数据类别

序数数据

可明确每项数据的定义或者边界，数据可被枚举。例：部门；性别；花名；商家常用序数比例尺将数据映射为图形，比例尺为等比例等比例尺，对应图表的序数类型的展示。可使用的图形元素包括不仅限于：序数的XY轴，形状或图标，枚举的颜色，区域位置，表格行列···

常见的数据问题：

• 问题：枚举数目可能过多；解决：取TOP N，剩余的归纳为“其他”。N不宜过大

• 问题：数据项的定义可能不清晰；解决：tooltip，或者说明文案；

展示建议：1.采用用户关注的指标进行排序。2.如果数据项固定，则固定展示位置以及固定使用某种图形元素，培养用户习惯。一旦用户养成习惯，即可减少很多繁琐的文字说明，用户认知更能统一。

线性数据

连续的不能明确每项的边界。这里容易与上诉等序数数据混淆的类型，例：[1,2) ; [2,3) ; [3,4)······。此类数据可明确每项数据的边界，所以应该归类为序数数据而不是连续数据。例如，SDR评分，在客户端打分，用户只能打整数分，计算商家平均评分为1.1与得分1.25的商家数从分析上来说区别不大，我们可以合并为区间数据，假设使用散点图展示，便可解决散点互相覆盖而不清晰的问题。

在展示中若用户关注数据变化，可按大小递增递减排序。若用户关注其所携带的值value大小，可不用考虑其自身顺序甚至打乱顺序。例：营销额

常见的数据问题：

• 数据区间分布不均，通常表现为，多个指标在一个图表中。例如多条折线图，其中一个折线数据区间值范围分布在[10000，2000]，而其他指标分布在[100,1000],这样会把其他折线压平而看不到变化趋势。从视觉上就是一条横线。

• 峰值过大压低其他变化趋势。解决方案：将指标按照数据分布区间拆分成同X轴或者同Y轴的多图展示方式。

时序数据

按照时间顺序，以特定时间粒度为步长增长，例：股票，网站日志，周PV／UV。此类数据展示通常建议采用时间轴的展示方式，通常有横向时间轴，与纵向时间轴。横向时间轴，常用于统计数据折线图，柱状图等。如果时间跨度较大：

• 可采用拉伸slider控制展示的时间范围；
• 通过切换时间粒度控制展示。

纵向时间轴，纵向图表的一大特性就是可以展示坐标轴刻度较大的数据。也就是说可展示的内容更多。但纵向时间轴不如横向图表一目了然，所以更适合具有故事发展性但数据展示（例如：大事记；版本修订记录）。

常见的数据问题：

• 数据缺失。时序不像序数数据，类别。缺少某段时间但数据，会使数据视觉上出现跳跃，或者出现空白。非常影响可视化但美观，简而言之，容易误以为有bug。解决方案建议：1.补全时序，数据值补0。优点：简单，符合数据情况。缺点：展示0，不能判断出是真实数据0，还是缺失数据。2.线性过度。注意，线性过度后的展示一定要区别与正常数据的。例如，鼠标经过无效果，或者用虚线或灰线展示。

地理数据

含有单个地理位置的信息， 例：手机机站位置，商场wifi位置{x:000,y:0001} 地理信息通常会伴随其他指标，例如人数，城市类型，迁徙。这些即地理信息与其他数据类型的组合。单纯从地理信息的数据考虑，常见问题：1.数据量大，检索、渲染效率低。 建议优化方案：通过四叉树优化二维空间检索（八叉树优化三维空间）；渲染可以分批次渲染；减少渲染过度效果，等。2.商场园区平面图位置等非经纬度数据，与背景图契合。可采用0到1的坐标系，按比例尺映射于平面图。

关系数据

包含节点信息，关系信息的数据，可能带有方向性，例：微博数据 关系数据可能包含：节点类别，节点值大小，关系类型，关系数量，关系权重，关系方向，路径等属性，属性可选。 按照关系类型又可分为：1.树型关系tree 2.簇群关系cluster 3.图（包含树和簇群）允许出现关系回路，也称网状关系。4.链路／流程关系，具有明显方向性，通常会结合时序数据。

除开算法分析外，在可视化过程中，我们可以做哪些？1.聚类，社群分析。2.关联关系，发现大V。即关联关系中关键连接点。3.最短路径。从A点到B节点最短发生关联关系的路径，通常用于线索发现，分析本不存在直接关联的AB两个实体之间的关联，从而发现关系线索节点（关系桥接点）。4.边捆绑算法展示与路径热力，用于航线等路径规划等。5.流程／路径／轨迹播放6.知识图谱与思维导图分析，要求典型树型数据结构。

问题：1.布局切换。通常根据数据类型，会选择不同的布局方式。然而在有些场景下，我们需要这样的操作。例如，将网状结构的关系数据，希望通过树形机构进行展示。通常树结构只有一个根节点，并且无回路，所以， 解决方案：则取最核心（关联关系最多的）的节点为根节点。如果数据是多个集群，即由多个图组成，相当于多个树；可虚拟一个根节点，这样绘制的时候可以作为树结构处理，大大减少计算难度。回路，可以在树的机构上，增加线条。严格意义上，这个可视化只是树布局，并非树。2.强交互的关系图谱 请为每个节点配置唯一ID，次id作为关系链接的标志。尽量不要使用节点数组下标作为关系链接标志。3.两个节点间关系繁杂的情况下，可以先进行统计规整。

组合数据

通常我们的数据较少是一维数据，通常都是二维以上数据。在数据可视化中，两个和三个维度的数据展示是最清晰的。四个维度的数据基本是一张图表可视化能理解的上限了。再多就使得图表理解困难。最好对图表进行拆分，进行联动等其他展示方案。