AI 时间的海潮下，数据可视化与 AI 碰撞出密致火花。本文将带你恍悟这场变革中，数据分析师若何借助 AI 擢升职责服从，挖掘数据深层价值，以及掌捏数据可视化中枢原则的重要性。

在数据爆炸的 AI 时间，数据可视化不再仅仅展示，而是细察的催化剂。

当数据可视化碰见 AI，我发现数据分析师的职责形状正在阅历一场前所未有的变革。

最近，我在念念考 AI 时间奈何作念好数据可视化，通过 https://clauswilke.com/dataviz 阅读了《Fundamentals of Data Visualization》这本书。

书中内容源于作家以前千千万万的数据可视化教师，主要讲了数据可视化的一般原则，而不是具体器具的应用。

我以为不管 AI 时间奈何发展，意会数据可视化的基础知识，仍然是有价值的。

淌若掌捏了数据可视化的底层逻辑，就能更好地举一反三，把它应用到本体职责和生计中，去创造更大的价值。

反之，淌若一个东谈主枯竭数据可视化的基本学问，天然用 AI 擢升了制作图表的服从，作念出了看起来很漂亮的数据姿色盘，然则无法判断 AI 生成边界的横蛮，不成从数据中细察有价值的信息，甚而把一些美艳多彩的垃圾当成宝贝，就会让东谈主以为不够专科。

数据可视化的质料，可能决定了数据分析恶果的影响力：是获得尊重？如故蔽聪塞明？

作家在序文中举了一个例子，其中包括 4 个图表：

（a）合理的图表（Reasonable）：看起来可能平平无奇，但至少是不错继承的，莫得彰着的残障。

（b）丑陋的图表（Ugly）：天然时间上没问题，然则视觉上不够好意思不雅。举例，容貌过于秀好意思、字体芜杂、布景网格过于超越等。

（c）厄运的图表（Bad）：第二个图表存在感知方面的残障，可能不够了了、过于复杂或令东谈主困惑。举例，使用不同的 Y 轴刻度展示多个数据系列，容易让东谈主误以为数据互异小于本体情况。

**（d）造作的图表（Wrong）****：存在数学方面的问题，在客不雅上是造作的，无法正确体现真的数据。举例，莫得明确的Y轴刻度，使得数据的本体值无法细目。

审好意思是一种主不雅的感受，关于归拢个图表，有些东谈主认为是丑陋的，而有些东谈主则认为不错继承，但不管若何，惟有擢升我方的审好意思才智，才能作念出愈加悦看法图表。

所罕见据可视化图表齐是一些基本元素的摆设组合，包括：位置、阵势、大小、容貌、线宽、线型等，其中有些元素不错同期默示贯穿数据和闹翻数据（位置、大小、容貌、线宽），而另一些元素只可默示闹翻数据（阵势、线型）。在不同的语境中，大小包含长度、角度和面积等。

举例，底下这个图表，用位置和方块默示每个月不同的地区，用容貌的亮度对应温度的上下。

容貌是数据可视化中最遍及的、亦然最容易被浮滥的视觉元素。

合理使用容貌，不错增强信息传递，而欠妥使用容貌，则可能导致耻辱或误导。

容貌主要有 3 种基本用途：分别数据组、默示数据值、超越要点。

（1）分别数据组

使用不同容貌来分别不同类别，确保容貌之间有弥漫的对比度。

举例，下图用容貌分别不同的地区。

（2）默示数据值

使用一种容貌的不同饱和度，或者使用不同容貌的渐变来默示数值的变化。

举例，下图用容貌默示不同的百分比数值，蓝色默示白东谈主占大齐。

（3）超越要点

为了幸免分散受众的介怀力，不错把要点超越的类型开垦为深色，而把其他类型开垦为淡色或灰色。

举例，下图用红色强调径赛通顺员的身高和体脂率是相对比拟低的。

数据可视化的类型有许多，包括：对比、散播、比例、关系、时刻序列、地舆空间和不细目性。

（1）展示对比的图表有常见的柱形图、条形图、点图、热力求等。

（2）展示散播的图表有直方图、密度图、累计密度图、Q-Q 图、箱线图、小提琴图、带状图、Sina 图等。

（3）展示比例的图表有饼图、柱形图、条形图、堆积柱状图等。

（4）展示关系的图表有散点图、气泡图、配对散点图、斜率图等。

（6）展示地舆空间的图表有舆图、分级统计舆图、变形舆图、 变形热力舆图等。

（7）展示不细目性的图表有水平谬误图、垂直谬误图、二维谬误图、渐变谬误图等。

在本体职责中，靠近纷纭复杂的问题和图表类型，咱们如故需要具体问题具体分析，弃取允洽的图表类型，并驾驭 AI 和高效的图表制作器具，作念出更具有细察力的数据可视化图表。

AI 不仅大约快速生成漂亮的数据可视化图表，还能通过东谈主工智能算法，提供更有价值的数据细察，比如识别数据中的荒谬模式、联系性和趋势等。

在 AI 时间，咱们不错借助 AI 器具，从繁琐的细节搞定职责中目田出来，专注于更深档次的念念考和决议，但一些基础表面和原则仍然是数据可视化的中枢。

区别在于，AI 不错匡助咱们更智能地应用这些原则，自动弃取最允洽的可视化形状，并优化视觉效果，从静态的数据展示，滚动为动态可交互的信息探索，让数据故事变得更有劝服力。

数据可视化的信得过价值，不在于图表有多好意思，而在于能否揭示真相、启发念念考、最先举止。

在 AI 时间马上发展的今天，咱们不仅要有制作图表的才智，更要有细察数据的目光。

掌捏数据可视化的基本原则和底层逻辑，是咱们在信息巨流中保持领路、作念出正确决议的环节。

AI 能帮咱们快速制作图表，但判断图表质料的背负，如故落在咱们我方身上。

具体若何用 AI 快速制作动态可交互的图表，不错稽查我的专栏：数据化分析案例库。

愿你用数据可视化的关节，讲好数据故事，让分析恶果被看见、被意会、被选拔。

本文由东谈主东谈主齐是家具司理作家【null】，微信公众号：【林骥】，原创/授权 发布于东谈主东谈主齐是家具司理，未经许可，拦阻转载。

题图来自Unsplash赌钱app下载，基于 CC0 契约。