HKUST 25 Fall COMP 6411D Data Visualization 课堂笔记
可视化的可视化
当我第一眼看到 slide 中“chart taxonomies” ，我有两个反应：
- 图表数量也太多了
- 这个分类方式并不是很直观，Comparsion / Relationship / Distribution / Composition 这些术语都是一些很高层的抽象概念，并且分类本身比较繁琐，比如 Qlik 的分类是一个不规则的树结构，层层分类。并且分类方式并不唯一，比如可以看到 Bar Chart 在 Qlik 中出现多次
是否能够找到一个更加直观、客观、唯一的分类方式？
25-象限分类图
我对图形的分类通过三个性质判断
- 数据是“自变量”还是“因变量”
- 数据是可量化的 (value) 还是不可量化的 (label)
- 自变量/因变量的数量
比如 Single Line plot 就是 “单个自变量 value 到单个因变量 value” 的一种图像
可视化必然包括表达者和观众主观性
所谓“自变量”“因变量”并非出自数学函数的定义，而是出自观众的角度定义，大致来说“自变量”是观测前已知的，是观众的出发点，是切入数据的角度；而“因变量”是观测前未知的，是观众想要知道的，是观测的结果。一种简单的判断方式是自变量可以展示在图像的标题中，“1-12 月英伟达股价变化”，只看标题已经大概知道我们的自变量可能是月份，包含一月、二月、...，而具体股价是多少需要查看图表才能知道
当然以上定义也是一种主观定义方式，即使是同一张图，观众也可能有多种观测的角度，比如如下的 Dot Chart，可能存在多个解释角度：
- 我可以将 x-y axis 当作两个自变量，即二维空间作为观测角度，去观测不同颜色/形状的 label 在二维空间的分布，此时是 “两个自变量 value 到两个因变量 label” 的图像；
- 同样也可以将 label 看作自变量，观察数据在二维空间的未知信息，此时是 “两个自变量 label 到两个因变量 value” 的图像
- 分布这个概念是一个高级的抽象概念，我还可以说以二维空间作为观测角度，去观测不同颜色/形状的 label 在二维空间的“数量”（尽管当点的数量很多时很难直观从 dot 图上得到具体的数值，只能直观感知个大概）, 此时是“两个自变量 value 到三个因变量，两个 label 一个 value” 的一种图像
并且不仅和观众相关因人而异，和数据的具体数值也相关。当然如果存在切入角度较多的问题，也说明此时表达着应该尽可能调整作图方式确保呈现信息唯一确定。
数据是可量化/不可量化的同样存在这个问题，比如连续、密集的时间，毫无疑问是 value；是男性还是女性，毫无疑问是 label；那月份呢，似乎可以作为 label 写成一月、二月、...，也可以认作是以一个月为粒度的时间 value，随着可量化的数值离散化稀疏化，value 和 label 的界限会愈加模糊。
表达者/观众的主观性必然导致无法完全客观分类，但本文尽量朝着这个方向呈现。
分类结果
我根据前文提到的三个性质，将图表分为 5x 5=25 个种类，并将部分在课程中介绍过的表格放入对应象限中：
大致来说，此图左下角 “Single 自变量-Single 因变量” 是最直观、信息量最少的图表，左上、右下是信息量较多的图表，而右上是信息量最多的图表，这个分类方法具有局限性，难以归类表征数据结构的“图/网络结构”数据表格。其中 Box 图表因变量包含 value 和 label，其中 label 指的是“是否是 Outliner"
BTW，“25-象限分类图” 在 “25-象限分类图”中的位置属于 “单 label (图的种类）-多 label（自变量-因变量） ”
自动数据可视化
给这种分类方法设想了一个假想应用场景，在科研实验/写文章绘制图表时，我总要画一些时间思考到底使用什么图表，特别是对于有复杂变量的系统在做大量实验时，我需要花相当一部分时间思考从哪个角度观测系统找到相关性，然后再画一些时间思考用什么图表展示，最后告诉 Chat GPT 让他完成对应的 matplotlib 代码，如果不直观，可能还要多想几种呈现方式。
这种分类方法解耦了数据结构和图表之间的依赖关系，也许可以实现一个 Chart Compiler，输入数据并指定数据的分类，其就能自动识别找到有几种图表符合，自动返回几种不同的图表给用户评估。这或许能够节省做实验的时间
老师推荐了来自 UW Interactive Lab [1] 的工作 voyage[2] 和 dacro[3] 工作，该方向叫做 automated visualization design。其中将数据和图像解耦只是第一步，确认数据可以允许由什么 chart 呈现 (hard constraints)，而 hard constraints 所允许的 design space 中仍存在大量的选项，第二步则是通过某种需要某种“评分机制”量化排序找到最佳的图表。这面临着两个问题：
- Design space 非常大
- 可视化判断标准相当主观，难以判断
靠用户收集的数据仅仅只是占 design space 中一小部分，所以“评分机制”需要某种泛化性。 voyager 的思想主要是用预先设定规则启发式搜索，而 draco 的方法采用了 learning based 方法尝试学习泛化判断标准。
https://idl.uw.edu/about ↩︎
https://idl.uw.edu/papers/voyager ↩︎
https://idl.uw.edu/draco/ ↩︎