数据绘图的要素
现在，转换位置思考。假设，我们有一批数据，那么应该怎么来着手呈现呢?这个问题并不好回答，原因有二：
1) 数据中包含有大量的信息维度，我们只能选择其中的一些而非全部呈现。
2) 数据的信息呈现方式多种多样
我们需要先确定想要绘制的信息维度。比如上面的视频中，六个信息维度得到呈现。而在S&P 500的绘图中，我们只呈现了两个维度的信息，时间和指数。如果图像中信息维度比较少，图表会比较容易理解; 如果信息维度多，那么图表会比较复杂，但更容易体现多变量之间的关系。
每个信息维度都需要一个坐标，来表现数据在该维度上的取值。在Hans Rosling的绘图中，六个坐标分别是：水平x轴，竖直y轴，圆圈颜色，圆圈大小，动画帧所对应的时间，以及文字标明的国家名。这六个维度之间相互独立，所以可以互不干扰的反映各个维度上的取值。再比如下面的条形图和饼图。它们都是在反映二维信息。条形图采取了x-y的坐标。饼图采取了文字-圆心角的坐标。
每一个坐标都需要有刻度。读者需要根据刻度获知数据的准确取值。刻度可以是均匀线性增长的，也可以是不均匀增长(比如对数刻度)。刻度的选择要根据数据的特征。如果不同数据样本在某个维度上取值差异较大，就适用于对数取值。比如下面这幅xkcd 1162的画，就展示了不采用对数刻度的恶果。
Log Scale (xkcd 1162)
此外，刻度还需要有范围。正如再S&P 500的绘图中我们谈到的，过大的刻度范围会从视觉上减小波动。一个常用的刻度范围是数据在该维度上的最大和最小值。但一些情况下，最大和最小值可能是由于错误状况造成的不可靠数据，所以会采取平均值加减标准差的范围。
在维度和刻度都选取好了之后，要再坐标轴旁标注这是什么维度，维度的单位，并在坐标轴上标注刻度值。这样，我们才完整了数据在该维度上的信息。一个有坐标轴，有刻度但没有标注的数据绘图，是失败的绘图。读者根本无法从中获知数据的真实状况。
(在Hans Rosling的绘图中，有两个维度的信息不完整：人口总数和国家名称)
在上面完成了之后，我们需要进一步说明数据来源。我们可以采用增加文字说明的方式来实现这一点(比如增加一个标题)。
总结
数据可视化非常有趣。它通过技术的手段，将枯燥的数据变得生动可爱。随着大数据时代的到来以及网络传播的发达，数据可视化会成为一项值得掌握的技能。这篇文章里，我通过一个很棒的视频说明了数据可视化的一些要点，特别是信息维度的问题。我会在以后介绍一些常用的绘图工具，将理论转化为实践。
更多精彩尽在2014年4月10日-12日在北京五洲皇冠国际酒店举办的第五届中国数据库技术大会，2月29日之前订票可享受7.8折最低票价。
