HKUST 25 Fall COMP 6411D Data Visualization 課堂筆記

可視化的可視化

當我第一眼看到 slide 中“chart taxonomies” ，我有兩個反應：

• 圖表數量也太多了
• 這個分類方式并不是很直觀，Comparsion / Relationship / Distribution / Composition 這些術語都是一些很高層的抽象概念，并且分類本身比較繁瑣，比如 Qlik 的分類是一個不規則的樹結構，層層分類。并且分類方式并不唯一，比如可以看到 Bar Chart 在 Qlik 中出現多次

是否能夠找到一個更加直觀、客觀、唯一的分類方式？

25-象限分類圖

我對圖形的分類通過三個性質判斷

• 數據是“自變量”還是“因變量”
• 數據是可量化的 (value) 還是不可量化的 (label)
• 自變量/因變量的數量

比如 Single Line plot 就是 “單個自變量 value 到單個因變量 value” 的一種圖像

可視化必然包括表達者和觀眾主觀性

所謂“自變量”“因變量”并非出自數學函數的定義，而是出自觀眾的角度定義，大致來說“自變量”是觀測前已知的，是觀眾的出發點，是切入數據的角度；而“因變量”是觀測前未知的，是觀眾想要知道的，是觀測的結果。一種簡單的判斷方式是自變量可以展示在圖像的標題中，“1-12 月英偉達股價變化”，只看標題已經大概知道我們的自變量可能是月份，包含一月、二月、...，而具體股價是多少需要查看圖表才能知道

當然以上定義也是一種主觀定義方式，即使是同一張圖，觀眾也可能有多種觀測的角度，比如如下的 Dot Chart，可能存在多個解釋角度：

• 我可以將 x-y axis 當作兩個自變量，即二維空間作為觀測角度，去觀測不同顏色/形狀的 label 在二維空間的分布，此時是 “兩個自變量 value 到兩個因變量 label” 的圖像；
• 同樣也可以將 label 看作自變量，觀察數據在二維空間的未知信息，此時是 “兩個自變量 label 到兩個因變量 value” 的圖像
• 分布這個概念是一個高級的抽象概念，我還可以說以二維空間作為觀測角度，去觀測不同顏色/形狀的 label 在二維空間的“數量”（盡管當點的數量很多時很難直觀從 dot 圖上得到具體的數值，只能直觀感知個大概）, 此時是“兩個自變量 value 到三個因變量，兩個 label 一個 value” 的一種圖像

并且不僅和觀眾相關因人而異，和數據的具體數值也相關。當然如果存在切入角度較多的問題，也說明此時表達著應該盡可能調整作圖方式確保呈現信息唯一確定。

數據是可量化/不可量化的同樣存在這個問題，比如連續、密集的時間，毫無疑問是 value；是男性還是女性，毫無疑問是 label；那月份呢，似乎可以作為 label 寫成一月、二月、...，也可以認作是以一個月為粒度的時間 value，隨著可量化的數值離散化稀疏化，value 和 label 的界限會愈加模糊。

表達者/觀眾的主觀性必然導致無法完全客觀分類，但本文盡量朝著這個方向呈現。

分類結果

我根據前文提到的三個性質，將圖表分為 5x 5=25 個種類，并將部分在課程中介紹過的表格放入對應象限中：

大致來說，此圖左下角 “Single 自變量-Single 因變量” 是最直觀、信息量最少的圖表，左上、右下是信息量較多的圖表，而右上是信息量最多的圖表。其中 Box 圖表因變量包含 value 和 label，其中 label 指的是“是否是 Outliner"。此類分類方法具有局限性，僅適用于表格類數據，而并不適用樹或者圖結構。

BTW，“25-象限分類圖” 在 “25-象限分類圖”中的位置屬于 “單 label (圖的種類）-多 label（自變量-因變量） ”

自動數據可視化

給這種分類方法設想了一個假想應用場景，在科研實驗/寫文章繪制圖表時，我總要畫一些時間思考到底使用什么圖表，特別是對于有復雜變量的系統在做大量實驗時，我需要花相當一部分時間思考從哪個角度觀測系統找到相關性，然后再畫一些時間思考用什么圖表展示，最后告訴 Chat GPT 讓他完成對應的 matplotlib 代碼，如果不直觀，可能還要多想幾種呈現方式。

這種分類方法解耦了數據結構和圖表之間的依賴關系，也許可以實現一個 Chart Compiler，輸入數據并指定數據的分類，其就能自動識別找到有幾種圖表符合，自動返回幾種不同的圖表給用戶評估。這或許能夠節省做實驗的時間

老師推薦了來自 UW Interactive Lab ^[1] 的工作 voyage^[2] 和 dacro^[3] 工作，該方向叫做 automated visualization design。其中將數據和圖像解耦只是第一步，確認數據可以允許由什么 chart 呈現 (hard constraints)，而 hard constraints 所允許的 design space 中仍存在大量的選項，第二步則是通過某種需要某種“評分機制”量化排序找到最佳的圖表。這面臨著兩個問題：

1. Design space 非常大
2. 可視化判斷標準相當主觀，難以判斷

靠用戶收集的數據僅僅只是占 design space 中一小部分，所以“評分機制”需要某種泛化性。 voyager 的思想主要是用預先設定規則啟發式搜索，而 draco 的方法采用了 learning based 方法嘗試學習泛化判斷標準。