数据可视化之总结

之前三周分别针对Berkeley Earth，AQICN和Earth Nullschool三个网站的前端技术做了总结,分别简称为BAE，今天我们抛开技术，和大家聊两点：

• 三个网站的对比

• 数据可视化的认识

三个网站的对比

如果做一个比喻，我的感觉是B像一个事业有成的中年，A像一个充满活力的青年，而E则是一位不拘一格的艺术家。如下是三个网站在中国区域的AQI可视化效果，看到这个对比图后，你的第一印象是什么？中间京东618广告？听的我一口血吐到屏幕上。

首先，Berkeley有大量的原始数据，对数据管理上有很高的要求，比如历史数据的对比，同时采用netcdf的数据存储形式，供用户下载。作为一个科研机构，他的重心是研究，可视化上更侧重反映数据的统计和分析，比如全球气温，中国的污染等，因此，基于数据的自身需求两方面，更侧重服务端开发，对前端要求很小，所以，B站很适合当作数据服务提供者。

其次，从AQICN投放广告的行为，不难理解，这是一个应用为主的网站，本身并不侧重于数据的维护，而侧重于给用户展现实时实用的数据，我们很容易从A站找到当前的气温，AQI等数据，48小时内的情况，未来两周的趋势等，但数据在时间维度上仅支持较短区间。本质上来看，数据管理并不是自己的分内事，如何将这么多种类，杂乱的数据，以一种规范，高效，安全的方式传输，是他的核心，所以代码的更大一部分是在数据的请求，解析，而在前端展现上，风格就是四个字：简单易用。这和B站有很鲜明的对比，前者数据单一，但专业性很强，比如近60多年的全球气温，最近半年每天的PM数据，而后者数据类型应有尽有，但更大众化，比如多数用户不关心去年今天的气温，但想知道明天的天气预报。

最后是我最欣赏的E站，很好的可视化效果，同时也没有丧失实用性。不知道我了解的是否真实：作者是一位跳伞爱好者，同时也是微软的一名开发人员，每次跳伞都要了解当前的天气，特别是风，正是基于自己的这个需求，同时也有开发能力，所以搭建了这个网站，来方便全球跳伞爱好者，逐步扩展和丰富。这里有不少出彩点：统一的传输格式epak，数据解析和传输上都有较好的保证；合理使用D3等第三方库，代码很轻；在实用和可视化效果上都很出色，技术和艺术上都很棒。说了这么多，无非是想告诉广大女性，如果有幸认识了一位优秀的程序员，这是上天赐予你的机会，千万不要错过。当然，这里的重点是优秀这一稀缺性。

数据可视化

既然是数据可视化，数据则是其中的核心，BAE三个网站，同一类型的数据，以自己不同的理解和定位，各自找到了其稀缺性。好的可视化是一种表达数据的方式，能够帮助你发现那些盲点。所以，当我们面对问题时，不要急于解决问题，而是要抓住问题的本质。

数据可视化是一个很大的范畴，如上是FlowingData网站的一个简单分类，把一份数据从处理，统计，传输到最后的设计，渲染，这是一个很长的环节，技术上可以只攻克其中一个点，但真的做事情，则要把这条线贯通。

目前可视化的工具和库也很多，比如D3，Echart等，也有很多开放的数据，都是值得我们研究和学习的对象，一份数据，可以多个维度的展现其不一样的价值。如下图，是最近十年的全球气温变化，以地球为载体体现气温变化，以统计图现实具体的数据变化，同时辅以时间轴和播放速度，丰富交互体验。

喜欢如上范例的，在公众号中回复“planet”，获取示例代码

另外，如果在数据的前面加上一个大，就变得更有意思了，如何保证数据传输和解析性能，如何实现大数据的渲染，传统的json已经无法胜任，相比而言，arraybuffer和webgl是大数据下Web传输和渲染的必然趋势。如下，左侧是WebGL渲染，右侧是Canvas2D方式，仔细看绿色区域的过渡效果，前者平滑，后者略有跳帧，留给大家一个问题，你觉得跳帧最可能的原因是什么？自认为这是一个好问题，因为Canvas2D是可以做到平滑的，只是...要清楚为什么。

我并没有在数据可视化方面有过多的学习和研究，如果对这方面有兴趣，想要深造，推荐这个网站（flowingdata.com）和它推荐的书。所谓的创新，不是凭空的想象，而是日积月累的知识，不经意的碰撞所迸发出的火花。我们不能预测某个引爆点，但唯有不断充实自我，方能为这个奇点的到来做好准备。

If there is a light, don't let it go out. 有生之年一定要去一次的演唱会