资讯详情去年参加阿里云栖大会的时候，见过一个巨大的 DashBoard 数据液晶大屏，用来展示安全生态领域的可视化数据，当时给我的印象就是「哇，好酷！」，然后，就没有然后了…虽然当时设计得很酷，数据也很美，但是呈现的信息对我是完全无感的，我没法快速解读数据，甚至看不懂某些图表是在表达什么信息，一度陷入自责。
后来反省发觉，既然对数据如此无感，不妨提升一下自己的数据解读和分析能力吧，毕竟：
1. 一个看不懂数据图表的设计师来做数据可视化设计，未免说不过去。
2. 产品 UI 一直强调回归到用户诉求层去指导设计，数据可视化也应该回归到数据源头，才能提升我们的可视化设计能力。
3. 团队提倡用数据思维来指导设计，而研究数据图表和知识显然是基本功。
4. 可视化设计与自己工作强关联，正好能学以致用。
所以有了最近关于数据可视化设计系列文章，欢迎拍砖。
PS: 本篇主要介绍数据可视化历史、主流数据图表类型以及学习数据可视化相关资料、工具等。
从人类诞生之日起，便有了信息的呈现形式，并伴随着人类发展足迹不断变迁。如今出现的任何信息可视化类型，并非一夜之前突现的新物种，几乎都是从过去经典的表达式中发展而来。
17000 年前
如果你问最早的信息图表设计师是谁，很多学者认为是远古时代的洞穴人，他们是最早用图像描绘成日常生活比如战斗，野生动物、死亡和庆祝活动等等。
法国发现的洞穴绘画遗址-拉斯科壁画，距今约17000年
公元前 3000 年
古埃及象形文字，作为那时的正式书写系统，开始使用符号来代表字母和概念，可追溯到公元前3000年。
公元前 550 年
希腊哲学家阿那克西曼德创造了第一个出版的世界地图，这可以说是最早的可视化地图了。
公元 950 年
欧洲人画出了基于时间变化的折线图，用于展示太阳，月亮等行星的位置变化趋势，开始出现如今的数据图表的雏形。
17 世纪
统计图形之父威廉·普莱费尔，发明了我们今天经常使用的折线图和条形图，也被认为创建了面积和饼图。普莱费尔是苏格兰工程师和政治经济学家，并在1786年出版了商业和政治地图集。
智能时代
随着时代的发展，智能时代AR、VR 技术的兴起，我们开始看多更多新颖的的数据可视化形式。
1992-2010年内世界小型武器和弹药的进出口贸易数据展示
“里约+20”地球峰会期间的Twitter话题汇集成一颗颗大树
如今随着科学技术的发展，已经沉淀出丰富且经典耐用的信息可视化表达。无论在传统的纸质媒体，还是如今手机、电脑，电视等各类终端的电子媒体都得以大放异彩。目前，各大可视化工具中有非常详尽的图表类型介绍，比如 Excel2010 的版本里面，提供了 10 类共 53 个图表。AntV 平台则提供了 15 类近 200 个数据图表，现在我们就来普及一下基本知识。
目前主流的可视化平台把常用图表分成九大类（来自 AntV ），分别是：比较、分布、关联、占比、区间、流程、趋势、时间、地图。
1. 比较
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。
典型图表：柱状图、条形图、直方图、K 线图、矩形树图等
2. 分布
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。
典型图表：散点图、气泡图、热力图、箱型图
3. 占比
显示同一维度上占比关系
典型图表：饼图、环形图、堆叠面积图、堆叠柱状图
4. 关联
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。
典型图表：和弦图、桑基图（我有点读不懂）
5. 区间
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。
典型图表：仪表盘、堆叠图
6. 流程
显示流程流转和流程流量。一般流程都会呈现出多个环节，每个环节之间会有相应的流量关系，这类图形可以很好的表示这些关系。
典型图表：漏斗图、桑基图
7. 趋势
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。
典型图表：折线图、K 线图、堆叠面积图
8. 时间（个人认为时间可以放在各大类型中作为一个维度）
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。
9. 地图
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。
典型图表：地图
1) 柱状图
条形图
展示多个分类的数据变化和同类别各变量之间的比较情况。使用垂直或水平的柱子显示类别之间的数值比较。其中一个轴表示需要对比的分类维度，另一个轴代表相应的数值。
优点：对比分类数据。
缺点：分类过多则无法展示数据特点。
# 相似图表
堆积柱状图：比较同类别各变量和不同类别变量总和差异。
百分比堆积柱状图：适合展示同类别的每个变量的比例。
2) 条形图（也可归到柱状图大类中）
类似柱状图，只不过两根轴对调了一下。
优点：类别名称过长，将有大量空白位置标示每个类别的名称。
缺点：分类过多则无法展示数据特点 。
#相似图表
堆积条形图：比较同类别各变量和不同类别变量总和差异。
百分比堆积条形图：适合展示同类别的每个变量的比例。
双向柱状图：比较同类别的正反向数值差异。
3) 折线图
折线图
堆积面积图
展示数据随时间或有序类别的波动情况的趋势变化。
优点：有序的类别，比如时间。
缺点：无序的类别无法展示数据特点。
# 相似图表
面积图：用面积展示数值大小，展示数量随时间变化的趋势。
堆积面积图：同类别各变量和不同类别变量总和差异。
百分比堆积面积图：比较同类别的各个变量的比例差异。
4) 散点图（以及气泡图）
散点图
气泡图
用于发现各变量之间的关系。
优点：存在大量数据点，结果更精准，比如回归分析。
缺点：数据量小的时候会比较混乱。
# 相似图表
气泡图：用气泡代替散点图的数值点，面积大小代表数值大小。
5) 饼图
饼图
玫瑰图
饼图可以很好地帮助用户快速了解数据的占比分配。
优点：了解数据的分布情况。
缺点：分类过多，则扇形越小，无法展现图表。
# 相似图表
环形图：挖空的饼图，中间区域可以展现数据或者文本信息。
玫瑰饼图：对比不同类别的数值大小。
旭日图：展示父子层级的不同类别数据的占比。
6) 词云
词云
7) 箱型图
箱型图
以上只是部分常用图表样式，更多详细的图标样式及其介绍，可前往阿里数据可视化平台 AntV 学习。
数据图表如此繁杂多样，到底该如何灵活运用呢？
数据图表专家 Andrew abela 设计了一张汇总图，从全局出发，帮助我们快速确定图表样式
Andrew abela 绘制的图表选择指南被广泛运用
这其实为我们提供了一种快速选择数据图表类型的思考流程，四步走：
1.分析数据源
2.确定展示的类型
3.选择的变量类型及数量
4.选择对应的数据图表
介绍这些基本知识是远远不够的，网络上有非常多的平台、工具和团队可以供我们深入学习和研究数据可视化设计，以下列举了我平时经常光顾的学习资源。
1. 了解数据可视化设计的历史渊源（完整版）：
数据可视化图表发展史：http://www.datavis.ca/milestones/index.php?group=Pre-1600&mid=ms9
2. 各类可视化图表的概念及用法（超详细）：
蚂蚁金服可视化解决方案 AntV：https://antv.alipay.com/zh-cn/index.html
图表示例：https://antv.alipay.com/zh-cn/g2/3.x/demo/index.html
图表用法：https://antv.alipay.com/zh-cn/vis/chart/index.html
3. 前端可视化图表库（前端可直接调用）：
ECharts：http://echarts.baidu.com/index.html
AntV：https://antv.alipay.com/index.html
Google Chat：https://google-developers.appspot.com/chart/
4.数据分析工具：
Google Analytics: https://analytics.google.com
百度统计：https://tongji.baidu.com/
5.运用可视化工具搭建自己的可视化图表（可以建立自己的可视化图表）：
BDP个人版：https://me.bdp.cn/home.html
平时还可以使用 Excel 或 Numbers 整理和输出可视化图表
除了学习巩固数据相关的基础知识以外，更需要在日常工作学习中培养习惯，养成数据化的思维方式。
1.保持对数据的敏感度
2.尝试利用可视化工具创建图表，锻炼分析整理的能力
3.密切关注自家产品线的用户行为数据，解读各类数据指标，培养分析的习惯
4.关注前沿技术和可视化新形式，保持开放包容的心态
好了，文章就介绍到这里，大家一起学来吧。
预告：下一篇系列文章着重介绍可视化设计的具体方法，譬如从色彩、布局、交互等方面如何设计数据图表，欢迎持续关注。
