# 1 簡介 > 原文： [1 Introduction](https://serialmentor.com/dataviz/introduction.html) > 校驗：[飛龍](https://github.com/wizardforcel) > 自豪地采用[谷歌翻譯](https://translate.google.cn/) 數據可視化是部分藝術和部分科學。挑戰在于讓藝術變得正確而不會讓科學出錯，反之亦然。首先，數據可視化必須準確地傳達數據。它絕不能誤導或扭曲。如果一個數字是另一個數字的兩倍，但在可視化中它們看起來大致相同，那么可視化就是錯誤的。同時，數據可視化應該是美學上令人愉悅的。良好的視覺呈現傾向于增強可視化的信息。如果圖形包含不和諧的顏色，不平衡的視覺元素或其他分散注意力的特征，那么觀察者將發現更難以檢查圖形并正確解釋它。 根據我的經驗，科學家經常（雖然并非總是如此！）知道如何可視化數據而不會產生嚴重的誤導。然而，它們可能沒有良好的視覺美感，并且它們可能無意中做出視覺選擇，從而減損了他們想要的信息。另一方面，設計師可能制作看起來漂亮，但可能簡單和松散地使用數據的可視化。我的目標是為兩個群體提供有用的信息。 本書試圖涵蓋可視化出版物，報告或演示文稿數據所需的關鍵原則，方法和概念。因為數據可視化是一個廣闊的領域，并且在其最廣泛的定義中可能包括各種主題，如技術原理圖，3D 動畫和用戶界面，我必須限制本書的范圍。我特別報道了在印刷品，在線或幻燈片中呈現的靜態可視化的情況。除了可視化不確定性章節中的一個簡短部分外，本書不包括交互式視覺效果或電影。因此，在本書中，我將互換使用“可視化”和“圖形”這兩個詞。本書也沒有提供如何用現有的可視化軟件或編程庫制作圖形的任何指導。本書末尾的帶標注的參考書目，包含了涵蓋這些主題的適當文本的引用。 這本書分為三個部分。第一個“從數據到可視化”描述了不同類型的繪圖和圖形，例如條形圖，散點圖或餅圖。它的主要重點是可視化科學。在這一部分中，我不是試圖提供所有可想象的可視化方法的百科全書，而是討論一組核心的視覺效果，您可能會在出版物和/或您自己的工作中遇到這些視覺效果。在組織這一部分時，我試圖通過它們傳達的消息類型，而不是可視化數據的類型，來對可視化進行分組。統計文本通常按數據類型描述數據分析和可視化，按數量和變量類型組織材料（一個連續變量，一個離散變量，兩個連續變量，一個連續變量和一個離散變量等）。我相信只有統計學家才會覺得這個組織很有幫助。大多數人都會根據消息來思考，比如某事物有多大，它是如何由部分組成的，它與其他事物的關系等等。 第二部分“圖形設計原理”討論了制作數據可視化時出現的各種設計問題。它的主要但不是唯一的重點，是數據可視化的美學方面。一旦我們選擇了適合我們數據集的正確類型的繪圖或圖形，我們就必須對視覺元素做出美學選擇，例如顏色，符號和字體大小。這些選擇可以影響可視化的清晰程度和外觀的優雅程度。第二部分的章節討論了在實際應用中反復出現的最常見問題。 第三部分“雜項主題”涵蓋了一些不符合前兩部分的遺留問題。它討論了常用于存儲圖像和繪圖的文件格式，它提供了有關可視化軟件選擇的想法，并解釋了如何將單個圖形放入更大文檔的上下文中。 ## 丑陋，不好的和錯誤的圖形 在本書中，我經常展示相同圖形的不同版本，一些作為如何制作良好可視化的示例，一些作為反面示例。為了提供一個簡單的視覺指南，說明哪些例子應該被模仿，哪些應該被避免，我明確地將有問題的圖形標記為“丑陋”，“不良”或“錯誤”（圖 1.1）： * **丑陋** - 有審美問題的圖形，但其他方面很清楚，信息量很大。 * **不良** - 與感知有關的問題；它可能不清楚，混亂，過于復雜或誤導性。 * **錯誤** - 有數學問題的圖形；這是客觀上不正確的。  圖 1.1：丑陋，不良和錯誤圖形的例子。 （a）顯示三個值（`A = 3`，`B = 5`和`C = 4`）的條形圖。這是一個合理的可視化，沒有重大缺陷。 （b）（a）的丑陋版本。雖然繪圖在技術上是正確的，但它在美學上并不令人愉悅。顏色太亮而且沒用。背景網格太突出了。使用三種不同尺寸的三種不同字體顯示文本。 （c）（a）的不良版本。每個條都顯示有自己的`y`軸刻度。由于刻度不對齊，這使得圖形有誤導性。人們可以很容易地得到三個值比實際值更接近的印象。 （d）（a）部分的錯誤版本。如果沒有明確的`y`軸刻度，則無法確定由條形表示的數字。條形似乎長度為 1，3 和 2，即使顯示的值為 3，5 和 4。 我沒有明確標明好的圖形。任何未明確標記為有缺陷的圖形都應假定為至少可以接受。這是一個信息豐富的圖形，看起來很吸引人，并且可以按原樣打印。請注意，在好的圖形中，質量仍然存在差異，一些好的圖形會比其他圖形更好。 我通常會提供具體評級的理由，但有些是品味問題。一般來說，“丑陋”評級比“不良”或“錯誤”評級更主觀。而且，“丑陋”和“不良”之間的界限有點模糊。有時糟糕的設計選擇會干擾人類的感知，以至于“不良”評級比“丑陋”評級更合適。無論如何，我鼓勵你開發自己的眼睛并批判性地評估我的選擇。