(Bob Rudis) 著 薛杰 王占一 ...
- ML之FE:对人类性别相关属性数据集进行数据特征分布可视化分析与挖掘
ML之FE:对人类性别相关属性数据集进行数据特征分布可视化分析与挖掘 目录 对人类性别相关属性数据集进行数据特征分布可视化分析与挖掘 输出结果 实现代码 对人类性别相关属性数据集进行数据特征分布可视化 ...
- 《数据驱动安全:数据安全分析、可视化和仪表盘》一3.3 读入数据
本节书摘来华章计算机<数据驱动安全:数据安全分析.可视化和仪表盘>一书中的第3章 ,第3.1节,[美]杰·雅克布(Jay Jacobs)鲍布·鲁迪斯(Bob Rudis) 著 薛杰 王占一 ...
最新文章
- CPU 周期信号、节拍周期信号、节拍脉冲信号三者之间的关系是什么?
- #define、#undef、#ifdef、#ifndef、#if、#elif、#else、#endif、defined解释
- php 获取数组最小值,php 获取数组中最小的值与键名的方法
- F - 数据结构实验之查找六:顺序查找
- 第三次学JAVA再学不好就吃翔(part33)--final关键字
- C++ STL实现的优先队列( priority_queue )
- java中catch ()_有关java中的try{}catch(){}的讲解
- java常用类解析五:IO系统File类及文件搜索工具类
- java树的基本知识_Java数据结构和算法(二)树的基本操作
- app自动化测试之Appium 源码分析
- sql语句多条件查询语句拼接
- 基于PHP+MySQL的网上图书店商城在线销售系统
- bootmgr快速修复win7_【win7共享软件下载】win7共享软件(局域网共享)下载 v7.2.8 免费版...
- 2019年注册测绘师 测绘管理与法律法规 精讲班视频课程
- 小i机器人登陆美股,乘ChatGPT的东风能走多远?
- 达人评测 i5 13500h和1240p选哪个好 i5 13500h和1240p对比
- 佳能(Canon)打印机初始化备忘录
- bulldog2 靶机渗透
- United Cows of Farmer John G
- 梦幻西游原服务器物品,梦幻西游:物品贱如粪土的服务器,强化石摆3万无人要...
热门文章
- python中lambda()的用法_python中lambda()的用法
- 基于FPGA实现SPI接口(配置或通信)
- cvtres.exe无法正常启动_启动盘介绍
- 安装ceston8出现timeout_瓦罗兰特Valorant:显示逾时怎么办 瓦罗兰特time out解决
- (2)散列表是怎么进行查找的
- linux fcntl注销信号,linux下fcntl的使用(转载)
- 2015大学计算机二级考试,2015年计算机二级考试模拟题(一)
- 安川g7接线端子图_图解西门子S7-300plc模拟量模块接线方法
- 《深入理解分布式事务》第二章 MySQL 事务的实现原理
- Class中Query Filter