数据可视化的3D问题

三维对象非常流行,但在大多数情况下会对解释图形的准确性和速度产生负面影响。 以下是对涉及 3d 的主要图形类型的回顾,并讨论了它们是否被认为是不好的做法。

1、3D 条形图:不要

这是一个 3d 条形图。 你可能很熟悉这种图形,因为它是用 Excel 创建的,因此被广泛使用。 与经典的分组条形图相比,这种表示有几个缺点:

  • 找到条形的确切百分比更加困难
  • 按照构造,对于等效值,后面的绿色条看起来比前面的蓝色条小
  • 后面的绿色条被隐藏了

解决方法:使用正常的2D条形图即可。

2、3D 饼图:不要

除了 3D 饼图之外,没有什么比 dataviz 中的饼图更糟糕了。

添加 3D 会使情况变得更糟,因为它扭曲了现实。 确实,后面的部分看起来比前面的部分要小,但事实并非如此。

解决方法:不要制作3D饼图。

3、静态 3D 散点图:不要

3d 散点图是 3d 在数据可视化中的另一个常见用途。 这种图表采用 3 个数值变量作为输入,并在 X、Y 和 Z 轴上表示它们。

3D 散点图的准确性受到广泛讨论。 例如,尝试确定特定点的 X、Y 和 Z 坐标。 你会意识到这是不可能的,因为人眼读取 3D 的能力很差。 因此,该图形缺乏准确性。

解决方法:改用气泡图或带有颜色渐变的散点图。

4、交互式 3D 散点图:也许

在我看来,只有当你可以与图表交互时,3D 散点图才有意义。 在下面,你可以使用鼠标更改绘图的方向并对其进行缩放。 它给人一种真实的 3D 感觉,这是其他方式所不存在的。 获得点的准确坐标仍然很困难,但可以有效地探索群体结构。

5、表面图:为什么不呢

如果网格坐标的每个位置都有一个数值变量,则可以使用曲面图来表示数据。 这种表示方式尤其有意义,尤其是当数值表示海拔高度时。 在这种情况下,我们实际上正在构建一个 3D 元素,它是一个真正的 3D 对象,我认为这是有意义的。

相关推荐
灰山君5 天前
企业三维可视化怎么选?山海鲸可视化与老子云3D优势对比
大数据·经验分享·数字孪生·可视化·数据可视化·实时大数据
IT研究室5 天前
最新大数据毕业设计选题推荐-基于大数据的信用等级数据分析与可视化-大数据-Spark-Hadoop-Bigdata
大数据·信息可视化·数据分析·spark·课程设计
Zldaisy3d5 天前
中南大学 | 热稳定纳米析出相助力增材制造Al-Fe-Cr-Sc-Zr合金400℃长期热暴露后室温强度保持
3d·制造
陆康永5 天前
3d swipe 拖动 -改为linear css
3d·swiper
智碳能碳管理平台5 天前
智碳能碳管理平台 | 中小工厂轻量化能碳数字化落地架构
数字孪生·能碳管理系统·智碳能碳管理平台·企业能碳管理系统·绿色工厂申报saas·能效对标·能耗查询
Zldaisy3d5 天前
增材制造陶瓷的强化策略:机制与工艺-结构-性能关系的多尺度综述
3d·制造
jonyleek5 天前
JVS-IOT 数字孪生实战指南:作为容错缓冲层的工程实现与规则安全调用
边缘计算·数字孪生·规则引擎·工业物联网·容错设计·物模型·jvs-iot
在下胡三汉5 天前
用 glTF/glb 加载自定义 3D 模型
3d·gltf
IT研究室6 天前
最新大数据毕业设计选题推荐-基于大数据的物流快递数据分析与可视化-大数据-Spark-Hadoop-Bigdata
大数据·信息可视化·数据分析·spark·课程设计
IT研究室6 天前
最新大数据毕业设计选题推荐-基于大数据的鲜羊肉价格分析与可视化-大数据-Spark-Hadoop-Bigdata
大数据·信息可视化·数据分析·spark·课程设计