传统的散点图随着数据复杂性和数据量的增长逐渐无法胜任可视分析的任务,因此,对传统散点图的修改和扩展设计层出不穷。针对具体分析目标,研究人员如何设计和选择合适的散点图也面临着更多的选择和挑战。这篇论文[1]旨在帮助设计人员针对散点图可视化形式做出合适的设计。通过调研相关文献,论文总结出针对散点图的分析任务、数据特征、设计方案等,通过结合这三者,提出存在的问题与挑战,并给出好的散点图设计示例。
标签存档: 散点图
散点图:任务,数据和设计 (Scatterplots: Tasks, Data, and Designs)
作者: Zhixian Lin
日期: 2018年7月15日
散点图:任务,数据和设计 (Scatterplots: Tasks, Data, and Designs)已关闭评论
AxiSketcher: 基于用户绘制的非线性数轴映射
作者: Chufan Lai
日期: 2016年9月24日
AxiSketcher: 基于用户绘制的非线性数轴映射已关闭评论
SepMe: 2002种度量视觉元素分离程度的准则 (SepMe: 2002 New Visual Separation Measures)
作者: Yu Zhang
日期: 2016年5月6日
SepMe: 2002种度量视觉元素分离程度的准则 (SepMe: 2002 New Visual Separation Measures)已关闭评论
多尺度、跨地域的多变量数据可视化(Visualizing Multiple Variables Across Scale and Geography )
作者: Chufan Lai
日期: 2016年1月6日
多尺度、跨地域的多变量数据可视化(Visualizing Multiple Variables Across Scale and Geography )已关闭评论
散点图的动态透明度优化(Dynamic Opacity Optimization for Scatter Plots)
作者: Guo Cong
日期: 2015年6月20日
散点图的动态透明度优化(Dynamic Opacity Optimization for Scatter Plots)已关闭评论
这是一篇简短而有趣的文章,作者是来自AutoDesk Research的Justin Matejka,Fraser Anderson和George Fitzmaurice,发表于CHI 2015 [1]。文章试图解决一个常见而棘手的问题:当散点图的数据量过大时,数据的重叠会引起严重的视觉遮挡,影响用户对数据结构和分布的理解。比如图一这种情况,我们已经很难从散点图上看出数据分布的特征。
解决这种视觉拥挤或者说过度渲染的方法主要有以下几种方法:降低数据规模,减小数据点尺寸,改变数据点形状,移除填充色,使用半透明色。使用半透明色是实践中最主要和有效的手段,但透明的选择需要用户的经验进行反复调节,当有很多散点图并行展示时(比如散点图矩阵),用户设置就会显得单调而低效。因此作者希望通过搜集一系列的用户设置数据,寻找一个简单的模型来描述数据特征和渲染透明度的关系,进而能够自动调整散点图的渲染透明度。
继续阅读 »
多类散点图的可视化概括与探索(Visual Abstraction and Exploration of Multi-class Scatterplots)
作者: Chufan Lai
日期: 2014年9月5日
多类散点图的可视化概括与探索(Visual Abstraction and Exploration of Multi-class Scatterplots)已关闭评论
选择散点图及降维技术的经验式指引 (Empirical Guidance on Scatterplot and Dimension Reduction Technique Choices)
作者: Chufan Lai
日期: 2014年1月15日
选择散点图及降维技术的经验式指引 (Empirical Guidance on Scatterplot and Dimension Reduction Technique Choices)已关闭评论
近期评论