数据分析模型

数据分析模型组成

《Visualization Analysis & Design》这本书中提到的数据分析模型，这个模型分为三个部分：认识数据、确定任务和设计方案。

认识数据：What

认识数据的核心就是确定数据的类型，只有正确地认识数据类型才能选择正确的可视化方法。总的来说数据分为三个层次：数据集、数据和属性，这里需要说明一下层次中的数据和前面提到的数据是不一样的：前面是一个统称，这里的是具体的实例。数据是由一些数据集（DataSet） 构成的，数据集又是由一条条数（Data） 构成的，每一条数据是由属性（Attribute） 构成的。接下来我们就分别看看它们对应的类型。

数据集类型

数据集主要分为：表格（Table） 、网络（Network） 和几何（Geometry） 。

• 表格是由行（Row）和列（Col）构成。对于一个一维表格（Flat Table）来说，每一行是一个实体（ Item ） ，每一列是该实体的一个属性（Attribute ） 。
• 网络数据主要用来表示实体之间的关系，在网络中的实体往往被称作为节点（ node ） ，节点之间的关系被称作为链接（link） 。
• 位置（Position） 去描述一个实体的形状，这些实体可能是点，线，平面等。

数据类型

数据的主要种类是：实体（ Item ） 、链接（Link）、位置（Position） 和属性（Attribute） 。

• 实体是一个单独的个体，比如表格中的一行，网络中一个节点。可以是一个人，也可以是一只蚂蚁。
• 链接是实体之间的关系（Relationship）。
• 位置是空间数据，描述二维或者三维空间的一个位置。
• 属性是一个可以被测量、观察和记录的特性，所有的实体、链接和位置都由属性构成。属性又被称为变量（Variable） 或者数据维度（Data Dimension） 。

确定任务：Why

我们需要一些确定的词去描述任务，去将这些任务一步步抽象，变成和领域知识没有关系的描述。这些词可以分成两个部分：行动（Action） 和目标（Target） 。

行动：Action

行动是动词，主要用来描述用户想要通过可视化达到的目的。这里主要介绍最常见的两种行动：发现（Discover）和展现（Present）。

目标：Target

目标是动词，是用户对数据感兴趣的方面，对于不同的数据类型可能会有不同的目标。

设计方案：How

在设计一个可视化的时候，我们主要有多种基本手段比如：分面（Facet） ，操作（Manipulate） 和减少（Reduce） ，但是这里主要介绍编码（Encode） 这种方式。上一章节里面提到：“数据可视化将不可见或难以直接显示的数据转化为可感知的图形、符号、颜色、纹理等”，这个从数据到视觉元素的过程就是编码。
编码过程主要有两个部分：布局（Arrange） 和映射（Map） 。布局的主要任务就是确定视觉元素在最后画布上的位置，映射的主要任务就是用视觉元素的属性去表示数据的属性。比如在条形图中，我们需要根据数据种类确定每一个条的位置，这就是布局，也需要去确定数据的大小却确定每一个条的高度，这就是映射。

小结