原文作者：Evan Sinar
独特的数据可视化令人印象深刻，也可以使观者体会到其多样性——因为即便是最清晰直观的可视化类型，一再重复也会丧失魅力。随着大众审美程度的提高，数据可视化设计师也需要不断拓展可视化方法、提升他们的数据可视化知识和熟练度，提高他们的技能，以增加观者的熟悉度和他们的期待。更重要的是，可视化设计师始终意识到将可视化方式和数据、阐释方式、解答问题匹配起来是多么重要。
在这片文章中，我回顾了7种大家并不那么熟悉（或许从未听说）但是却很有用的数据可视化类型：
1. 斜率图
2. 平行坐标图
3. 冲积图
4. 旭日图
5. 圆形划归图
6. 地平线图
7. 流图
尽管这些可供选择的数据可视化方法已经有了很好的发展，并且也在很多方面证明了它们的价值，但他们却没有像条形图、折现图、散点图和扇形图一样那么普遍。毫无疑问，基本和常见的可视化类型仍然可以用于处理某些简单的数据。然而，当传播复杂的内容时，例如层次结构，纵向数据和多变量比较等等， 通常需要相应深度的更高级的可视化类型。
文中介绍的每个可视化类型内容包括以下部分：
• 简要描述
• 何时使用
• 两个实际案例（即人们在实际数据处理过程中有效使用了该技术）
• 更多相关信息浏览地址
• 如何制作（无需编码）所有的这些可视化都可以通过像R语言和D3.js或者其他的商用程序来完成，但耗时较长，花费也很高，所以往往不是最好的选择。这里介绍的每一个可供选择的可视化技术都是可以快速、免费获得且广泛使用的，可以利用如Excel等工具完成，无需编码。本文中，我会重点对这些方法进行阐述。
1 斜率图——斜率图是一种特殊的线形图，通过将两组（或多组）数据连线，把数据在另一层面上反映出来的值（即斜率）进行比较，并对这些数据的名称进行标注以简单进行解释。两组数据具有相同的度量尺度，以便于看出每个数据是否在两个类别之间存在增加，减少或持平。遵循最佳做法，设计师经常突出显示最大信息价值的线条（例如，增加或减少量最大的组合），并且淡化弱化显示其它部分。
何时使用——用来比较数据组在一定时间范围内（通常为一个连续年）的变化率和数据排序。一般来说，在斜率图中，所有数值对于其所在的组和类别都必须是有意义的，这样才能显示其从一个类别到另一个类别的变化程度。
两个实际案例：
（图表展现了2004~2014美国各个州使用煤矿、天然气、核能、水能发电的情况，从图表中可以清晰的看出哪些能源的使用率在下降，哪些在上升，且可以通过线条的斜率对比某一能源使用率的变化程度）
欲获取更多信息——请参阅 Cole Nussbaumer Knaflic
如何制作——请参阅Jon Peltier
2 平行坐标图 —— 一个平行坐标图可将多个变量并排排列，每个值在各个变量的最大值和最小值间（最大值在顶部，最小值在底部）水平变化，我们将这些变量上对应的值连接起来，就得到了水平坐标图。在已有的大量的案例中，平行坐标图通常是使用交互式视图，可以选择和突出显示其中个别行。
揭示群体表现出类似或不同的多变量的数量分布。平行坐标可视化 最好的可视化类型 大型中，大数据。
何时使用——用来说明各数组线条是如何在各种变量之间显示或相似或不同的变化趋势。平行坐标图是用来处理大型数据时常用的最优可视化类型。
两个实际案例：
欲获取更多信息——请参阅Stephen Few
如何制作—运用RAW软件：从Excel或者其他类似的制表程序里直接粘贴自己的数据，或者运用Cars样本数据集（然后选定平行坐标，且将每一个数值坐标拖拽至维度框中内并且给每个颜色框命名）
3 冲积图—— 冲积图（与桑基图密切相关）显示了不同实体（或节点）如何跨多个组或时间段汇流或分流。在这些图表中，冲积流的宽度表明在每个范围内数据的大小或比例，类似于支流如何形成更大的溪流或河流如何分流形成不同的支流。
何时运用——用以显示多个数组在多个变量之间是如何相互关联（当数据流汇聚时）或者如何各自异化的（当数据产生分流时）。冲积图尤其适用于表示文本流数据：金钱，商品，时间，选票等等，但也可以用于其他多种用途。它还可以用以展示哪些变量更集中（更少，更宽的数据流）或者更分散（更多，更窄的数据流）。
两个实际案例：
（上图展示了美国总统的出生地、任职时的年龄、党派及星座信息，通过冲积图可以明显看到出生于弗吉尼亚州，年龄50岁，共和党，双鱼座、水瓶座和天蝎座的总统偏多）
• Lawrence Livermore的关于2011年美国预估能源运用估算
欲获取更多信息——请参阅Digital Splash Media
如何制作——运用桑基图：粘贴你自己的数据或者使用网站的数据样表
4 旭日图——旭日图展示了在一个圆圈内分层结构。每一个外延的环状都表示更深一个层次。环内分块通常由分布在那块的数的大小决定。当旭日图和扇形图有一些相似之处并且在扇形图不再适用于简单地对比时，就需要对数据进行复杂的、多层次的分块来使数据具有更强的可解读性。
两个实际案例：
（此图表从圆心向外分别从原料使用的奶品种、奶酪质地、奶酪颜色和纹理三个层次对66种奶酪进行了分类）
欲获取更多信息——请参阅Bime Analytics
如何制作——请参阅Beat Excel
5 圆形划归图——圆形划归图显示为几组圆环分类数据，通常用于数据分层，其中较小的数据要么被用和其他同类数据相同的颜色标记，要么被嵌套到其他大数组中。
何时使用——用于展示多组数据和分组数据在大小和其他属性上有什么不同（例如，圆的大小用来表示量，圆的颜色用来表示不同属性）。类似的大众比较熟悉的可视化方法是树状图，但由于很多人对圆的图形有着固有的偏好，圆形划归图往往更吸引观众。
两个实际案例：
（此图表是对不同的音乐流派进行的探索和分类，圆的大小表示流行程度，圆的颜色代表同一种流派，可以看出来不同流派风格的偏差和规模，比如金属风格和emo风格就比较接近，但和乡村风格就有明显区别，也可以看出摇滚风格非常流行）
欲获取更多资源——请参阅Datavizcatalogue
如何制作——运用RAW软件：从Excel或者其他类似的制表程序中直接粘贴自己的数据，或者运用“电影”样本数据集（然后选择圆形划归图并且拖拽数据，将“国内总票房”拖入大小框，将“类型”拖入色彩框）
6 地平线图—— 地平线图表显示了垂直尺度上的负值和正值的时间序列数据，使用色彩或阴影显示负值，同时将它们转移到基线“水平线”之上。
何时使用——用以展示随着时间的变化，一些数据随之发生变化（例如，国家，产品，工业），特别是当数据包含正/负增长和收缩值时，如果要用很多组数据来展示这些内容是非常困难的。
两个实际的案例：
（上图展示了不同郡的平均失业率对比，红色系区块代表失业率高出平均水平，蓝色区块代表低于平均水平，且颜色越深表示超出或低于平均水平的程度越高，由此可以直观的看出哪些地区的失业率高以及失业率问题的严重程度）
欲获取更多信息——请参阅Stephen Few
如何制作——请参阅Superuser.com
7 流图——流图用以展示各组数据的大小或比例随着时间的变化而变化的情况，“流”的垂直宽度表示该数据的大小。流图可以用以展示一个固定的值域这样整组的数据大小变化都显而易见，也可以用以展示一个相对的值域这样数组就可以一直变化增加至100%（类似于区域图）。
何时使用——尽管这个方法还有其他适用的领域，但一般用以说明随着时间变化数据的大小以及占比的变化，通常是6个时间段。流图可以非常有效的直观的描述出随着时间的变化在文化影响、科技趋势，经济实力上的一些主要变化，它能立即反映出数据的此消彼长。
两个实际案例：
（此图表是一个动态交互图表，展示了1950~2010年流行的音乐风格的变化，比如上世纪70年代摇滚音乐最为流行，且点击不同色块可以查看当年发行的对应音乐风格的专辑）
欲获取更多信息——请参阅Andy Kirk
如何制作——运用RAW软件：从Excel或者其他类似的制表程序中直接粘贴自己的数据，或者使用它们的“音乐”样表数据库（然后选择流图并且拖拽到组框中，将“国内总票房”拖入大小框，将“类型”拖入色彩框）
尝试这些可供选择的数据可视化方法的好处
“数据可视化可以简化复杂问题”本身就是一个简化的陈述。当然，复杂问题需要被清楚地阐释，在实现这一目标的过程中，图形化而非数字化的信息展示非常重要。然而，一味的强调“简化”复杂信息，仅运用一组有限的经验证实是好用的可视化方法，也不是正确的解决办法。相反，设计人员应该把数据可视化视为一种保留复杂性的工具，这是很有必要的，这通常就需要我们运用与内容深度而相匹配的图表来展示，而不是使用其他方法。
设计师们越多地利用他们的数据工具箱来拓展和测试他们的方法，并且更多在数据条件允许的情况下尝试非普遍的办法，他们越能够更有效地将他们的消息与他们的可视化方式相匹配。这样既可以展示图表的可参与和可记忆的特点，也可以带给观者新鲜感。
译者：柳洋
本文为原创译文，转载请注明出处，谢谢
网友评论