第3章可视化基础

3、可视化基础：视觉编码原理、感知与认知、图表类型选择

各位好，我是老张。这一章咱们聊聊可视化的地基——视觉编码。说实话，我见过太多人一上来就选图表，结果做出来的东西要么看不懂，要么误导人。这就像盖楼不打地基，早晚要塌。

我个人习惯是，拿到数据先别急着画图。先想清楚：我要传递什么信息？观众是谁？然后才是怎么画。今天咱们就把这套逻辑捋清楚。

视觉编码，说白了就是把数据映射到视觉元素上。比如数字大小映射成柱子的高度，类别映射成颜色。这个映射做得好，一眼就能看懂；做得不好，看图比看表格还累。

视觉编码有两个核心要素：标记和视觉通道。

举个例子。你有一组销售数据，每个城市一个销售额。你可以用柱子的高度（大小通道）表示销售额，也可以用颜色深浅（颜色通道）表示。哪个更好？嗯，这里要注意：人对位置的感知最敏感，其次是长度，最后才是颜色。所以柱状图通常比色块图更直观。

  核心原则：数据越重要，越要用高精度的视觉通道。位置 > 长度 > 角度 > 面积 > 体积 > 颜色饱和度 > 颜色色相。

我在项目中遇到过一件事。有个同事用气泡图展示数据，气泡大小表示销售额。结果几个大泡泡把小的全挡住了，根本看不清。这就是典型的「面积感知不靠谱」——人眼对面积的判断误差很大，两个面积差一倍的东西，你看着可能只差30%。

为什么会这样？因为人的视觉系统不是照相机。它有自己的「偏见」和「捷径」。心理学上叫感知偏差。做可视化，必须了解这些坑。

我挑几个最常见的说说。

这是视觉感知的底层规律。简单说，人眼会自动把零散的元素组织成整体。

我的小技巧：做图表时，把图例直接放在图形旁边，而不是堆在右上角。这样观众不用来回扫视，一眼就能对应上。这叫「接近性」的应用。

颜色这块水很深。我简单说几个关键点。

第一，色盲问题。大约8%的男性有某种形式的色盲。红绿色盲最常见。所以别只用红绿来区分重要信息。我习惯加一个形状或者纹理作为辅助通道。

第二，颜色数量。人眼能同时分辨的颜色有限。一般建议不超过7种。超过这个数，观众就开始犯晕了。我曾经见过一个图用了12种颜色，看完只想问：这到底是彩虹还是数据？

第三，颜色顺序。连续数据用渐变色，分类数据用离散色。别搞混了。比如温度从低到高，用蓝到红渐变，这是对的。但如果你把城市名用渐变色表示，那就莫名其妙了。

避坑指南：我曾经用过一个彩虹色阶表示海拔高度，结果低海拔区域和高海拔区域颜色太接近，根本分不清。后来换成蓝-绿-棕-白的经典色阶，问题就解决了。记住：彩虹色阶虽然好看，但感知上并不均匀，容易误导。

好，现在咱们聊聊实战。拿到数据，到底选什么图？

我一般把图表分成几大类，每类解决一类问题。

数据类型	要回答的问题	推荐图表	不推荐
数值比较	A比B大多少？	柱状图、条形图	饼图（除非只有2-3项）
趋势变化	随时间怎么变？	折线图、面积图	柱状图（数据点太多时）
分布情况	数据集中在哪？	直方图、箱线图、密度图	饼图
相关性	两个变量有关系吗？	散点图、气泡图	折线图（非时间序列）
组成结构	各部分占比多少？	堆叠柱状图、饼图（慎用）	3D饼图（永远别用）
地理分布	数据在哪？	地图、热力图	普通散点图（位置不准）

你想想看，这个表格其实就覆盖了90%的日常需求。每次做图前，先问自己：我要回答哪个问题？然后从表里选一个。

但这里有个坑：很多人喜欢用饼图。说实话，饼图除了展示「部分占整体」且类别很少（3-5个）的情况，其他时候都不太合适。人眼对角度和面积的判断误差很大。两个饼图切片，一个30%一个35%，你肉眼根本分不清。换成柱状图，高下立判。

说了这么多，咱们用一张图把本章的核心逻辑串起来。我手绘了一个结构图，你看看。

这张图把咱们这章的核心逻辑串起来了。从左到右，从原理到实践。你每次做图前，可以拿这个图过一遍：编码对不对？感知有没有坑？图表选没选对？

最后，我分享一个我自己的实战流程。假设你拿到一份数据，要做一个可视化报告。

嗯，这套流程我用了好多年，基本没翻过车。你试试看。

一个小工具推荐：如果你不确定某个图表类型是否合适，可以用 Vega-Lite 或者 Observable Plot 快速画个草图。它们语法简洁，几分钟就能出图。我经常用它们做原型验证。

好了，这一章就到这里。记住：可视化不是艺术创作，是信息传递。你的每一个视觉选择，都在影响观众的理解。选对了，数据会说话；选错了，数据会骗人。

公众号:蓝海数据掘金营，微信deep3321