今天给各位分享大学生数据可视化优秀案例的知识，其中也会对大学生数据可视化优秀案例范文进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、“数据可视化”实用案例有什么？
• 2、数据可视化 Data Visualization 的原则和案例
• 3、数据可视化的应用都有哪些？
• 4、数据可视化常用的五种方式及案例分析
• 5、分享5个经典的数据可视化大屏应用案例
• 6、数据可视化的16个经典案例

“数据可视化”实用案例有什么？

国家电网四川省电力公司向科睿展示定制的“四川95598供电服务中心数据可视化系统”，是“数据可视化”在电力服务行业的一次成功应用。系统运行以来取得了良好效果，有效宣传了服务理念，提升了工作效率，成为了四川省“塑文化、强队伍、铸品质”供电服务提升工程中最具有典型性的子工程之一。

数据可视化 Data Visualization 的原则和案例

原文地址： medium 原文     UXren的翻译

“仪表板”、“大数据”、“数据可视化”、“数据分析”——越来越多人和企业，开始运用他们的数据来做一些有趣的事情。 Telling the story with data!  Data-heavy interfaces. 很多人已经讨论过这个议题，我会围绕创作过程中最具影响力的部分。

一、用户不同，数据不同 Different users, different data

任何时候设计一套Complex system，inevitably要为很多用户users 和角色persona 进行设计.

总裁（Executives）, 经理（managers）, and 分析师 （analysts） are common personas that each have their own workflows and data needs.不同的角色有 完全不同的视角（perspective）and generating insights。

关于角色，重要的一点是预先确定好，围绕它们来组织信息结构与线框图 wireframes and IA should be around target persona

下面是我们去年做的一款健康报告应用的最终成品。这套系统有着不同的用户群，他们各自都需要不同的数据管理。 创建了关键角色后，我们每次评审会将它们放在旁边 。

做presentation的时候，在满屋子客户面前展示作品是件难事。无论是在解释线框图、流程图，还是就视觉设计进行讨论，都很难让每个人跟上你的观点。 通过角色来组织作品，会防止你(和客户)在这些讨论中跑题。

二、页面layout pattern

页面的layout很重要，如果一开始你就让用户找不到自己想要的 start with distractions,  audience 很难 seeing not just what each element is about, but the focus of the entire passage.

1) 重要的 Logical layout organizing principle ： The Inverted Pyramid 

–The most important and substantial information is at the top,

–followed by the significant details that h elp you understand the overview above

them;

–and at the bottom you have general and background information, which will contain

much more detail and allow the reader or viewer to dive deeper

a good book talking about style :  “ Style: The Basics of Clarity and Grace ”.

2)  最小化原则 Minimalism: Less is More

每个页面不应超过5-9个chart，过多的内容会让用户分心。•Each dashboard should contain no more than 5-9 visualizations.  

•通过分层来减少视觉clutter （ avoid visual clutter by layering ）

the data by using filters and hierarchies (e.g. instead of having one indicator for amount of

sales in North America and one for South America, give the user the option to apply a filter which changes the same indicator between one and the other) 

•如果真的有很多chart，只需要将他们分开几个页面即可 simply by breaking your dashboard into two or more separate dashboards.

3）不要让形式强过于内容 over-designed visualizations that aren't appropriate for the data.

**Spend your energy on selling the message, not the medium**

**Your job is to solve a problem, not make a picture**

三、选择正确的图形

最糟的是——这些“坏习惯”似乎在成倍增加。随处可见本应是饼形图的面积图，还有本应该是柱状图的曲线图。让我们一起来制止这些设计……下面这些建议有助于你正确对待数据

3.1 始于数据

未经处理的 原始数据表格 一点也没有吸引力。但它是 最佳的起点 。它帮你开始 思考数据中有哪些变量可用variables available，这些变量数据如何关联various data entities are related。

Checking out these great resources to help uncover interesting connections:

Designing Better charts with Google Sheets, Illustrator, and Sketch

Tableau — This tool is one of the best out there, but very expensive. *拆解Tableau的文章以后会有*  Tableau的视频链接

在整个过程中，这部分并没有灵丹妙药。别对深入研究数据心存恐惧，试着混合搭配不同变量，创建基本图表。这需要时间，但它是值得的。我想到的一些绝妙点子，都来自这些原始数据文件的拼拼凑凑。

3.2 处理离散数据和连续数据

每一种图表都有他最擅长表达的领域，数据也可以分类为：连续型数据和离散型数据。 It’s easy to pick charts that look good in your composition and hope your data works out.  

数据的种类 Types of data + 用户的目的 user's purpose  == which type of chart to choose.

离散数据 Discrete Data — distinct values you can count. For example, a number of goals scored or Facebook likes.

连续数据 Continuous Data ——任何范围值 range of value。比如一季的降雨量，或一个人的身高体重。

 So, how to choose the correct pattern ?

1)   Compare different discrete values over a period of time?comparison between different value across time or different categories.

  Bar Chart （length and end point of bar ）清楚表达数据之间关系；说明每一个的具体数值；容易比较数值；容易看出趋势；

2) View trending ? 

    Line-chart

3) Analysis the percentage proportion, specially " part –to- whole" relationship ? 

   Pie charts are usually used to showrelational proportions between data and use arc length

to present the percentage of total.understand the relative contributions of each part to the whole清楚表达数据之间关系-尤其是part of whole；不能说明每一个的具体数值；不容易比较数值；无法看出趋势；（it's hard to compare slice）

4）view where/which area has the highest population , usage

    Distribution chart 

5） 观察几个不同的特点，技能等的分布情况 （ character strength ）

      Radar Chart

“ The Wall Street Journal: Guide to information Graphics ” by Dona Wong. 帮我凝练了其中精髓。真希望几年前我就有这本书。这是本无价的参考书，帮你选用合适的图表，阐明信息展现的行为准则。

3.3  选择哪个analysis patterns？回答几个问题：(不需要都满足，根据使用条件)

–Clearly indicates how the values relate to one another, which in this case is a part-to-whole relationship - the number of deaths per cause, when summed, equal all deaths during the

year.清楚表达了数据间的关系

–Represents the quantities accurately.表达了具体的数值

–Makes it easy to compare the quantities.容易比较数值

–Makes it easy to see the ranked order of values, such as from the leading cause of death to the least.容易看出趋势或者顺序

–Makes obvious how people should use the information - what they should use it to accomplish - and encourages them to do this.明显让人明白如何使用数据

3.4 Dashboard 的目的：

1) 化繁为简，将抽象数据变成直接易懂的物理形态 To translate abstract data into easily understanding physical attribute (length, size, shape..), for better analysis and understand. –Make complex simple 

2）Explain Data to Solve Specific Problems : (解释数据) – answer view’s question

3）Explore Large Data Sets for Better Understanding （数据挖掘)

4）对于很直接的，常用的结果，直接用文字表达出来

四、基本的或定制化的图形 Basic vs. Custom visualizations

As the designer of these data-rich systems you have to constantly ask yourself “ should I let users to customize the chart ? Or should I use tried-and-true charts to articulate the message?”. 是可以让用户自我定制？还是采用统一的模板呈现？

最近无意中读到这篇来自 37 Signals的文章—— 只要3种图表就够了 。（ ）作者强烈表达一个观点，图形的“有效性”胜过它的视觉特征。我非常赞同文中这一观点。不过，我觉得他的观点代表着一种极端实用主义的视角。我相信定制化的图形通常也能提升数据的易用性，同时独具一格引人入胜。

然而，作为专业的设计师，我希望我的作品看起来和感觉上是独特且有用的。

比如，纽约时报做得很好，通过定制化的交互式图形，来为他们的文章添彩。可以在这里看到更多他们的作品。我们来看一些完美的定制化图表案例：这个案例对曲线图做了调整，让人“一睹”那些支撑图表的基本数据。（puts a twist on a line graph by offering a “peek” into the underlying data driving the chart. ）结合了distribution chart 和line chart，distribution 作为背景。

五、让用户花 5秒钟，找到自己想要的

5.1  Dashboard should be able to answer your most frequently asked business questionsat a glance. Ad-hoc investigation will obviously take longer; but the most important metrics,the ones that are most frequently needed for the dashboard user during her workday, should immediately ‘pop’ from the screen.

答案是：这样人们才能使用——做决策、调研、预测未来，什么都行。关键是，用户不会沉浸于你所选的漂亮色彩，他们是来工作的。

我的建议是——在你排布好页面一切就绪后，问问自己“那又如何?”。看看每个图表、组件、表格，仔细考虑人们从中能获取到什么。

通常你会得出这样的结论，“这些都不重要”，这就意味着要减少或是重新思考。

这在我身上发生过好几次——我创作了复杂漂亮的仪表板，包含了一系列时尚的图表、饼形图，还有成千上万数据点构成的地图。

但总是被客户质疑“我只想知道这样有效吗……我要的东西在哪?”还有“我只要3样东西……X、Y和Z。哪里可以看到它们?”

哎，这时候你才会意识到自己迷失在杂草丛中，遗失了重点。

我会有个办法，尝试使用文字来精确表达人们所要的东西。

5.2  Method:

Understand user’s requirements , highlight it through: put it visible position, give text to directly indicate the result.

尝试使用文字来精确表达人们所要的东西。

在重要信息上，文字总结可能比图表更有效。两者都

通过文字展现用户所需的信息，并没有依赖需要解释说明的图表。

这个方法使我们的客户产生共鸣，尤其在重要信息上。但我之前提过，总要考虑各种角色，所以要用在适当的地方。就像其他所有形式的设计一样，它也需要一种平衡。

力求使你的数据与众不同，但是要避免过度设计和无谓的分心。

为数据选择正确的图形，但别忘了有层次地构建页面。

无论多么单调、令人沮丧，还要打磨每个小细节……还有别忘了问自己，“那又如何?”

数据可视化的应用都有哪些？

数据可视化是一个十分常见的技术，在数据分析、新闻媒体以及企业盘点都发挥着巨大的作用。由此可见数据可视化的应用可谓是横跨诸多学科、各行各业。但是大家是否知道数据可视化的应用都有哪些呢？下面我们就给大家简单介绍一下关于数据可视化的应用。

首先我们给大家介绍一下数据可视化在商业领域的应用，数据可视化在商业领域中的应用最常见的案例就是电商通过记录消费者个体浏览网站的兴趣爱好，结合数据挖掘、数据管理等应用技术，这就方便商家对消费者进行包括消费习性、地域环境、民族属性等方面的人口统计学特征分析，从而更好地制定营销策略，开发针对性产品。而在科学领域和社会领域，数据可视化的潜力有待进一步开发。这还有很长的路要走。

然后我们给大家介绍一下数据可视化在政治和社会领域中的应用，我们举一个例子，在美国在总统大选期间采用数据可视化新闻报道方式，有个英国的报纸分析官方公开的文件中相关数据，展开针对议员花销的调查性报道，推动了公共新闻的发展，充分发挥媒介的与论监督功能。正是因为这个报道，他获得了数据新闻奖，而全球编辑网络的数据新闻奖在业界非常有分量，这个报告以展现纽约十二年来新建建筑群、区域重新划分以及市内新建自行车道三大部分的改变为目的，揭示了在城市化进程中工薪阶层住宅、教育资源、就业机会等方面的深刻变化。

然后我们给大家介绍一下新媒体传播中数据可视化的研究应用。其实现在我们很多朋友的手机中有微博这个软件，以微博为例的新媒体作为新型实时信息分享的平台，在突发事件、群体事件的信息传播上，微博更是超越了传统媒体成为信息传播的主要渠道，产生了巨大影响。但是，各种新媒体社交平台的碎片化、强互动的传播方式以及病毒式的扩散速度，使得微博传播与传统传播方式差异越来越明显。所以利用可视化的工具，对微博数据进行可视化分析是目前理解社交媒体信息消费和微博传播模式最常用也是最实用的解决方案。基于对发布时间、转发数量、被转用户、转发度、转发路径等数据进行可视化处理，从而可以有效发现隐藏在信息传播网络中的特征与规律。但是因为这个效果，现在网上有不少的水军和假粉丝，这些水军和假粉丝的特征就是关注数和被关注数极少，但所发的微博数量却很多。水军和假粉丝对信息的传播有一定的误导作用。

我们在这篇文章中给大家介绍了很多关于数据可视化的案例，通过这篇文章中我们知道了数据可视化中的经典应用领域。由此我们可以发现数据可视化是一个十分重要的技术，在数据分析汇总中尤为重要。

数据可视化常用的五种方式及案例分析

概念借助于图形化的手段，清晰、快捷有效的传达与沟通信息。从用户的角度，数据可视化可以让用户快速抓住要点信息，让关键的数据点从人类的眼睛快速通往心灵深处。 数据可视化一般会具备以下几个特点：准确性、创新性 和 简洁性。

常用五种可视化方法

下面从最常用和实用的维度总结了如下5种数据可视化方法，让我们来一一看一下：

一、面积尺寸可视化对同一类图形（例如柱状、圆环和蜘蛛图等）的长度、高度或面积加以区别，来清晰的表达不同指标对应的指标值之间的对比。

这种方法会让浏览者对数据及其之间的对比一目了然。制作这类数据可视化图形时，要用数学公式计算，来表达准确的尺度和比例。

a: 天猫的店铺动态评分天猫店铺动态评分模块右侧的条状图按精确的比例清晰的表达了不同评分用户的占比。从下图中我们第一眼就可以强烈的感知到5分动态评分的用户占绝对的比例。

b: 联邦预算图如下图，在美国联邦预算剖面图里，用不同高度的货币流清晰的表达了资金的来源去向，及每一项所占金额的比重。

c: 公司黄页-企业能力模型蜘蛛图如下图，通过蜘蛛图的表现，公司综合实力与同行平均水平的对比便一目了然。

二、颜色可视化

通过颜色的深浅来表达指标值的强弱和大小，是数据可视化设计的常用方法，用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。a: 点击频次热力图比如下面这张眼球热力图，通过颜色的差异，我们可以直观的看到用户的关注点。

b: 2013年美国失业率统计在图中可以看到，通过对美国地图以州为单位的划分，用不同的颜色来代表不同的失业率等级范围，整个的全美失业率状况便尽收眼底了。

c: 美国手机用户城市分布图中红点是用iPhone的人，绿点是用安卓的人。这两张在微博上看到的图，第一张是美国一个城市的一览，第二张图特写了纽约的市中心，尤其是曼哈顿地区。我们可以看到在市中心和主干道的人用iPhone居多，而用安卓的人都在郊区。这也引起了人们的热议，有的说在美国富人都住郊区别墅，所以富人爱用安卓手机；有的反驳说曼哈顿地区的人几乎都用iPhone，说明富人喜欢用iPhone手机。不管结论如何，都足以说明用户都被这些图所吸引，所以可视化的方式效果真的很直观。

注：科学家统计了2年里30亿条含有地理数据的twitter推文，根据客户端总结出来的数据。

三、图形可视化在我们设计指标及数据时，使用有对应实际含义的图形来结合呈现，会使数据图表更加生动的被展现，更便于用户理解图表要表达的主题。

Examples:

a: iOS手机及平板分布如下图所示，当展示使用不同类型的手机和平板用户占比时，直接用总的苹果图形为背景来划分用户比例，让用户第一眼就可以直观的看到这些图是在描述苹果设备的，直观而清晰。

b: 人人网用户的网购调查下图可以看出，该数据可视化的设计直接采用男性和女性的图形，这样的设计让分类一目了然。再结合了颜色可视化（左面蓝色右面粉色），同时也采用了面积尺寸可视化，不同的比例用不同长度的条形。这些可视化方法的组合使用，大大加强了数据的可理解性。

四、地域空间可视化当指标数据要表达的主题跟地域有关联时，我们一般会选择用地图为大背景。

这样用户可以直观的了解整体的数据情况，同时也可以根据地理位置快速的定位到某一地区来查看详细数据。

a: 美国最好喝啤酒的产地分布下图中，通过以美国地图为大背景，清晰的记录了不同州所产啤酒在1987-2007年间在美国啤酒节中获得的奖牌累计总数。再辅以颜色可视化的方法，让用户清晰的看到美国哪些州更盛产好喝的啤酒。

五、概念可视化通过将抽象的指标数据转换成我们熟悉的容易感知的数据时，用户便更容易理解图形要表达的意义。

a: 厕所贴士下图是厕所里贴在墙上的节省纸张的环保贴士，用了概念转换的方法，让用户清晰的感受到员工们一年的用纸量之多。

如果只是描述擦手纸的量及堆积可达高度，我们还没有什么显性化概念。但当用户看到用纸的堆积高度比世界最高建筑还高、同时需砍伐500多颗树时，想必用户的节省纸张甚至禁用纸张的情怀便油然而生了。所以可见用概念转换的方法是多么的重要和有效。

b: Flickr云存储空间达1TB的可视化描述Flickr对云存储空间升至1TB确实是让人开心的事情，但相信很多人对这一数量级所代表的含义并不清晰。

所以Flickr在宣传这一新的升级产品时，采用了概念可视化的方案。从下图可以看出，用户可以动态的选择照片的大小，之后Flickr会采用动态交互的方式计算和显示出1TB能容纳多少张对应大小的图片。这样一来，用户便有了清晰的概念，知道这1TB是什么量级的容量了。

注意事项在总结了常见维度的数据可视化方法和范例之后，要再次总体强调下做数据可视化设计时的注意事项，总结了三点如下：

1）设计的方案至少适用于两个层次：一是能够整体展示大的图形轮廓，让用户能够快速的了解图表所要表达的整体概念；之后再以合适的方式对局部的详细数据加以呈现（如鼠标hover展示）。

2）做数据可视化时，上述的五个方法经常是混合用的，尤其是做一些复杂图形和多维度数据的展示时。

3）做出的可视化图表一定要易于理解，在显性化的基础上越美观越好，切忌华而不实。

总结：作为设计师，除了掌握方法来有针对性的设计之外，还要在平时多留心积累素材，同时培养自己的创造力和专业素养，保持一颗好奇心，才能真正的设计出样式精美又实用的数据可视化图表。

分享5个经典的数据可视化大屏应用案例

近几年，随着大数据产业的蓬勃发展，数据可视化大屏在各行各业中的应用越来越广泛，教育、医疗、政务、交通运输、能源等等，到处都能看到数据可视化大屏的身影。大面积、炫酷动效、丰富色彩是可视化大屏最为显著的特点，大屏易在观感上给人留下震撼印象，便于营造某些独特氛围、打造仪式感。大屏数据可视化目前主要有信息展示、数据分析及监控预警三大类。下面我们来看看5个经典的数据可视化大屏应用案例。

法院行政案件大数据分析系统包含了结案特征分析、当事人分析、实效分析和管辖改革成效。通过收案/结案的数量和增幅，分别用时间、领域、地区等维度分析案件变化趋势，从结构方式、矛盾化解情况、重点质效指标、舆情热点案件、败诉案件和败诉案件信息来分析结案特征，用信访案件变化趋势和分布情况针对机关滥用职权情况来特别分析。不同分析角度分析不同数据，实现案件大数据全方位解读。

智慧公安实战应用包括了智慧搜索、智慧建模、智慧服务、智慧监督、智慧标签、智慧小区、智慧管控以及智慧监测，实现个人档案的查询，同时关联社会关系和活动轨迹并绘制出关系网络图，通过建模显示各模型使用情况和资源访问量、访问趋势，进行在线业务分析，各类警务案件指标分析，根据标签标准生成人员画像，通过重点人员异常轨迹进行警情监测，根据热点追踪进行传播路径分析，实现公安智慧化管理。

为了展现学校的实力，分别从学校概况、师资队伍、教学资源、科学研究、学生发展、就业情况和日常运营的角度来展示。学校概况包括办学条件、师生情况、学科专业和师资力量，再通过荣誉称号、教师编制类别、教职工人数、研究生导师数、高层次人才、职称分布、最高学位分布等展示师资队伍，用教学用房面积、教学经费投入、教学科研仪器、图书资料等来表现教学资源，用著作成果、获奖成果、论文与专利等展现科学研究。

首页展示共享方式占比、共享属性占比、数据趋势、热门事项、和单位排名等，基础库包括人口库、法人库，支持搜索刷新，同时展示库的基本信息和申请动态，平台总体统计展示平台各类指标数据的访问、更新情况，数据服务动态展现区数据中心和市数据中心等的数据实时交互状况，实现数据全方位全时段把控。

用医师日均工作量、病床使用率、门诊病人次均诊疗费用、出院病人人均医药费用、急诊人次、出院人数来分析医疗服务情况，病人分布情况可通过数据联动实现对应地图刷新，从妇幼保健、计划免疫、卫生监督、案件查处分类、居民健康档案、历年建档人数、建档率、出院病人前十疾病的角度分析公共卫生，实现医疗卫生智慧化管理。

数据可视化大屏的应用远远不止以上几个方面，如果想要对数据可视化大屏做深入的了解，可以关注 华宇智能数据将于9月17日20:00在微吼的直播《酷炫大屏如何SHOW到飞起？》 ，届时华宇资深可视化领域专家将围绕以下几个方面进行讨论与交流：

1、大屏的典型应用场景及价值

2、亿信多个行业大屏效果展示

3、教你制作出拍手称赞的大屏

4、大屏制作小能手之酷屏介绍

数据可视化的16个经典案例

[数据可视化]

本文编译自：Ross Crooks

数据可视化是指将数据以视觉的形式来呈现，如图表或地图，以帮助人们了解这些数据的意义。通过观察数字、统计数据的转换以获得清晰的结论并不是一件容易的事。而人类大脑对视觉信息的处理优于对文本的处理——因此使用图表、图形和设计元素，数据可视化可以帮你更容易的解释数据模式、趋势、统计数据和数据相关性，而这些内容在其他呈现方式下可能难以被发现。

数据可视化可以是静态的或交互的。几个世纪以来，人们一直在使用静态数据可视化，如图表和地图。交互式的数据可视化则相对更为先进：人们能够使用电脑和移动设备深入到这些图表和图形的具体细节，然后用交互的方式改变他们看到的数据及数据的处理方式。

我们必须用一个合乎逻辑的、易于理解的方式来呈现数据。但是，并非所有数据可视化作品的效果都一样好。那么，如何将数据组织起来，使其既有吸引力又易于理解？让我们通过下面的16个有趣的例子获得启发，它们是既注重风格也注重内容的数据可视化经典案例。

1：为什么会有“巴士群”现象

这里有一个关于复杂数据集的很好的例子，它看起来感觉像一个游戏。在这个例子里，Setosa网站为我们呈现了“巴士群”现象是如何发生的，即当一辆巴士被延迟，就会导致多辆巴士在同一时间到站。

只用数字讲述这个故事是非常困难的，所以取而代之的是，他们把它变成一个互动游戏。当巴士沿着路线旋转时，我们可以点击并按住一个按钮来使巴士延迟。然后，我们所要做的就是观察一个短暂的延迟如何使巴士在一段时间以后聚集起来。

2：世界上的语言

这个由DensityDesign设计的互动作品令人印象深刻，它将世界上众多(或者说，我们大多数人)语言用非语言的方法表现出来，一共有2678种。

这件作品可以让你浏览使用共同语言的家庭，看看哪些语言是最常用的，并查看语言在世界各地的使用范围。这是一种了不起的视觉叙事方法：将一个有深度的主题用一种易于理解的方式进行解读。

3：按年龄段分布的美国人口百分比

应该用什么方式去呈现一种单一的数据？这是一个令人信服的好榜样。

Pew Research创造了这个GIF动画，显示人口统计数量随着时间推移的的变化。这是一个好方法，它将一个内容较多的故事压缩成了一个小的动图包。此外，这种类型的微内容很容易在社交网络上分享或在博客中嵌入，扩大了内容的传播范围。

4：NFL(国家橄榄球联盟)的完整历史

体育世界有着丰富的数据，但这些数据并不总是能有效地呈现。然而，FiveThirtyEight网站做得特别好。

在下面这个交互式可视化评级中，他们对国家橄榄球联盟史上的每一场比赛计算“等级分” – – 根据比赛结果对球队实力进行简单的衡量 。总共有超过30,000个评级，观众可以通过比较各个队伍的等级分来了解每个队伍在数十年间的比赛表现。

5：Google Flights 上的美国感恩节

下面是将一段时间内在空中移动的物体进行可视化的好方法。这是由Google Trends驱动的项目，它跟踪感恩节前出发、到达和穿越美国的航班。

可视化始于当天很早的时间，随着时间的推移，像播放电影一样显示在全国各地飞行中的航班。不需要显示时间外的任何数字，观众即可以看到当天哪段时间是国际航班、国内航班以及往返于全国各地不同枢纽的航班的热门时间。

6：是什么真正造成了全球变暖?

我们都知道，“不要只简单地展示数据，讲个故事吧”。这正是彭博商业正在做的可视化 ——用互动的方式来讲述故事的来龙去脉。。

此图的关键是要反驳用自然原因解释全球变暖的理论。首先你会看到从1880年至今观测到的温度上升情况。为了使故事内容更加丰富，当你向下滚动时，这个可视化图会让你清楚的了解到相较于已被观测到的因素，造成全球变暖的不同因素到底有多少。作者希望观众能够得到非常清晰的结论。

7：在叙利亚，谁和谁在战斗？

许多不同的团体之间的关系可能令人很难理解 – 尤其是当有11个这样的团体存在的时候。这些团体之间有的结盟，有的敌对，反之亦然。这让人难以理解。

但是，Slate网站通过表格的形式和熟悉的视觉表达，将这些数据简化为一种简单的、易于理解和可交互的形式。观众可以点击任一张脸来查看双方关系的简要描述。

8：最有价值的运动队

这是通过叠加数据来讲述深层故事的一个典型例子。

这个交互由Column Five设计，受福布斯“2014年最具价值的运动队50强”名单得到的启发。但是它不仅将列表可视化，用户还可以通过它看到每支队伍参赛的时间以及夺得总冠军的数量。这为各队的历史和成功提供了更全面的概况信息。

9：美国风图

下面是一个类似感恩节航班的可视化图，除了图中显示的时刻，它还能实时显示美国本土的风速和风向。

它是直观设计的一个很好的案例：风速用线条移动的快慢来表示，方向通过线条移动的路径来表示。它会即时显示美国风向的总体趋势，无需任何数字，除非你在地图上点击鼠标。另外，使用时设定最多两个变量会使它更容易操作。

10：政治新闻受众渠道分布图

据Pew研究中心称，当设计师在信息内容很多又不能删的时候，他们通常会把信息放到数据表中，以使其更紧凑。但是，他们在这里使用分布图来代替。

为什么呢？因为分布图可以让观众在频谱上看到每个媒体的渠道。在分布图上，每个媒体的渠道之间的距离尤为显著。如果这些点仅仅是在表中列出，那么观众就无法看到每个渠道之间的对比效果。

11：著名创意人士的日程安排

这个数据可视化图是用奇特的想法描绘出的一个简单概念。这个表格利用Mason Currey的《日常惯例》一书中的信息展示了那些著名创意人士的日程安排，解读其时间和活动安排。这不仅是一个数据分析的例子(因为你可以通过单独的活动来浏览日程安排)，也是一个品牌宣传的佳作。

12：今年发生了哪些新闻?

最好的数据可视化方式，就是用直观和美丽的方式传达信息。Echelon Insights致力于这一方式，将2014年Twitter上最受关注的新闻进行了可视化。

1亿8450万条推文是什么样子？就是如下图所示的艺术品。

13：问题的深度

当你想强调规模的时候，静态数据可视化是表达你的观点的极佳方式。下面这张来自《华盛顿邮报》的信息图长得令人难以置信…这是故意的。他们在图中展示了一架飞机可以探测到的深海信号是多么的深，通过比较飞机的探测深度与高层建筑、已知哺乳动物的最大深度、泰坦尼克号沉船的深度等。这是简单的视觉效果和颜色梯度的极佳使用方式。

最后，将数据添加到新闻报道中(文中为失踪的马航)是提供背景的好方式。

14：前沿预算

上述图表相对简单，以下是创造设计精致的、传递大量数据的图表的方法。秘诀何在？——用简单和干净的格式，便于读者理解数据。

这个由GOOD Magazine 和 Column Five制作的图表，解读了NASA的五年预算，显示资金将怎么花、花在哪里。此外，它还有一个主题设计，这真是一个全面成功的作品！

15： Kontakladen慈善年报

不是所有的数据可视化都需要用动画的形式来表达。当现实世界的数据通过现实生活中的例子进行可视化，结果会令人惊叹。设计师Marion Luttenberger把包含在Kontakladen慈善年报中的数据以一种独特的方法表现出来。

该组织为奥地利的吸毒者提供支持，所以Luttenberger就通过现实生活中的视觉元素来宣传他们的使命。例如，这辆购物车的形象表现出受助者每一天可以负担得起多少生活必需品。

16：奥地利太阳能年报

虽然有许多方法都能使数据可视化，但是其中，使用真实信息主体去创建数据可视化作品的做法非常了不起。这份来自Austria Solar的年度报告，通过在页面上使用太阳光感墨水，用真正的太阳能给公司数据赋予生命。

一句话总结：他们是天才。

大学生数据可视化优秀案例的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于大学生数据可视化优秀案例范文、大学生数据可视化优秀案例的信息别忘了在本站进行查找喔。