編輯導(dǎo)語：數(shù)據(jù)可視化，是數(shù)據(jù)科學(xué)家工作的重要組成部分。在項目的早期階段，科學(xué)家通常會進行探索性數(shù)據(jù)分析，以獲取對數(shù)據(jù)的一些洞察；在項目結(jié)束時，能以清晰、簡潔和引人注目的方式展示最終結(jié)果也非常重要，這樣才能讓你的非技術(shù)性客戶能夠理解你的意圖。

想象一本沒有圖像的科學(xué)教科書，沒有圖表、圖表、帶有箭頭和標簽的插圖或圖表，科學(xué)將很難理解。

那是因為人類天生就是視覺生物，人們以圖形形式吸收信息，而這些信息會以文字形式逃避。圖像對于各種敘事都是有效的，尤其是在故事復(fù)雜的情況下（如科學(xué)常常如此）。

科學(xué)的視覺效果對于分析數(shù)據(jù)，傳達實驗結(jié)果甚至做出令人驚訝的發(fā)現(xiàn)至關(guān)重要。

麻省理工學(xué)院廣泛研究所的創(chuàng)意總監(jiān)Bang Wong說：可視化可以揭示很難或不可能以其他任何方式找到的數(shù)據(jù)模式，趨勢和聯(lián)系?！袄L制數(shù)據(jù)可以使我們看到數(shù)據(jù)的基礎(chǔ)結(jié)構(gòu)，而如果要查看表，則無法看到這些結(jié)構(gòu)?！?/p>

但是，很少有科學(xué)家會像在生成數(shù)據(jù)或撰寫數(shù)據(jù)時一樣，對視覺效果給予同等的關(guān)注。

數(shù)據(jù)可視化科學(xué)家SeánO’Donoghue說：大多數(shù)科學(xué)出版物附帶的圖表往往是研究人員要做的最后一件事，“可視化實際上只是錦上添花?！?/p>

結(jié)果，科學(xué)中充斥著不良的數(shù)據(jù)可視化效果，使讀者感到困惑，甚至可能誤導(dǎo)制造它們的科學(xué)家。

數(shù)據(jù)視覺效果不足會降低質(zhì)量，并阻礙科學(xué)研究的進展。隨著越來越多的科學(xué)圖像進入新聞和社交媒體（從氣候變化到疾病暴發(fā)的一切圖示），不良視覺效果有可能損害公眾對科學(xué)的理解。

隨著科學(xué)數(shù)據(jù)的數(shù)量和復(fù)雜性日益增加，這個問題變得更加嚴重。這些數(shù)據(jù)的可視化，理解和共享它們比以往任何時候都更加重要。

然而，科學(xué)家很少接受可視化培訓(xùn)。新南威爾士大學(xué)的奧多諾休（O’Donoghue）是《2018年生物醫(yī)學(xué)數(shù)據(jù)年度回顧》中有關(guān)生物醫(yī)學(xué)數(shù)據(jù)可視化的論文的主要作者，他說：“社區(qū)尚未普遍意識到這確實是必要的?！?/p>

但是有進步的跡象，在過去的十年中，至少召開了兩次致力于科學(xué)數(shù)據(jù)可視化的年度會議。

《自然方法》（Nature Methods）雜志在2010年至2016年定期刊登有關(guān)創(chuàng)建更好的圖形和圖表的專欄文章?，然后將其改編為科學(xué)家向該雜志提交論文的指南。但是到目前為止，很少有科學(xué)家關(guān)注這個問題。

改善科學(xué)可視化將需要更好地了解人腦如何看待世界的優(yōu)點，缺點和偏見。

幸運的是，研究已經(jīng)開始揭示人們?nèi)绾伍喿x和錯誤閱讀各種可視化圖像，以及哪種類型的圖表最有效，最容易破譯，應(yīng)用這些知識應(yīng)該可以更好地進行科學(xué)的視覺交流。

猶他大學(xué)的計算機科學(xué)家Miriah Meyer說：“我們對有效的方法有很多實用的知識?！薄?“有許多原則經(jīng)過時間的考驗，并一遍又一遍地證明是有效的?！?/p>

一、圖表選擇

人類視覺系統(tǒng)的發(fā)展是為了幫助我們在自然世界中生存和發(fā)展，而不是閱讀圖表。

我們的大腦以可以幫助我們在有毒品種中找到可食用植物，發(fā)現(xiàn)獵物并且在白天和黑夜中都能很好地看到自己的眼睛的方式來解釋。通過分析我們從眼睛獲得的信息來實現(xiàn)這些目的，我們的大腦使我們對世界有了量身定制的感知。

在1980年代初期，貝爾實驗室的統(tǒng)計學(xué)家威廉·克利夫蘭（William Cleveland）和羅伯特·麥吉爾（Robert McGill），開始研究人類感知的細節(jié)如何影響我們解密數(shù)據(jù)圖形顯示的能力，從而發(fā)現(xiàn)哪種圖表發(fā)揮了我們的優(yōu)勢，以及我們在與之抗爭。

克利夫蘭（Cleveland）和麥吉爾（McGill）在1984年發(fā)表在《美國統(tǒng)計協(xié)會雜志》（Journal of the American Statistics Association）上的開創(chuàng)性論文中，根據(jù)人們閱讀內(nèi)容的便捷程度，對視覺元素進行了排名。

人們在辨別某些類型的視覺效果上比其他特征更勝一籌，例如，兩條線的長度或一條線的方向比灰色陰影或顏色的強度更容易分辨。研究表明，使用此列表頂部視覺元素的圖形比靠近底部的圖形更易于閱讀且更有效。

他們的實驗表明，人們最擅長基于條形或折線的長度來閱讀圖表，例如在標準條形圖中。當重要的是要準確識別值之間的細微差別時，這些可視化是最佳選擇。

研究參與者發(fā)現(xiàn)很難判斷方向，角度和面積的差異。使用體積，曲率或陰影來表示數(shù)據(jù)的圖形更加困難，最不有效的方法是色彩飽和度。

西雅圖大學(xué)的計算機科學(xué)家杰弗里·海爾（Jeffrey Heer）說：“當聽眾察覺微小差異時，聽眾察覺的能力將越來越差”。通常，最佳做法是使用列表中滿足每種數(shù)據(jù)類型需求的最高圖形元素。

例如：如果重要的是要表明一種特定疾病的致死性遠大于其他疾病，那么使用圓圈大小代表死亡人數(shù)的圖形將非常有用。但是要強調(diào)致命性較低的疾病之間死亡人數(shù)差異的小得多，條形圖將更加有效。

2010年，Heer使用亞馬遜的Mechanical Turk眾包服務(wù)確認了?克利夫蘭和麥吉爾的排名在現(xiàn)代數(shù)字環(huán)境中是正確的。

從那以后，Heer，O’Donoghue和其他人使用眾包來測試可視化的許多其他方面，以找出最有效的方法。O’Donoghue說：“在整個領(lǐng)域都具有強大的力量，并確實為它奠定了堅實的工程基礎(chǔ)?！?/p>

二、有害的餡餅

克利夫蘭和麥吉爾（McGill）的圖形排名凸顯了為什么一些流行的數(shù)字不是很有效。一個很好的例子是廣受歡迎的餅圖，它使愛德華·塔夫特（Edward Tufte）等數(shù)據(jù)可視化專家不屑一顧。

Tufte在1983年頗具影響力的論文《定量信息的可視化顯示》中寫道：“唯一不及餅圖的設(shè)計就是其中的幾個?！?/p>

餅圖通常用于比較整個部分，這是一項具有認知挑戰(zhàn)性的視覺任務(wù)。

讀者需要判斷餅圖的面積之間的差異，或者判斷圖表中心的角度之間的差異：兩種類型的估算比辨別條形圖上條形的長度差異要困難得多。在許多情況下是更好的選擇。

餅圖最適合用來顯示各個部分與整體的關(guān)系。

在此圖中，餅形圖有效地顯示了每個經(jīng)濟部門對溫室氣體總排放量的貢獻大小，但是很難將各個部門進行比較。條形圖允許輕松比較各扇區(qū)，但無法傳達每個扇區(qū)與總數(shù)之間的關(guān)系。

餅圖之所以誘人，是因為它們通常比條形圖更具吸引力，易于填充顏色并且易于制造。

但是它們很少是最佳選擇，只有在有限的情況下才可以接受。如果目標是顯示零件的總和，或者比較零件與該整體（而不是彼此比較切片），則只要精度不重要，執(zhí)行良好的餅圖就足夠了。

例如：一個餅圖很好地描繪了每個經(jīng)濟部門對溫室氣體排放的貢獻，表明大約一半來自電力和熱力生產(chǎn)以及農(nóng)業(yè)，林業(yè)和其他土地利用。通常最受關(guān)注的交通運輸占了很小的一部分。

在這種情況下，將六個條形圖并排放置并不能立即顯示出這些部分的總和為100％或每個條形圖占整體的比例。

在某些科學(xué)學(xué)科中，餅圖只是用于顯示特定類型數(shù)據(jù)的標準實踐。而且很難推翻傳統(tǒng)。

Wong說：“表觀遺傳學(xué)中的某些領(lǐng)域，我們必須顯示餅圖?！?Wong說，他與Broad Institute的生物醫(yī)學(xué)科學(xué)家合作創(chuàng)建了更好的可視化效果?！拔抑里瀳D的缺點，但是它總是在每個出版物中都以餅圖的形式顯示出來，因此人們堅持這一觀點非常嚴格?！?/p>

在其他情況下，額外的工作需要人腦來使他們成為傳遞準確信息或連貫故事的不良工具。

三、酒吧后面

盡管條形圖易于閱讀和理解，但這并不意味著它們始終是最佳選擇。在某些領(lǐng)域，例如心理學(xué)、醫(yī)學(xué)和生理學(xué)，條形圖經(jīng)常會歪曲基礎(chǔ)數(shù)據(jù)并掩蓋重要的細節(jié)。

明尼蘇達州羅徹斯特市梅奧診所的生理學(xué)家Tracey Weissgerber說：“如果要可視化計數(shù)或比例，則應(yīng)使用條形圖。”他研究研究的完成方式和報告方法。“但是對于可視化連續(xù)數(shù)據(jù)，它們并不是一種非常有效的策略。”

Weissgerber在2015年對頂級生理學(xué)期刊進行了一項調(diào)查，發(fā)現(xiàn)約有85％的論文至少包含一張代表連續(xù)數(shù)據(jù)的條形圖，例如血壓或體溫的測量，每個樣品在相關(guān)范圍內(nèi)可以有任何值。

但是代表連續(xù)數(shù)據(jù)的條形圖可能無法顯示一些重要信息，例如每個條形圖代表多少個樣本以及條形圖內(nèi)是否有子組。

右邊的四組數(shù)據(jù)中的每一組都可以由左邊的同一條形圖準確地表示，這說明了條形圖如何掩蓋有關(guān)數(shù)據(jù)的重要細節(jié)，可能會誤導(dǎo)讀者。

例如：魏斯伯格（Weissgerber）指出，妊娠并發(fā)癥先兆子癇可能源于母親的問題或嬰兒或胎盤的問題。但是在這些人群中，是通過不同途徑達到相同癥狀的患者亞組。

Weissgerber說：“我們的確專注于試圖理解和識別患有先兆子癇的不同亞型的女性。” “而且問題之一是，如果我們在條形圖中顯示所有數(shù)據(jù)，則條形圖中沒有子組?！?/p>

對于基本生物醫(yī)學(xué)中常見的小樣本量研究，條形圖尤其有問題。條形圖沒有顯示樣本的大小，而離群值可能會對條形圖高度指示的平均值產(chǎn)生很大影響。

Weissgerber說：“挑戰(zhàn)之一是，在基礎(chǔ)生物醫(yī)學(xué)的許多領(lǐng)域，條形圖僅被接受為…我們?nèi)绾物@示連續(xù)數(shù)據(jù)。”

對于顯示連續(xù)數(shù)據(jù)，許多類型的圖形要優(yōu)于條形圖。

散點圖（頂部）為讀者提供了有關(guān)數(shù)據(jù)的更多詳細信息，揭示了樣本數(shù)量以及是否存在離群值或聚類：箱形圖（中）非常適合顯示數(shù)據(jù)集的可變性，直方圖（底部）使讀者可以評估數(shù)據(jù)的分布。

對于小型連續(xù)數(shù)據(jù)集，有幾個很好的替代圖。

散點圖，箱形圖和直方圖都可以揭示數(shù)據(jù)的分布，但在魏斯格伯分析的論文中很少使用。為了幫助解決此問題，她開發(fā)了工具來創(chuàng)建簡單的散點圖和各種交互式圖形。

四、廢墟的彩虹

色彩對于突出顯示數(shù)據(jù)的不同方面并為科學(xué)圖形增添生命是非常有效的，但這也是出錯的最簡單方法之一。人類對顏色的感知并不簡單，大多數(shù)科學(xué)家在選擇顏色來代表其數(shù)據(jù)時并未考慮視覺系統(tǒng)的特殊性。

最常見的不良做法之一是使用彩虹色標，從地質(zhì)學(xué)到氣候?qū)W再到分子生物學(xué)，研究人員傾向于在Roy G. Biv的幫助下繪制數(shù)據(jù)圖。但是彩虹調(diào)色板有幾個嚴重的缺點很少推薦。

Wong說，即使它是從自然光譜中得出的，彩虹中的顏色順序也不直觀?！澳悬c想，藍色比綠色大嗎？黃色比紅色大嗎？”

更大的問題是人腦對彩虹的感知不均勻，人們從色調(diào)（例如紅色或藍色），飽和度（顏色的強度）和亮度（混入多少白色或黑色）方面看到顏色。

人類的大腦最依賴亮度來解釋形狀和深度，因此傾向于將最亮的顏色表示為峰值，將較暗的顏色表示為山谷。但是，彩虹中最亮的顏色是黃色，通常在刻度的中間某個地方可以看到，從而導(dǎo)致觀看者在錯誤的位置看到高點。

使問題更加復(fù)雜的是，某些顏色之間的過渡似乎是漸進的，而其他變化似乎更為突然。

另一方面，基礎(chǔ)數(shù)據(jù)通常具有一致的變化率，與彩虹的不均勻性不匹配。英格蘭雷丁大學(xué)的氣候科學(xué)家埃德·霍金斯（Ed Hawkins）說：“您可以擁有一個不存在的感知邊界，也可以隱藏存在的邊界?！?甚至科學(xué)家在解釋自己的數(shù)據(jù)時也可能陷入這種幻想。

為了避免彩虹問題，一些研究人員提出了基于數(shù)學(xué)的調(diào)色板，可以更好地將其顏色的感知變化與相應(yīng)數(shù)據(jù)的變化進行匹配。其中一些較新的色標特別適用于有紅綠色色盲的人,據(jù)估計，這種疾病會影響約8％的男性（但僅影響女性的一小部分）。

盡管制圖師和霍金斯等少數(shù)科學(xué)家一直在反對彩虹，但數(shù)十年來，它在科學(xué)文獻中仍然無處不在。

自從彩色印刷發(fā)明以來，某些科學(xué)領(lǐng)域可能就一直在使用它。而且，由于許多科學(xué)家并不了解彩虹的問題所在，因此他們認為沒有理由違背傳統(tǒng)?；艚鹚拐f：“人們習(xí)慣使用它，所以他們喜歡它，對它感到自在?！?/p>

彩虹色標是科學(xué)家用來創(chuàng)建可視化效果的許多軟件的默認色，這也鼓勵了這種傾向。但是霍金斯和其他人一直在推動軟件制造商改變默認設(shè)置，并取得了一些成功。

2014年，MathWorks將MATLAB軟件程序的默認設(shè)置更改為一種改進的配色方案，稱為parula；在2015年，一位認知科學(xué)家和一位數(shù)據(jù)科學(xué)家開發(fā)了一種?新的默認配色方案，稱為viridis，用于使用流行的Python編程語言進行繪圖。

十二種軟件庫中已經(jīng)添加了一種新的?數(shù)學(xué)上衍生的色彩方案cividis，盡管這在所有軟件庫中都不是默認的。

五、危險熱圖

人類視覺系統(tǒng)中最有趣的怪癖之一（也是數(shù)據(jù)可視化中最棘手的怪癖之一）是，我們對顏色的感知可能會受??到附近其他顏色的影響。在某些情況下，效果非常顯著，導(dǎo)致各種視錯覺。

每當可視化將彼此相鄰的不同顏色或什至是相同顏色的陰影放置時，它們都可以以意想不到的方式進行交互。完全相同的顏色在被較暗的陰影包圍時看起來與在被較淺的陰影包圍時看起來完全不同，這種現(xiàn)象稱為同時對比度。

當陰影跨過方格網(wǎng)格時，棋盤格陰影錯覺就是其中一個眾所周知的例子，它可以發(fā)揮大腦對顏色的解釋。

Wong說：“顏色相互作用的影響是一個巨大的問題?！?在生命科學(xué)中，一個普遍的例子是熱圖，該熱圖通常用于揭示兩組數(shù)據(jù)之間的關(guān)系。

他說：“如果翻閱期刊，那么三分之一的數(shù)字就是熱圖?！?“這是一種非常流行的數(shù)據(jù)可視化形式，實際上在偏向科學(xué)數(shù)據(jù)?！?/p>

熱圖是一個二維矩陣，基本上是一個表或網(wǎng)格，它使用網(wǎng)格中每個正方形的顏色表示基礎(chǔ)數(shù)據(jù)的值。一種或多種色調(diào)的較淺和較深的陰影表示較低或較高的值。

熱圖在顯示基因活性數(shù)據(jù)方面特別受歡迎，可幫助研究人員確定在不同情況下或多或少活躍地產(chǎn)生蛋白質(zhì)（或其他分子）的基因模式。

此熱圖上的兩個加星號的正方形是相同的橙色陰影，表示在基因活性方面的值相同。但是相鄰方格的顏色不同意味著加星標的方格看起來不一樣，這可能會產(chǎn)生誤解。

熱圖非常適合將大量數(shù)據(jù)打包到緊湊的顯示器中，但是將各種顏色的陰影緊挨在一起會觸發(fā)同時出現(xiàn)的對比度錯覺。

例如：科學(xué)家比較網(wǎng)格中各個正方形的顏色很容易將兩個不同的橙色陰影誤解為相同，或者認為兩個相同的陰影完全不同，這取決于周圍正方形的顏色。

Wong說：“在熱圖中，這是一個巨大的問題，您需要依靠一堆彼此相鄰的彩色瓷磚?！?“這種無意識的偏見在每個熱圖上都非常普遍?！?/p>

對于基因活性數(shù)據(jù)，綠色和紅色通常用于顯示哪些基因或多或少具有活性。

與由較深的綠色，紅色或黑色包圍的特定綠色相比，由較淺的綠色包圍的特定綠色外觀看起來非常不同；綠色陰影所代表的值是相同的，但是根據(jù)其相鄰的正方形，它會顯得更高或更低。

網(wǎng)格的一部分中出現(xiàn)一團亮綠色的方塊，可能意味著該基因在一組緊密相關(guān)的亞種中具有很高的活性，例如細菌。

同時，在網(wǎng)格的另一部分，一個暗綠色的方塊被黑色方塊包圍可能看起來很亮，這表明同一基因在無關(guān)的細菌物種中具有很高的活性，而實際上它只是弱活性的。

Wong說，緩解問題的一種方法是在網(wǎng)格的各個部分之間引入一些空白，也許是將相關(guān)物種，樣本組或相關(guān)基因集分開。

打破正方形將減少來自相鄰顏色的干擾，另一種解決方案是使用完全不同的顯示，例如使用線連接高活性基因的圖形，或代表隨著時間或在兩個實驗狀態(tài)之間基因活性變化的一系列圖形。

六、消息混亂

確?？梢暬粫崆鷶?shù)據(jù)或誤導(dǎo)讀者，這對于共享科學(xué)成果至關(guān)重要。但是，重要的是要考慮一個人物是否真的在引起人們對最相關(guān)信息的關(guān)注，而不是分散讀者的注意力。

例如：當繪制為線圖或直方圖時，許多數(shù)據(jù)集的分布將呈鐘形，大部分數(shù)據(jù)位于中心附近。Wong說：“但是我們經(jīng)常關(guān)心尾巴上有什么。”?對于觀看者來說，“中間常常有這么大的舊東西不堪重負?！?/p>

解決方案可能是使用高度以外的其他方式來表示數(shù)據(jù)的分布，一個選項是條形碼圖，該圖將每個值顯示為一條線。在這種圖形上，更容易看到低濃度區(qū)域的細節(jié)，這些細節(jié)往往在鐘形曲線上幾乎消失了。

鐘形曲線引起人們對大量數(shù)據(jù)分布的關(guān)注。但是有時候真正重要的是數(shù)據(jù)邊緣的內(nèi)容。在這種情況下，條形碼圖可能是更好的選擇。

上圖顯示細胞系對基因FOXA1的依賴性;?負-1參考線左側(cè)的那些需要該基因才能存活。這些細胞系很難在鐘形曲線上看到，但在條形碼上卻很突出。

精心應(yīng)用的顏色還可以增強和闡明圖形的信息。例如，在使用不同顏色標識數(shù)據(jù)類別的散點圖上，最重要的信息應(yīng)由最突出的顏色表示。

制圖程序可能只是將紅色隨機分配給對照組，因為它是數(shù)據(jù)的第一列，而對于發(fā)現(xiàn)至關(guān)重要的有趣突變體最終變成了灰色。

數(shù)據(jù)可視化記者Alberto Cairo在2013年的《功能藝術(shù)》中寫道：“純色在自然界中并不常見，因此請限制它們以突出顯示圖形中重要的內(nèi)容?！?“將柔和的色調(diào)-灰色，淺藍色和綠色-用于其他所有顏色。”

除了彩虹和同步對比度之外，還有很多其他方法可以使顏色出現(xiàn)問題。使用過多的顏色會分散可視化效果的主要信息。彼此之間太相似或與圖像的背景顏色太相似的顏色可能難以辨認。

與文化期望背道而馳的顏色也會影響讀者對圖形的理解程度。

例如，在顯示地形的地圖上，人們期望植被是綠色的，干旱地區(qū)是棕色的，海拔更高的是白色，城市是灰色的，當然水是藍色的。如果地圖沒有遵循這些公認的配色方案，將很難閱讀。

想象一下美國的選舉地圖，其中民主地區(qū)顯示為紅色，共和黨地區(qū)顯示為藍色，或者條形圖以鮮艷而歡快的顏色顯示了不同的死亡原因，不和諧將使人們難以吸收他們的信息。

讀者在文化上定義了對不同顏色含義的期望，違反這種期望會使圖形，地圖和其他插圖更難以解讀，如美國這張變色的浮雕圖所示。

如果不需要顏色，則有時最安全的做法是堅持使用灰色陰影。正如塔夫特（Tufte）在其1990年的《遠景信息》（Envisioning Information）一書中所言，“避免災(zāi)難成為將色彩帶入信息的第一條原則：?首先，沒有傷害?！?/p>

七、想象未來

O’Donoghue說：許多數(shù)據(jù)可視化問題仍然存在，是因為科學(xué)家根本不了解它們，或者不相信更好的數(shù)字值得付出額外的努力。

他一直在努力通過通過啟動和主持年度Vizbi會議來改變這種狀況，該會議專注于對生物科學(xué)進行可視化，為科學(xué)家舉辦可視化研討會，并整理文獻以獲取最佳實踐和不良實踐的證據(jù)，這些均已匯編成他的2018年度評論論文。

他說：但是總的來說，這項努力還沒有獲得很大的動力?！拔艺J為我們還有很長的路要走?！?/p>

缺乏認識的原因之一是，大多數(shù)科學(xué)家沒有接受任何有關(guān)數(shù)據(jù)可視化的培訓(xùn)。

理科研究生很少需要它，而且大多數(shù)機構(gòu)都不提供基于科學(xué)可視化設(shè)計的課程。Weissgerber說，對于許多學(xué)生，尤其是生物醫(yī)學(xué)專業(yè)的學(xué)生來說，他們唯一接觸數(shù)據(jù)可視化的地方是針對他們的需求量身定制的統(tǒng)計課程。

在顯示數(shù)據(jù)的方式上，科學(xué)家也傾向于遵循慣例，這使不良做法長期存在。

對抗先例之力的一種方法是，將更好的設(shè)計原則納入科學(xué)家用來繪制數(shù)據(jù)的工具中（例如，已經(jīng)從“彩虹”默認設(shè)置切換到更具感知性的調(diào)色板的軟件工具）。

O’Donoghue說，大多數(shù)科學(xué)家都不會學(xué)習(xí)更好的可視化實踐，“但是他們將使用工具。如果這些工具具有更好的原理，那么默認情況下，它們將[應(yīng)用那些]?！?/p>

他說，科學(xué)出版商也可以提供幫助?！拔艺J為期刊可以通過制定標準來發(fā)揮作用。”?早期的科學(xué)家從經(jīng)驗更豐富的同事和已發(fā)表的論文中汲取線索。

包括PLoS Biology，?ELife和?Nature Biomedical Engineering在內(nèi)的一些期刊已經(jīng)對Weissgerber的2015年條形圖研究做出了回應(yīng)。她說：“自論文發(fā)表以來，許多期刊已經(jīng)改變了政策，禁止或不鼓勵將條形圖用于連續(xù)數(shù)據(jù)，特別是對于小型數(shù)據(jù)集。”

隨著科學(xué)數(shù)據(jù)變得越來越復(fù)雜，科學(xué)家將需要繼續(xù)開發(fā)新型的可視化文件來處理這種復(fù)雜性。

為了使這些可視化效果對科學(xué)家和公眾都有效，數(shù)據(jù)可視化設(shè)計人員將必須對人類的視覺處理進行最佳研究，以便與大腦合作而不是與之對抗。

參考網(wǎng)站：Knowledge Magazine

本文由 @小陳同學(xué) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 unsplash，基于 CC0 協(xié)議