共计 5413 个字符，预计需要花费 14 分钟才能阅读完成。
https://blog.mapbox.com/right-way-visualize-data-945d6010fab0?imm_mid=0f57e6%E2%80%8B%20blog.mapbox.com
Amy Lee（Aug 7, 2017）Walton Mapbox
地图和地理信息可视化产品设计的文章绝对其余设计类文章是比拟匮乏的，因而译者打算精选、翻译一系列国外相干文章并分享给大家。这篇文章讲的是专题地图中的定量数据编码形式和配色办法。作者写得比拟随便，而译者心愿能把这个畛域的常识成体系地展示进去。因而译者查阅其余材料加以补充，将 900 个单词的原文，补充到 3000 余汉字。如有纰漏，请多指教！
—By 译者 dongqing
类型概述
当我设计一个地图的时候，我会思考到：读者如何去读地图上的信息？是否心愿读者一眼看到一个天文区域内度量（后果）的变动？是否想在一个特定区域展现它的变动水平？是否想展示一个区域里的忙碌的流动或者人群的绝对密度等。要想进步地图的可读性，让读者读得疾速而专一，我有许多可视化数据的办法：
* 点密度图 一种用点或其余符号来显示一个特色或景象个体存在的地图模式。例如，展现忙碌的十字路口的人，或者区域内一项流动数量的多少。
* 等值域地图 它用着色或者图案纹理的变动对应地图上的数据强度。例如展现人口密度或者人均收入的可视化地图。（译者：等值域地图的根本单位是区域。区域外部被了解为均质的，等值的。）
* 六边型分箱图 这种六边型分箱图是非常适合在地图上展现惯例主题。它的像素化水平低于点密度图，又不像等值域图那样有边界束缚。（译者：作者说的六边型分箱图是多边形分箱图的一种，更常见的是矩形分箱图。六边形的几何个性，能够进步显示精度。有学者认为他们是一种非凡的热力求。）
* 热力求 这种地图模式能够让读地图的人感触到点的密度，而不依赖于缩放系数。而且有着最小的边界束缚，因为它没有绑定天文边界。
详述和实例
点密度图 当可视化离散点数据时，点密度图是十分无效的。它通常被用于揭示一项流动、个性或其余地区景象的容量和模式。在这种图里，单个点的数量是不反对统计的，它次要提供了一个区域内数据的总量出现和密度的概览。
\
图 1 欧洲电视 -Shazam 是一个柔美的点密度图我的项目
等值域地图 等值域图基于既定区域内聚合的统计数据。（译者：作者说的等值域图原词 choropleth map。此外两条等值线 isoline 围成的区域也是等值域，这些区域都是假如外部为匀质的。）最经典的案例是美国大选地图。他们的区域划基于选区，因而用等值域地图是更为适合的。泛泛地说，等值域地图表白两种数据：空间可舒展的数据，例如人口；或者是空间聚合的数据，例如比率，密度，形成。
（译者注：空间可扩大的数据原词 spatial extensive data，指的是如人口，品质等可随着空间变动而变动的值，比方人口密度不变的条件下，面积越大，人口越多。而空间聚合的数据类型原词 spatial intensive data，指的是外在的、固有的、不随空间变动而变动的数据。比方人口密度并不会因为单纯的行政区面积增大而增大。）
\
图 2 等值域地图：乌干达疟疾发病率
\
图 3 译者补充：比拟空间可扩大数据和空间密集数据的不同之处。本图意在展示麻省波士顿城镇化状况，次要通过人口来体现。左图间接编码了各个区域的人口总数。因为一些区域面积很大，大的面积天然带来了大的人口，导致面积大的区域总是色彩深，给人一种市区城镇化水平更高的错觉。右图编码人口密度。
六边形分箱图 通过用隐喻却很结构化的示意，六边型分箱图在可视化聚合数据时十分有用。你能够把成千上万的点分成几百个六边型来展现他们大体的散布状况。
\
图 4 六边型分箱图实例：NYC 交通事故地图
热力求 热力求实质上是通过色彩来编码数值高下的可视化工具。这种模式在多变量上会比拟好用，用来出现数据之间的模式和分割。
\
图 5 典型的热力求
\
图 6 展示楼层热点地区的热力求
设计方面的考量
点密度图有赖于离散数据的集群形式。因而我须要确定适合的值来区隔数据。我通常用 Jenks optimization 法进行分类，计算优化值来确定从哪变换色彩或刻度。在点密度图中，大量点的密集排布显示的是变量值在这个区域高度聚合，反之亦然。我尝试通过范畴，透明度，色相来可视化值的变动。（译者注：Jenks optimization method 指的是天然间断点分级法，使每组间数据差别达到最大化。集群和分级在等值域地图中宽泛使用，在谈及点密度图时提到是比拟常见的。可能是作者想在地图上把离散点依据某个参数不同进行别离展现。）
当设计等值域图、六边型分箱图、热力地图时候，我须要记住两件很重要的事件：a. 深的色彩通常被读者感知为较强或较高的值。b. 当有大量的色彩变动时候，人的眼睛能识别色盘上的色彩是很无限的。一般来说，我只会用 5-7 种色系。（译者注：实际操作中，当用明度表白数量递进时候，到底是最深的色彩编码最高的值，还是最浅的色彩编码最高的值，还取决于底图的明暗格调。一般来说，用靠近底图色彩编码少或低的值。）
用色彩的推移表白数量递进
这里有几类不同的色彩推移能够在地图设计中应用，上面是我十分喜爱的类型。
繁多色相明度推移 从深色彩向更亮色彩的甚至红色来进行填充，同时放弃他们色相不变。在这里最深的色彩代表数据库里的最大的值，而最亮的色彩代表了最小的值。（译者注：下文原作者给出的案例中，底图的色彩是浅色的，因而亮色最靠近底图色彩，编码最小值。然而如果底图自身是深色的，那么最亮的色彩应该编码最大值。此外，尽管繁多色相明度推移被认为最合乎“一种视觉通道编码一种变量”的可视化准则，然而在实际操作中，还是会经常随同轻微的色相推移，或者饱和度的推移。这些做法旨在减少对比度，是可取的。人眼长于分辨低明度的色彩变动，在明度较高的色段分辨能力会降落。）
\
图 7 单色明度推移
\
图 8 单色明度推移的美国地图
两极明度推移这里用两种互补色（也能够是对比色）去展示数据从一个负向值到 0 点再到正向值的变动区间。这种地图显示了绝对立的两个值的大小关系。
\
图 9 双色相明度推移
\
图 10 双色相明度推移的美国地图
局部光谱色相推移这种地图交融了两个不同的数集。通过混合两个相邻的色彩来展示两个互斥值的强度关系。（译者注：这块作者写的过于简略，起初查资料后找到了一个例子。就是能够借助它来可视化性别比率。首先男女是这个主题里互斥的两个数集。男的多必然女的少，因此能够用局部色相推移展示。联合下图，能够了解为最黄的一端男性比率最高，而两头橙色是比例差不多的，红色一端是男性比率最低，也就是女性比率最高的中央。）
\
图 11 局部光谱色相推移的美国地图
\
图 12 局部光谱色相推移的美国地图
译者补充 作者在文中介绍了三种常见的实用于可视化地图的色彩推移。但这还不是全副。译者查阅材料，将其余状况补充齐全。这些状况能够了解为不罕用、不好用或是用在个别场景实用的。
饱和度推移 明度不变，从某种色彩到灰色推移，也合乎繁多通道对应繁多变量的准则。
\
图 1 3 饱和度推移的欧洲地图 图片起源：Dealing with Natural Hazards
纹理推移 从纹理稠密到密集的推移。很多针对色盲的优化时会提到这种解决形式。
\
图 14 纹理从稠密到密集
无色相明度推移 就是单纯黑白的推移。
\
图 15 无色相明度推移
混合色相推移学者把它定义为一种光谱上可见的色彩到一种光谱上不可见的色彩的推移。常见于展现海拔高度的地图上。通常海拔低的编码绿色或黄色，最高处编码棕色。而棕色正是可见光谱上没有的色彩。这种推移往往是色相和明度都在变动的推移。
\
图 16 混合色相推移
全光谱色相推移全光谱色相推移人造地不适用于编码定量数据的大小关系，因为人类对于程序的感知并不是依照这张彩虹图走的。无关这个话题的钻研，我会放在前面的文章里，感兴趣的请继续关注！
\
图 17 全光谱色相推移
其余影响到配色的因素：主观和审美、对色弱的思考、数据的洞察的需要、经济因素、客户要求、特定读者的年龄等。
结语
当我设计色彩较重的格调的地图时，我常思考一些可达性和可复制性的因素。这个地图是纯电子的，还是可能会打印进去的。另外是否这些配色对色盲来说是适合的。ColorBrewer 是一个很酷的用来拾取色彩推移的工具，并且有一个性能让你去查看这些要思考的因素。色调能够很好的加强制图者和读者之间的信息传播，然而蹩脚的配色对地图使用者来说是既没有效率的又没有吸引力的。
