可视化的数据，鲜活的数据

作者/Nathan Yau

关于数据可视化，人们最常问的问题是“我应该用什么软件来对数据可视化？”

幸运的是，我们有很多选择。有些软件是开箱即用的（out-of- the-box），只要动动鼠标就能操作，还有些软件则需要一点编程技巧，还有些 工具 并非专门用于制作数据图，但依然很有帮助。

了解的可视化工具多了之后，面对数据时就不会束手无策，创作出你想要的数据图也会更加容易。

开箱即用的工具

开箱即用的软件是目前最简单的解决方案，适合新手学习。我们只需要对数据进行一些复制粘贴，或者载入某个CSV文件就可以开始了，然后选择想要的图形类型，并稍微调整一下选项即可。

开箱即用的工具彼此之间有很多不同，这取决于它们各自面向的对象。其中一些（例如，Microsoft Excel和Google Documents）主要用于基础的数据管理和图形创建，而另一些则更偏向于深入分析或可视化研究。

Microsoft Excel

几乎所有人都知道这款软件。输入一定数据之后，在菜单栏单击“图表”的选项就可以生成想要的图表了。Excel提供了各种标准的图表类型以供选择，包括柱形图、折线图、饼图和散点图（scatter plot）等，如图所示。

图：Microsoft Excel的图表选择

有些人对Excel嗤之以鼻，但其实它并不是如此不堪。比如说，虽然我不会用Excel来做深度分析，生成的图表也不会用于出版，但如果我手中正好有一个Excel格式的小型数据集（这种情况很常见），同时又想快速找找感觉，那么自然就会随手点击几下鼠标用它生成一个图形。

正是Excel的方便易用让它获得了大众的欢迎，这很好。但如果你想要高质量的数据图就不要止步于此。其他工具会更适合你。

Google Spreadsheets

Google Spreadsheets其实就是Microsoft Excel的云版本，两者的界面非常相似。它也提供了标准的图表类型，如图所示。

图：Google Spreadsheets的图表选择

不过和Excel相比，Google Spreadsheets拥有更多优势。首先，数据都存储在Google的服务器上，所以你可以在任何安装了浏览器的计算机上查看自己的数据，只要登录你的Google账号就行。同时你也能很方便地把自己的电子表格共享给其他人，还能做到实时协作。此外，Google Spreadsheets还在Gadget （小工具）选项中提供了很多其他的图表类型，如图所示。

图：Google小工具

大多数小工具都没什么用，但其中也有几个极好的。比如说，你可以轻而易举地为自己的时间序列数据创建运动图表（就像Hans Rosling做的那样）。此外还有一种可交互的时间序列图表，如果你访问过Google Finance的话，就会发现它非常眼熟。

图：Google Finance

访问Google Docs试用一下spreadsheets，地址是 http://docs.google.com 。

Many Eyes

Many Eyes是IBM视觉传达实验室（IBM Visual Communication Lab）主导的一个研究项目，目前还在进行中。它是一个在线应用，带有一系列交互式的可视化工具，可以识别带分隔符的文本文件。Many Eyes的初衷是想了解人们能否以群组的形式探索大型数据集——这也正是它的名字的来历。如果一个群组内的众多双眼睛来观察某个数据集，是否会从中挖掘到更多有意思的地方？效率是否会更高？

虽然Many Eyes目前尚未提供多人的数据分析功能，作为个人使用来说它依然很有价值。其中涵盖了绝大多数传统的可视化类型，例如折线图和散点图。

Many Eyes的优势在于其中的可视化数据图都是可交互的，而且有一些定制选项。比如说在散点图中就可以用第3种指标来测量各个数据节点，而且鼠标悬停到感兴趣的数据节点上时还能查看具体的数值。

除了传统图表和一些基础的地图工具之外，Many Eyes还提供了多种更为先进和试验化的可视化方法。单词树（word tree）可以帮助我们研究一整段文本，例如书或文章中的某个段落。首先选择一个单词或短语，然后就能通过与它相连的单词了解到它在整段文本中的使用状态。比如说，下图就显示了在美国宪法中搜索“right”一词得到的结果。

图：Many Eyes的单词树显示了美国宪法的部分内容

针对同样的数据，我们还可以轻松地在各个工具之间转换。下面的图是一种特殊风格的单词云，被称为“Wordle”，同样显示了美国宪法的内容。单词使用得越频繁，字号就越大。

图：美国宪法的Wordle

如你所见，Many Eyes有许多选项便于我们处理数据，而且它也是目前数据探索中用途最为广泛的免费工具（在我看来也是最好的）。不过有一两点仍然需要注意。第一是其中的大部分工具都是 Java 小应用程序，所以如果没有安装Java，可能就无法充分利用它。（对大多数人来说这其实不算什么问题，但我确实认识一些人，不管是什么原因，他们对自己电脑上安装了什么非常在意。）

另一点对多数人来说则可能更为敏感一些：上传到网站的数据是存储在公共空间里的。所以最好不要用Many Eyes来挖掘你的公司客户信息，或者销售数据。

访问 http://many-eyes.com ，试着上传你自己的数据并对数据进行可视化。

Tableau Software

Tableau Software是一款只面向Windows的软件，相对比较新，但在过去几年中开始受到越来越多的欢迎。它的设计初衷主要是用于视觉化的数据研究和分析。很明显该软件在美学和设计上花了不少心思，这也是人们喜欢它的原因。

Tableau Software提供了许多可交互的可视化工具，在数据管理方面也表现不错。数据可以从Excel、文本文件和数据库服务器中导入，生成标准的时间序列图表、柱形图、饼图、基本地图等多种图形。你可以挂接动态数据源，将各种图形混合搭配形成定制视图，或者通过仪表盘视图随时关注数据的状态。

最近，Tableau发布了Tableau Public，这是免费版本，包含桌面版的一部分功能。你可以把数据上传到Tableau的服务器，创建可交互的图形，然后轻而易举地发布到你的网站或博客上。不过和Many Eyes一样，上传到服务器的所有数据都是公开的，所以需要小心。

your.flowingdata

对个人数据收集的兴趣让我开发了自己的应用，your.flowingdata（YFD）。这是一款在线应用，用户可以从Twitter收集数据，通过一系列可交互的可视化工具探索其中的模式和联系。有人通过它来追踪自己的饮食习惯或者起居时间。还有人用它来记录自己婴儿的每日状况，稍微改动一下数据就成了一本宝贝剪贴簿。

YFD本来主要针对的是个人数据方面，但有些人发现这个应用对于通用类型的数据收集也很有帮助，例如网络活动监控或者火车时刻表。

取舍

尽管这些工具都非常容易使用，但也存在一些缺憾。只需鼠标操作无疑十分便捷，但随之而来的却是丧失一定的灵活性。你可以改变颜色、字体和标题，但仅限于软件所提供的那些元素。如果界面上没有你想要的图表按钮，你就只有唉声叹气的份。

另一方面，有些软件可能确实提供了充分的功能，但你可能需要学习大量的按钮。比如说，我曾花了一个周末去突击学习某款软件（前文并未列出），而且很明显，如果投入更多时间，我就能通过它完成很多事情。但是这款软件的整个操作流程完全匪夷所思，让人根本没有心思学下去。而且要想针对不同的数据集重复一遍流程也很困难，因为我必须记住之前点击过的所有按钮。而相比之下，通过代码来处理数据就会更加容易，因为针对不同的数据集只需稍微改动一下代码就可以解决。

不要误解我的意思。我并不是说这些开箱即用的软件就应该完全弃之不用。它们能帮你快速且方便地研究数据。但当你开始接触更多的数据集时，可能这些软件就不能满足所需了。到这个时候，你可以借助于编程手段。

编程工具

不用太紧张。掌握一点点编程技巧，你就能利用数据做更多的事情，远远超过那些开箱即用的软件。编程技巧能赋予你更加灵活的能力，而且各种类型的数据都能适应。

大多数设计新颖、令人惊艳的数据图都是通过代码或绘图软件实现的，很有可能两者兼有。

对于新手来说，代码可能颇为神秘，我也是这样过来的。但我们可以把它当作一门新语言来看待，因为它确实如此。每一行代码都告诉计算机去做某件事情。计算机不懂我们和朋友之间所用的语言，所以你必须用它自己的语言或语法才能和它交流。

与任何语言一样，你不可能立刻就开始进行对话。要从基础开始，然后逐步建立自己的学习方式。很可能在自己意识到之前，你就已经开始写代码了。编程最酷的事情在于，一旦你掌握了一门语言，学习其他语言就会更加容易，它们的逻辑思路是共通的。

可选项

看来你已经决定要卷起袖子写代码了，好样的！在这里你有很多选择。针对不同的任务，各种语言之间互有优劣。有些语言善于处理大量数据，其他一些则可能偏向于更好的视觉效果，或者提供交互功能。选择何种语言取决于你对数据图的目标，或者看你对哪种语言更习惯。

有些人坚持只学一门编程语言，并把它学得很透。这没问题，而且如果你是编程新手，我强烈推荐这一策略。尽量熟悉代码的基础规范和重要概念。

我们应该选择最能满足自己需要的编程语言。不过，掌握新语言、了解新玩法也是很有乐趣的。因此在作决定之前，不妨先积累一些编程经验。

Python

Python善于处理大批量的数据，不会造成宕机。这使得该语言能够胜任繁重的计算和分析工作。Python干净易读的语法也很受 程序员 们欢迎，还可以利用很多模块来创建数据图形，例如下图这种的。

图：利用 Python 生成的图表

从美学方面来看，这个图表还不够好。直接拿Python输出的图片用于印刷可能会比较勉强，尤其是在边缘处给人感觉比较粗糙。但不管怎样，这是数据探索阶段一个很不错的开始。或者你也可以先输出图片，然后再利用其他的图形编辑软件来润色或添加信息。

1 NumPy是Python的一个数据处理的函数库，里面主要是一些矩阵的运算等。SciPy是Python语言中用于科学研究的函数库，它是在Numpy基础上开发的。

PHP

PHP是我刚开始网页编程时学到的第一门语言。有些人说它很松散，确实如此，但也可以让它很有条理。大部分Web服务器都预安装了 PHP 的开源软件，因此要想着手写PHP是非常容易的。

绝大多数预安装中都会包含一个叫做GD的图形函数库。这个库非常灵活，能让你从无到有地创建图形，或者修改已有图形。此外还有很多PHP图形函数库能帮助我们创建各类基本的图表。最受欢迎的是Sparkline（微线表）库，它能让你在文本中嵌入小字号的微型图表，或者在数字表格中添加视觉元素，如图所示。

图：利用PHP图形函数库生成的微线表

一般PHP的出现都会伴随着 MySQL 等数据库，而不是一堆CSV文件。这使它能物尽其用，处理大型的数据集。

Processing

Processing是一门适合于设计师及数据艺术家的开源语言。最早的Processing还只能算作是小品级别，可以让用户快速生成图形，但随后获得了长足的发展，完成了很多高质量的项目。

Processing很棒的一点是能很快上手：轻量级的编程环境，只需几行代码就能创建出带有动画和交互功能的图形。这款工具确实很基础，但由于它偏重于视觉思维的创造性，你很容易就能知道如何创造出更高级的作品。

虽然在一开始主要是设计师和艺术家使用Processing，但如今它的受众群体已经越来越多样化了。你可以借助各种函数库来提升它的威力。

它的缺点之一是要使用到Java小应用程序，在某些计算机上载入时可能会很慢，而且并不是每个人都安装了Java（尽管多数人都安装了）。不过这也有解决办法，Processing在不久前发布了它的JavaScript版本。

无论如何，它对于新手来说是个很好的起点。即使是毫无编程经验的用户也能够做出有价值的东西。

Flash和ActionScript

网上大多数可交互的动画数据图都是通过Flash和ActionScript开发的，尤其是在《纽约时报》这样的主流新闻网站上。我们可以直接用Flash来设计图形，这也是一款所见即所得的软件，但有了ActionScript的帮助，就能更好地控制交互行为。许多应用都是完全用ActionScript写的，无需用到Flash环境，不过这些代码还是作为Flash应用来进行编译。

虽然有很多免费、开源的ActionScript函数库，但是Flash软件和Flash编译器的价格比较昂贵，在你选择软件时需要考虑这一点。

比如说，表现沃尔玛企业成长的可交互动画演示地图就是用ActionScript写成的。其中调用了Modest Maps库。这是一个用于区块拼接地图（tile-based map）的显示和交互的函数库，以BSD许可协议 2 发布，这表示它是免费的，大家可以随心所欲地使用。

²BSD许可协议（Berkeley Software Distribution license），是自由软件（开源软件的一个子集）中使用最广泛的许可协议之一。

图：动画演示沃尔玛企业成长的地图，以ActionScript写成

下图中的可交互堆叠面积图也是由ActionScript写成的。它能让你搜索数年来各种消费开支的大小变化，例如住房（Housing）和交通（Transportation）。这一艰巨的任务是由加州大学伯克利分校可视化实验室开发的Flare Action Script库完成的。

图：显示消费开支分类的可交互堆叠面积图，以ActionScript写成

如果你对网上的可交互图形感兴趣，那么Flash和ActionScript是非常好的选择。Flash应用的下载相对较快，而且绝大多数人的计算机上都安装了Flash播放器。

不过ActionScript并不好学。虽说语法并不复杂，但是安装和代码的组织却可能会难倒初学者。你不可能像Processing那样只用几行代码就运行成功。在后面的章节中我会带领大家实践其中的基本步骤，另外由于Flash的广泛使用，在网上还能找到很多极有帮助的教程。

与此同时，Web浏览器一直在飞速发展，其运行速度和效率也有了显著的提高。这让我们有了很多其他的选择。

HTML、JavaScript和CSS

Web浏览器的运行速度越来越快，功能也越来越完善。不少人使用浏览器的时间要超过计算机上的其他任何程序。可视化在近期也有了相应的转变，开始借助HTML、JavaScript和CSS代码直接在浏览器中运行。在过去，可交互的数据图一般都是通过Flash和ActionScript来实现，而静态数据图则需要存储为图片格式。现在的情况也大抵如此，但不再只有这一种选择。

一些功能强健的工具包和函数库可以帮助我们快速创建可交互或静态的可视化图形。它们还提供了大量的选项，以便你针对数据需要进行定制。

比如说，斯坦福大学可视化团队开发的Protovis就是一款免费开源的可视化函数库，它能帮助你创建网页原生的可视化作品。Protovis提供了一系列开箱即用的可视化工具，但你在创建几何图形时不会受到任何限制。下图显示的是一幅可交互的堆叠面积图。

图：由Protovis生成的堆叠面积图

Protovis中内嵌了这一图表类型。我们还可以生成形式更加新颖的流线图（streamgraph），如图所示。

图：由Protovis自定义生成的流线图

我们还可以利用多个库来扩充功能。Flash也能做到这一点，但JavaScript在代码方面的工作量会小很多。有了jQuery和MooTools等库的协助，JavaScript也更加容易阅读和使用。这些库并非专为可视化而开发的，但仍然能带来很大帮助。它们提供了大量基础功能，只需几行代码就能实现。如果没有这些库，我们要写的代码就会更多，而且稍不注意就可能漏洞百出。

这些库还提供了一些插件，帮助我们制作较为基础的图形。例如，你可以利用jQuery的Sparklines（微线表）插件来生成微线表。

图：通过jQuery的Sparklines插件生成的微线表

用PHP也可以做到这一点，但这种方法具有更多优势。首先，数据图是在用户的浏览器中生成的，而非服务器端。这能缓解服务器的压力，否则在流量较大的情况下你的网站就可能会出问题。

另一个优势在于你无需在自己的服务器上安装PHP图形库。很多服务器上都预安装了这些图形库，但也有一些没有。如果你对PHP图形库不熟悉，安装过程可能会非常麻烦。

也许有人不想用插件。没关系，利用标准的网页编程也可以定制可视化的效果。下面的图就是一副可交互的日历，同时也是用户使用your.flowingdata工具的热度图（heatmap）。

不过还是有几点需要注意。由于相关的软件和技术还比较新，在不同浏览器中你的设计可能在显示上会有所差别。在Internet Explorer 6这类老旧的浏览器中，有些工具可能无法正常运行。不过这种情况正在逐渐好转，因为绝大多数人都已经转向了Firefox或Google Chrome等更现代的浏览器。归根结底，这还是取决于你的受众群体。在FlowingData网站的访问者中，只有不到5%的人还在用低版本的Internet Explorer，因此浏览器兼容性并不是很严重的问题。

图：可交互日历，同时也是用户使用your.flowingdata的热度图

同样，由于该技术的普及率尚不够高，为JavaScript可视化提供支持的函数库不像在Flash和ActionScript中那么多。这也是为什么许多主流新闻机构仍然大量使用Flash的原因。不过随着技术的发展这一局面终会发生改变。

R

如果你浏览过FlowingData，可能就会知道我最喜欢的数据图形软件就是R。它是一款免费且开源的统计学计算软件，图形功能也很强大。它也是绝大多数统计学家最中意的分析软件之一。此外还有一些功能近似的付费软件，例如S-plus和SAS，不过它们很难比得上R的完全免费以及活跃的开发社区氛围。

相较于之前提到的所有软件，R的优势之一在于它是专为数据分析而设计的。HTML的用途主要是创建网页，而Flash则用于其他方面，例如视频以及动态广告。但R却是由统计学家开发并维护，主要的面向对象也是统计学家。至于这是好是坏，取决于你从哪种角度来看待它。

支持R的工具包也有很多，你只需把数据载入到R里面，写一两行代码就可以创建出数据图形。比如说，你可以利用Portfolio工具包快速创建出板块层级图（treemap），如图所示。

图：在R中利用Portfolio工具包生成的板块层级图

创建热度图也同样简单，如图所示。

当然，还可以创建更多传统的统计图表，例如散点图和时间序列图。

坦白说，R的网站看起来极为落后，而且软件本身在引导新用户方面做得不够好。不过你要记住，R毕竟是一门编程语言，学习任何语言都必须经历开头的艰难。我也读到过一些关于R的负面评论，但通常都是那些习惯于按钮或者鼠标操作的人在发牢骚。所以如果你打算使用R，不要对用户界面的期待过高，否则你一定会觉得它很不友好。

但如果克服了这一点，我们就能用R做很多事情。它能够生成达到印刷品质的图片（至少也是雏形），而且极其灵活。如果愿意，你可以写出自己的函数或者程序包，按自己想要的方式来创建图形，你也可以借用R函数库里其他人开发的成品。

R提供了基础的绘图功能，它基本上可以让你随心所欲地绘制想要的图形，例如线条、形状以及框架坐标轴。所以和其他编程工具一样，能限制你的只有想象力而已。事实上，任何一种图表类型都能通过R或者R的工具包实现。

在搜索引擎中搜索有关R的内容时，它的本名可能会带来很多不相干的结果。可以尝试以“r-project”作为关键词，这样的搜索结果会更加精确。

既然R这么强大，为什么还要学习其他工具呢？为什么不干脆用R来做所有事情？原因有以下几方面，R是在你的桌面上运行的，所以它不太适合于动态网页。存储为图片然后发布到网页上并不是问题，但这一过程不会自动完成。你也可以通过网页来动态生成图片，但截至目前，R的这一功能还不是特别强大，无法比拟JavaScript等网页原生工具。

在创建可交互图形或动画方面，R也不是特别擅长。同样，尽管也可以用R来实现，但还有其他更方便的途径，比如Flash或者Processing。

最后，大家也许已经注意到，有些R创建的图形还欠缺一些雕琢。你恐怕不希望在报纸上看到这种水平的图形。当然，你也可以尝试依靠不同的选项或者添加代码来强化R的设计感觉，但我的策略一般是在R中创建基本图形，然后再利用Adobe Illustrator等绘图软件对其进行编辑加工。如果是用于数据分析，那么R的原始输出就可以了，但如果是用于演示或印刷，则最好还是从视觉和美感上稍加调整。

有用的R资源 – 适用于统计运算的R项目（ http://www.r-project.org ）。

取舍

学习编程就是在学一门新的语言，一门有关位和逻辑的计算机语言。例如，当你使用Excel或Tableau时，本质上是在和程序的翻译器打交道。按钮和菜单是你熟悉的语言，而当你点击它们时，软件会把你的行为翻译为指令，并发送给计算机。然后计算机才会服从你的命令，例如生成图片或者处理数据。

所以，时间绝对是主要的障碍。学习一门新的语言需要时间。对很多人来说，这一障碍太高了，对我来说也是如此。你需要立刻完成工作，因为你面前有一大堆数据，而且还有人等着要结果。如果你只会与数据打这么一次交道、以后不会再接触，那么选择开箱即用的可视化工具可能会更合适。

不过，如果你打算深入研究你的数据，而且日后可能（或者希望日后）还会接触大量与数据相关的项目，那么现在花些时间学习编程最终会节省其他项目的时间，并且作品也会给人留下更加深刻的印象。你的编程技巧会在每一次项目中获得提高，你会发现编程越来越容易。和任何一门外语一样，我们都会从基础学起，然后再逐步扩大范围，不可能从一开始就用它来著书立说。

让我们换一种思路来看这个问题。假设你被扔到一个陌生的国度，你不会说当地的语言，但有一名随身翻译。如果要和当地人交流，你会先说出来，然后让翻译去传递你要表达的信息。如果翻译不理解你的意思，或者不懂你用的某一个词，又该怎么办？他可能会干脆忽略这个词，或者如果他足够聪明，说不定去查查字典。

对于开箱即用的可视化工具来说，软件本身就是翻译。如果它不知道该怎样做一件事情，你就只能卡在那里，或者不得不寻找替代的解决办法。和现实中的翻译不同，软件通常不会立刻学会“新词”（在这里指新的图表类型或者数据处理方式）。新的功能需通过软件更新获得，也就是说你只能干等着。那么，如果你自己学会了这门语言会怎样呢？

再一次声明，我并不是说要避免使用开箱即用的工具。我一直都在使用它们。它们让很多沉闷乏味的任务变得轻松容易，这很棒。但我们不能被软件限制住，不是吗？

本文节选自 《鲜活的数据：数据可视化指南》

《鲜活的数据：数据可视化指南》 是一本系统介绍数据可视化的图书。书中主要阐述了如何将冰冷枯燥的数据转换成易于理解、生动有趣、主题清晰的图表。作者根据数据可视化的一般顺序，先后介绍了如何获取数据，将数据格式化，然后用可视化工具（如R）生成图表，最后在图形编辑软件（如Illustrator）中修改完善，使图表达到最佳的可视化效果。

书中详细介绍了柱形图、饼图、折线图和散点图等图表的绘制方法及各自的优缺点，还用专门的一章介绍与地图相关的数据可视化技巧。实例丰富、图文并茂，适合数据分析师、视觉设计师和对数据感兴趣的开发人员学习。

作者Nathan Yau，加州大学洛杉矶分校统计学专业在读博士、超级数据迷，专注于数据可视化与个人数据收集。他曾在《纽约时报》、CNN、Mozilla和SyFy工作过，认为数据和信息图不仅适用于分析，用来讲述与数据有关的故事也非常合适。Yau的目标是让非专业人士读懂并用好数据。他创建了一个设计、可视化和统计方面的博客 http://flowingdata.com ，我们可以从中欣赏到他的最新数据可视化实验作品。

End.