一张漂亮的配图能让论文增色不少，但现在的图表类型越来越丰富，学者们很难选择合适的绘图类型进行可视化。

随着大数据和云计算的发展，我们很容易就能获取大量的数据，但是将这些数据美观地展示出来不是一件容易的事情。

本文帮助大家选取可视化的类型，并提供丰富的源码。

科研数据可视化的技巧和要点有很多，其中包括：选择合适的图表类型、设计易于理解的图表、使用颜色和字体来强调重点、避免使用过于复杂的图表。

今天来讲讲如何选择合适的图表和设计易于理解的图表

常用的可视化工具，如Matplotlib、Seaborn、ggplot、Basemap、Matlab、Origin、cartopy、和ProPlot等

建议掌握一种工具绘图（Origin、Excel等）、一种图层语言（ggplot，seaborn）、一种地理绘图（cartopy、proPlot）即可

拿到数据，首先选择合适的图表。首先是按用途选择：

一个非常经典的 Chart Suggestions---A Thought-Starter by Andrew Abela

（所有的PDF资源整合到了文末领取）

这个 Chart Suggestions 从四个维度提供了可供选择的类型，而主要是根据你想展示的内容进行的

更细致的图表如图（文末领取）：

这张表（文末领取）按照更多的维度进行了更细致地分类，根据你的展示目的选择合适的可视化方式

从可视化宇宙中查看排名 

Adioma 和 Google News Lab提供了一个可视化宇宙，清楚地展示了人们选择图表的倾向、工具和参考书：

http://visualizationuniverse.com/

可以根据受欢迎程度来选择你的图表：

包括很多可视化的学习资料：

根据数据选择图表 

有时候可视化不取决于我们的目的，而取决于我们有什么样的数据，这时候数据类型就很重要。

可以参考下面这张表：

有时根据目的选择最合适和最方便的图表很复杂。上图可以从数据驱动的角度帮助您找出应该使用哪种类型的图表。您所需要的只是获得有关您的数据的信息。

之后，通过回答给定的问题。这些问题将作为一个框架，提供有关合适图表的建议，帮助制作和选择一个引人入胜的图表。

我们信息图的分支是分层构建的，从顶部开始。首先，回答你是否有一个或多个变量。如果你只有一个变量向左移动。然后，决定这个变量是否有序。因此，如果只有一个变量，可以从以下类型中选择图表：

折线图、面积图、箱型图、直方图、密度图

现在，让我们看看右侧。起点保持不变——定义变量的特征。如果特征不相似，那么我们向左移动并定义变量是否为有序数据。如果不是，我们应该使用散点图；如果是——从面积图或连接的散点图中选择。

另一个参考工具是DataVizProject

https://datavizproject.com/#

优点是每种图含有数据格式，可以根据您的数据选择合适的图表：

如下图的Stacked Bar Chart至少需要一个2维的数据

此外还可以在Examples中找到相关的例子和可能的源代码。

还可以根据输入数据的类型找到适合的图表：

寻找可视化的代码 

使用交互式的From Data to Viz

https://www.data-to-viz.com/

点击Explore选择合适的分类和图表：

2.点击心仪的图表，再点击你熟悉的编程语言获得代码： 

3.选择一个你认为美观的图表，点进去

4.复制代码，然后替换数据为你自己的数据：

将所有上述提到的资源（和更多我总结的绘图资源整合如下）

Chart Suggestions---A Thought-Starter by Andrew Abela --- 经典之作（最新版）

Jon Schwabish 和 Severino Ribecca 的Graphic Continuum --- 五个类别的主要来源

Financial Times Visual Journalism 的Visual Vocabulary

--- 带有大量进一步链接的图表选择助手

互动版

静态版本

From Data to Viz

by Yan Holtz --- 交互式，包含每种图表类型的信息和代码

R代码合集

Python代码合集

D3js代码合集

ferdio 的DataVizProject --- 与大量示例交互

Adioma 和 Google News Lab 的可视化宇宙

如何选择正确的图表类型 --- 一个非常细致地图表决策树

国家地理：将数据可视化从视觉效果提升到效率

William S. Cleveland 和 Robert McGill：图形感知：图形方法开发的理论、实验和应用

Hadley Wickham：图形的分层语法 （Hadley大神力作）

Tracey L. Weissgerber 等人：Beyond Bar and Line Graphs: Time for a New Data Presentation Paradigm

Numeroteca：大众媒体中数据可视化的使用和滥用 （一些可视化理论）

Andy Cotgreave：数据可视化批评的必然性

Alberto Cairo：“我们的读者”不会理解这么复杂的事情！

Alberto Cairo：可视化的扩展词汇