# Data Visualization - Will Lin

{%hackmd yEJ_rTxzTWa2K450RqmT8w %}

> 從這開始

HEAR 10%
READ 20%
SEE 80%

### Data Visualization 資料視覺化 vs InfoGraphics 資訊圖表
- 共同點：運用圖像化的方式簡化資訊

### What make a good data visualization
- Data 找出有用的資料
- Function 與使用者互動
- Design 選用哪種類型的圖表來呈現

### Steps 前置步驟
#### Find the story
不同的角度去看資料，就像看電影一樣，要先想好劇本
例: 冰淇淋銷售，可能關心銷售、時間

關心的是——趨勢、關係、分布狀況（trend, correlation , outsider）

#### Know your data
Data Types:
- Quantitative
- Qualitative 不是這次所討論的範圍
- Categorical 代表不是一個值可能是區間、範圍、目錄

Data Relationships:
- bar chart/column chart
- time series 要看的是整體的趨勢 -> line chart
- 關注的是某一種類型 -> pie chart
- correlation 比較不同 category
- Ranking 用bar chart 來做排序，比較容易看到資料的關係
- Distribution 資料分布

andrew abela
[Third Pillar Of Mapping Data To Visualizations: Usage](https://blog.qlik.com/third-pillar-of-mapping-data-to-visualizations-usage)

3 questions
- 對於資料的了解程度
- 有什麼意義
- 要傳遞什麼事情

Data Cleaning & Aggregation

#### Bar/Column Chart
- 分成橫的、直的
- 不要放直的 label
- bar 之間的空隙大會讓 bar 看起來太細
- 不要太多顏色
- 排序要有意義

#### Pie/Donut Chart(挖空的)
- 人眼沒辦法分辨太小的差別
- 最清楚呈現資料比例
- 不要用太多 category，太小的就歸類為 others
- 不要用太多 chart 作比較
- 在意比例，加起來要100%
- 排序

#### Line/Area Chart
- line 資料隨著時間變化的趨勢
- area 比較可以呈現加總的結果
- 把label放線的尾端
- 根據線起伏去設計 y 軸
- 不要太多線，不超過四條
- 不要使用虛線或其他有裝飾的線讓讀者分心

#### Scatter Plot/bubble Chart
- 不同變數下的分佈
- 可以用 trend line，但也不要超過 2 條

#### Heat Map
- 分好區間

### Avoid
- 避免對比色，選用相近色
- 3D chart
- 陰影、裝飾
> 讓讀者專注

###### tags: `MW19`