Python大数据可视化方法与实践课件 第1章 大数据可视化基础

第一章大数据可视化基础从古老的日晷到现代的大数据分析，数据始终是连接过去与未来的桥梁。让我们一起探索数据的本质、演变与价值。1.1数据是什么大数据的定义大数据是指具有数量巨大、类型多样、处理时效短、数据源可靠性保证度低等综合属性的海量数据集合。这类数据无法在一定时间内用常规软件工具进行捕捉、管理和处理。它们是海量、高增长率和多样化的信息资产，在新处理模式中具有更强的决策力、洞察力和流程优化能力。1.1.1数据与大数据在人类历史的长河中，数据一直扮演着至关重要的角色。自上古时代起，人们就开始观察天象运动规律。到商朝晚期，人们采用干支纪元来度量时间。日晷仪等工具被用来计算时间，这些早期的数据实践为古人提供了宝贵的时间信息，帮助他们进行各种日常活动。然而，随着科技的进步和社会的发展，数据的概念和应用已经发生了翻天覆地的变化，特别是在当今数字化时代，"大数据"已成为最炙手可热的话题之一。时代变迁从传统数据到数字化浪潮进入21世纪，以大数据、物联网、人工智能、5G为核心技术的数字化浪潮席卷全球。车联网、工业物联网、生物识别技术等应用带来了前所未有的海量数据。文本数据文字、日志、报告等结构化与非结构化文本图片数据照片、扫描件、医学影像等视觉信息视频音频监控、语音、流媒体等多媒体内容这一时期的"数据"已不再局限于传统统计数字，而是包含来自各个领域的多种形式的非结构化或半结构化数据，需要分布式存储、云计算、数据挖掘、机器学习等新技术来处理和分析。大数据的5V特征Volume·大规模数据量极其庞大，远超常规软件工具的处理范围Velocity·高速度数据产生和处理速度极快，强调实时或近实时处理Variety·多样性包含文本、图片、视频、音频等多种数据格式Veracity·真实性数据来源广泛，需要严格的清洗和验证流程Value·价值通过深度挖掘发现潜在模式、趋势和关联对比分析大数据vs普通数据维度普通数据大数据规模规模较小，传统工具可轻松管理极其庞大，需分布式存储和高性能计算速度静态或更新频率较低实时/近实时数据流处理，增长速度极快多样性结构化程度高，易于分类处理多种格式，非结构化/半结构化信息多真实性质量和准确性通常较高噪声多，对数据清洗验证要求更高价值价值较为直观需深度挖掘发现潜在模式与趋势数据的温度数据不是冰冷的数字数据不是冰冷的数字，而是现实生活的一种映射，其中隐藏着许多故事。如果没有明确的目标和概念指导，数据将变得枯燥乏味。然而，通过统计学原理和可视化技巧，我们可以赋予数据情感和故事，与用户产生共鸣。分析和洞察是数据可视化展现的一个目的，富有情感地讲述数据、与用户产生共鸣也是很好的选择。经典案例WeFeelFine：用数据讲故事图1-2乔纳森·哈里斯和赛普·卡姆瓦尔的作品WeFeelFine乔纳森·哈里斯和塞普·卡姆瓦尔的作品WeFeelFine用Processing语言编写，从公开的个人博客中抓取词句，以悬浮气泡的形式展现。每个气泡代表某种情绪，用相应颜色标记颜色越深代表心情越不好气泡像无数个体在空间中漂浮，逐渐聚集可通过分类菜单发现看似随机片段之间的联系整个作品既富有诗意又给人以启迪，展示了数据可视化的情感力量。数据的相关性力量在无法确定因果关系时，数据为我们提供了解决问题的新方法。数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性在某种程度上可以替代原来的因果关系，帮助我们得到想要的答案。大数据不仅仅是大量数据的集合，它代表了一种全新的思维方式和技术框架，用于应对快速变化的世界所带来的挑战。核心观点无论是古老的历法还是现代的大数据分析，数据始终是连接过去与未来的桥梁，帮助我们更好地理解这个世界。数据·信息·知识从原始数据到有用信息，再到系统知识——理解三者的关系是掌握大数据的基础。1.1.2数据、信息与知识什么是数据？数据是观察和记录客观事物所得到的事实或结果，是对客观现象的逻辑归纳，作为未经加工的原始素材，用于表示和描述客观事物。连续型数据表示模拟数据，例如声音和图像离散型数据表示数字数据，例如符号和文字在现今的生活中，人们每天都会接触到大量的数据，以及由数据构成的文字、符号、声音、图像等信息。计算机中的数据存储在计算机系统中，数据以二进制形式表示。存储数据的最小单位是比特（bit），存储容量的基本计量单位是字节（Byte，B）。8个二进制位（bit）=1个字节（Byte）011B=8bit021KB=1024B031MB=1024KB041GB=1024MB051TB=1024GB什么是信息？信息（Information）是隐藏在数据背后的规律，需要人为挖掘和探索。信息是对事物的描述，它比数据更加抽象。数据与信息的区别数据=信息+冗余。冗余包含多余部分和人为增加的备份部分。数据是采集得到的，信息是从数据中获取的有用数据。数据与信息的联系数据和信息相互依存。数据经过加工处理后成为信息；信息经过数字化处理，转变成数据后才能存储和传输。什么是知识？对数据和信息进行处理后将会得到知识（Knowledge），知识是比数据和信息更加高级的抽象概念，具有系统性、规律性和可预测性。数据观测、记录行星出现的位置和时间信息对数据进行分析挖掘，计算得到行星运动的规律知识对信息进行总结提炼，得到开普勒三定律知识使人们更加清晰地了解世界和生活，同时人们通过知识不断改变周围的世界——而这一切的基础就是数据。从数据到信息再到知识数据原始观测与记录知识系统理解并具备预测能力信息通过分析提取模式与规则从数据到信息再到知识，清晰界定各概念的范围，有利于后续对大数据的学习。从数据到信息，可能会得到不同的信息；而从信息到知识，则直接影响了后续数据的应用场景和使用价值。价值篇大数据的时代价值在当今数字化社会，数据已成为推动经济发展、社会治理和科学研究的重要资源。大数据分析的新范式核心理念大数据分析强调在海量、高维、动态的数据环境中，通过先进技术高效挖掘信息，提炼出有价值的洞见。在当今数字化社会，数据的价值不再局限于传统统计。大数据概念的兴起，不仅反映了数据规模的扩展，更体现了一种新的思维方式和分析范式，为更科学的决策和创新实践提供支撑。大数据面临的核心挑战1存储与管理规模庞大不仅带来存储容量挑战，还涉及如何高效管理和检索海量数据2实时分析数据产生速度迅速加快，实时分析在金融交易、网络安全等关键领域愈发重要3数据质量数据源极其多样，确保数据质量对准确判断至关重要，数据清洗和验证不可或缺大数据的核心目标从大数据中挖掘出有价值的信息，帮助企业制定战略决策、提高运营效率或发现新的商业机会，才是利用大数据的核心目标。海量数据先进分析宝贵洞察竞争优势通过采用先进的分析技术，企业和组织能够将海量数据转化为宝贵的洞察，从而在竞争激烈的市场中占据优势。总结与回顾1大数据定义具有大规模、高速度、多样性、真实性和价值五大特征的海量数据集合2历史演变从古代日晷到21世纪数字化浪潮，数据的概念和应用发生了翻天覆地的变化3数据·信息·知识数据经加工成为信息，信息经提炼成为知识，三者层层递进、相互依存4核心价值大数据代表全新的思维方式，通过先进技术将海量数据转化为决策支撑与竞争优势无论是古老的历法还是现代的大数据分析，数据始终是连接过去与未来的桥梁。第一章1.2大数据与可视化数据会说话——从案例到流程，探索大数据可视化的核心价值与实践方法数据会说话大数据可视化涵盖了各种应用情景，要制作精美、优质的数据可视化图，除了需要具备出色的分析能力之外，还需要具备设计图形和讲述故事的能力。接下来，我们通过三个经典案例来感受大数据可视化的魅力与价值。案例1-1百度搜索指数百度是我国最大的搜索引擎之一，其搜索指数是衡量特定关键词在一段时间内受关注程度和搜索量的指标。百度搜索指数不仅可以反映人们对某个关键词的兴趣度，还可以在一定程度上反映社会热点、事件趋势和用户关注的话题。它可以根据时间和地域进行搜索量的分析和比较，提供图表和数据展示，帮助用户更好地理解和分析搜索趋势。百度搜索指数·核心功能搜索指数的三大应用搜索趋势分析了解关键词搜索量的增长或下降趋势、高峰期和低谷期，对市场研究、舆情分析和产品策划具有重要意义。比较分析比较不同关键词的搜索量，以及不同地区、不同时间段内的搜索趋势，助力竞争对手分析和广告投放决策。预测趋势观察关键词搜索量变化，推测未来趋势和热点话题，对舆情预警、新闻追踪和市场预测有参考价值。这些分析与预测充分体现了大数据分析在舆情监测、市场研究和产品策划中的价值。案例1-1·实例"志愿填报"搜索指数如图1-4所示，可以明显发现在高考结束后，会有大量用户搜索"志愿填报"，这正是百度搜索指数反映社会热点和事件趋势的典型体现。图1-4"志愿填报"的百度搜索指数案例1-2百度迁徙平台百度迁徙平台是基于百度地图位置服务数据构建的大数据可视化应用。该平台通过动态地图、流向图和折线图等可视化形式，将抽象的迁徙数据转化为直观的信息呈现。平台实时统计全国各城市的"热门迁入地"和"热门迁出地"，并以橙色光圈的大小直观反映人口迁徙的规模和热点分布，同时提供迁徙趋势分析功能，帮助用户观察不同时期人口迁徙的变化规律。案例1-2·深度解读从数据展示到信息叙事核心洞察大数据可视化不仅是对数据的简单展示，更是一种有效的信息组织和表达方式。通过将海量数据库中的分散数据整合为清晰的图表和趋势线，大数据可视化帮助用户在浏览过程中自然而然地理解数据背后的社会规律，形成情境化的认知。这种叙事化的可视化表达，使数据不再是冰冷的数字，而成为展现城市活力、节日特征和社会运行态势的生动载体。案例1-3"自拍之城"项目"自拍之城"（Selfiecity）项目以全球视野对自拍现象进行了系统性研究。该项目收集并分析了来自世界各地的12万张自拍照片，通过可视化技术揭示了不同城市自拍者在年龄分布、面部表情等方面的显著差异。头部倾斜角度不同城市自拍者的头部倾斜角度分布与拍照姿势特征微笑频率统计基于年龄和性别的微笑频率统计与文化差异分析全球文化共性从微观层面揭示全球自拍文化的共性与差异案例1-3·数据展示不同城市自拍者的微笑评分随着社交媒体的日益普及，该项目为用户理解全球文化现象提供了新的视角。平台特别设计了交互式可视化界面，用户可以通过筛选器等交互功能，亲身体验大数据分析在文化研究中的独特价值。图1-6不同城市自拍者的微笑评分均值统计案例1-3·启示突破个人经验的局限交互式设计通过筛选器等交互功能，将复杂分析结果转化为直观图形，让用户亲身体验大数据的分析价值。宏观与微观突破个人经验局限，揭示宏观文化趋势在微观个体行为中的具体表现，彰显大数据可视化在文化研究中的独特力量。大数据可视化的核心价值通过上述3个案例，我们可以总结出大数据可视化的三大核心价值：抽象数据具象化通过图形化手段呈现复杂数据离散数据结构化对散乱信息进行系统组织原始数据故事化用视觉语言讲述数据背后的内涵优秀的可视化设计不仅要准确展示数据特征，更要通过合理的视觉叙事引导用户理解数据内涵，实现认知共鸣。1.2.2可视化流程可视化流程大数据可视化的流程以数据流向为主线，核心流程主要包括数据采集、数据处理、可视化映射和用户感知4个步骤。整个可视化过程可以看成数据流经过一系列处理步骤得到转换的过程。用户可以通过可视化的交互功能互动，同时数据分析人员可以通过用户的反馈优化可视化的效果。步骤一数据采集可视化的对象是数据，而采集的数据涉及数据格式、维度、分辨率和精确度等重要特性，这些特性决定了可视化的效果。在可视化过程中，务必了解数据的来源、采集方法和属性，以便准确地反映待解决的问题。步骤二数据处理原始数据中可能含有噪声和误差，还可能会有部分信息被隐藏。可视化之前需要将原始数据转换成用户可以理解的模式并显示出来。数据处理是数据可视化的前期准备工作，包括：数据去噪数据清洗提取特征步骤三可视化映射可视化映射是整个数据可视化流程的核心，其主要目的是让用户通过可视化结果理解数据信息以及数据背后隐含的规律。标记与位置将数据数值和空间坐标映射为视觉元素形状与大小用不同形状和尺寸表达数据间的差异颜色编码通过色彩变化传递数据关联信息可视化映射需要与数据、感知、人机交互等方面相互依托，共同实现可视化目标。步骤四用户感知可视化映射后的结果只有通过用户感知才能转换为知识和灵感。用户从数据的可视化结果中进行信息融合、提炼，总结知识并获得灵感。数据可视化使用户能够从数据中探索新信息，验证自己的想法是否与数据所展示的信息相符，同时也可以利用可视化结果向他人展示数据所包含的信息。交互功能在可视化辅助分析、决策方面发挥了重要作用。当前，有很多科学可视化和信息可视化工作者仍在不断优化可视化工作流程。可视化四步流程总览用户感知可视化映射数据处理数据采集整个可视化过程是数据流经过一系列处理步骤得到转换的过程，用户可通过交互功能参与其中，数据分析人员则根据反馈持续优化效果。经典模型哈伯与麦克纳布的可视化流程图图1-7所示为哈伯和麦克纳布提出的可视化流程图，该图描述了从数据空间到可视空间的映射，包含数据分析、数据过滤、数据可视化映射和渲染绘制等各个阶段。这个流水线常用于科学计算可视化系统。图1-7可视化流程图本节知识回顾1数据会说话百度搜索指数、百度迁徙平台、"自拍之城"三大案例展示可视化的多元应用2核心价值抽象数据具象化、离散数据结构化、原始数据故事化3可视化流程数据采集→数据处理→可视化映射→用户感知的四步核心流程4经典模型哈伯与麦克纳布的流水线模型：从数据空间到可视空间的系统映射第一章数据绘图1.2.3数据绘图数据绘图用于实现原始数据信息的可视化呈现。实际选择图表时应先从总体上观察数据，然后将数据细化到具体的类型和其他特性。数据绘图常用图表类型一览数据绘图·01柱形图柱形图采用长方形和颜色编码体现数据属性，利用直柱的高度反映数据差异。适用于只有一个维度需要呈现差异的中小规模二维数据集。柱形图的每根直柱内部也可以用像素方式编码，这种柱形图称为堆叠柱形图。堆叠柱形图可同时展示各部分的构成与总量。数据绘图·01柱形图与堆叠柱形图示例柱形图示例图1-8历次人口普查数堆叠柱形图示例图1-92019—2023年三次产业增加值占GDP比重数据绘图·02条形图条形图可以看作将柱形图向右旋转90°得到的图形。当属性数目较多时（如大于12个），柱形图会显得过于拥挤，此时更适合采用条形图。条形图的条目数一般要求不超过30个，否则容易带来视觉和记忆上的负担。图1-10条形图示例（历次人口普查数）数据绘图·03折线图折线图适用于二维大数据集，尤其是那些趋势比单个数据点更重要的场合。通过观察折线图，用户能够清晰地了解数据的变化及规律。图1-112018年1月至2019年8月重点城市商品住宅成交面积走势数据绘图·04直方图直方图是一种呈现数据分布情况的二维统计图表，以长条图形式表现。直方图实际上是一种特殊的柱形图，但用于描述定量变量。与柱形图的区别柱形图中每个矩形对应一个定性变量的取值；直方图中每个矩形对应定量变量的区间（集合）。面积特性由于各区间等宽，不仅高度，各区间的面积也与频数或频率成比例。图1-122020年人口普查年龄比例直方图数据绘图·05饼图饼图以圆形为基础，通过将圆形分割成若干扇形来展示各类别之间的相对比例关系。每个扇区的弧长、圆心角和面积都与其所表示的数量成正比。许多统计学家并不推荐使用饼图，因为它不便于比较不同扇区的大小。但当我们关注某个大扇区在整体中的占比时，饼图尤为有用。图1-132023年三次产业投资占固定资产投资比重数据绘图·06散点图散点图能够将多维度的复杂数据直观地呈现于二维坐标系中。通过将每个观测值映射为坐标系中的一个点，散点图不仅能清晰展示两个变量之间的相关性和分布模式，还能有效识别数据中的整体趋势和异常值。散点图特别适用于探索性数据分析，当数据点以特定形态聚集时，往往能揭示出变量间潜在的内在联系。数据绘图·07热力图热力图通过色彩梯度直观呈现矩阵数据中的数值分布特征。最初用于地理空间分析，通过颜色深浅反映点的空间密度分布。其优势在于能够不受缩放比例影响地展示数据聚集程度。目前已广泛应用于网页流量分析、商业智能等多个领域，特别适合展示高维数据中的趋势分析。图1-14航班乘客数量热力图（基于Seaborn数据集）数据绘图·08箱线图箱线图基于5个关键统计值来描绘数据集：最小值、第一四分位数（Q1）、中位数（Q2）、第三四分位数（Q3）和最大值。箱线图能够直观明了地识别数据中的异常值。若不加甄别地把异常值包含进计算分析中，会对结果造成不良影响；但如果重视异常值并分析其产生原因，则往往能发现潜在问题，为改进决策提供线索。图1-15某小学不同年级成绩箱线图数据绘图·09小提琴图小提琴图是箱线图与核密度估计图的结合，用于显示数据分布及其概率密度。它在箱线图的每一侧添加了旋转的核密度估计图，通过小提琴图可以知道哪些位置的密度较高。图1-16小提琴图示例——包含中位数、四分位数范围、密度图宽等统计量数据绘图·10雷达图雷达图又叫蜘蛛网图，以二维图表形式显示多维数据。由多个从同一点出发的轴组成，每个轴表示一个定量变量，适用于展示3个或更多个定量变量。所有轴之间夹角相等，每个轴有相同刻度，连接各变量数据点形成多边形。雷达图对于查看哪些变量具有相似值、是否有异常值都很有用，非常适合用来显示性能、排名、评估等数据。图1-17某同学各科考试雷达图数据绘图·11词云图词云图也称"标签云图"或"文字云图"，是关键词的视觉化描述。标签一般是独立的词汇，其重要程度通过改变字体大小或颜色来表现。词云图过滤了大量文本信息，使浏览者只要一眼扫过文本就可以领略文本的主旨，可灵活依照字母顺序或热门程度来检索标签。图1-18词云图示例数据绘图·12&13圆环图与气泡图圆环图通过圆环形状表示整体，各扇区表示不同部分的占比。角度大小与比例成正比，通过颜色、标签和图例增强信息表达。图1-19圆环图示例数据绘图·12&13圆环图与气泡图气泡图在二维坐标系上使用圆形气泡展示数据关系。位置由x轴和y轴确定，气泡大小表示第三个变量的值。图1-20气泡图示例数据绘图图表选择指南第一章可视化理论1.3知识拓展：可视化理论与设计基础大数据可视化既是一门艺术，也是一门科学。为了清晰、有效地传递信息，数据可视化采用统计图形、图表、信息图表等工具，以点、线或条形对数字数据进行编码，在视觉上传达信息。1.3.1视觉感知什么是视觉感知？视觉感知是利用由环境中物体反射的可见光谱中的光来解释周围环境的能力。它是人类大脑的一项至关重要的高级功能，涉及语言学、心理学、认知科学、神经科学和分子生物学等多个领域。眼睛作为专门的视觉器官，能够接收并初步解析视觉信息。人脑首先处理颜色、形状、空间关系等低层次特征，然后在高级视觉皮层完成物体识别和场景理解等高级认知过程。视觉感知视觉感知与数据可视化核心关系视觉感知是视觉认知的前提。数据可视化提供直观的可视化界面，使用户通过视觉感知器官获取编码信息，在大脑中完成解码和形成认知。两个感知层次低级感知层次与物体特性有关：深度、形状、边界和表面材质等高级感知层次涉及物体的识别和分类，是人类认知的重要组成部分视觉感知视觉感知的三个阶段图像接收外界光线通过瞳孔进入眼睛，经角膜和晶状体折射后在视网膜上形成影像。视杆细胞负责明暗感知，视锥细胞负责色彩感知。信号传递与处理神经电信号通过视神经传递至大脑。经视交叉和外侧膝状体中转后，到达枕叶初级视觉皮层，完成边缘检测、运动感知等基础分析。高级加工颞叶负责物体和面孔识别，顶叶处理空间关系，前额叶参与工作记忆和决策。边缘系统同步产生情绪反应。视觉感知视觉感知对设计的指导意义符合生理特性保持适当的对比度和视角范围遵循认知规律运用格式塔原理组织信息，建立清晰的视觉层次减少认知负担通过合理的视觉编码方式，让信息传达更加直观高效第一章格式塔理论1.3.2格式塔理论格式塔学派兴起于20世纪初的德国，由马克斯·韦特海默、沃尔夫冈·科勒和库尔特·科夫卡三位心理学家创立，总结了一系列知觉组织原则，解释人类如何将零散刺激组织为有序而有意义的整体。格式塔理论格式塔理论在设计中的应用格式塔原则可用于指导设计师更有效地组织和呈现视觉元素，优化用户的视觉体验，使数据可视化和界面设计更直观、美观。邻近与相似建立视觉层次图形—背景突出重点信息连续性强化趋势理解格式塔理论·核心特征四大核心特征1整体性人类视觉系统优先感知整体信息而非局部信息2具体化人脑主动补全信息的能力3组织性将零散刺激整合为连贯整体4恒常性物体变化后仍能识别为同类对象核心特征·整体性整体性整体性是指人类视觉系统优先感知整体信息而非局部信息。例如观察一只在树荫下的狗时，观察者并非通过逐一识别狗的各个部位来推断这是一只狗，而是直接将其感知为一个完整的"狗"的形象。图1-21一只狗在树荫下——整体性示例核心特征·具体化具体化具体化展示了人脑主动补全信息的能力。人脑获得的经验往往比实际呈现的刺激包含更多外在空间信息，大脑会主动补全或生成缺失的部分。(a)闭合与补全三个缺口圆形使人感知到不存在的白色三角形(b)遮蔽补全不规则图形被看作被遮挡的矩形(c)三维立体化二维刺激引发三维球体感知(d)连续性效应孤立弯曲图形被看作连续波浪线核心特征·组织性组织性组织性是指视觉系统按照知觉组织规律将零散刺激整合为连贯整体的能力。当刺激存在歧义时，视觉系统会在几种整体解释之间交替切换，形成多稳态知觉现象。(a)立方体示意图同一组线段可被组织为"左下角在前"或"右上角在前"两种三维结构(b)鲁宾图同一条边界既可被感知为黑色花瓶轮廓，也可被感知为两张白色人脸侧影核心特征·恒常性恒常性恒常性是指当物体发生旋转、平移、缩放、形变或光照条件改变时，人们仍能将其识别为同类对象，并保持对其大小、形状、明度和方位等特征的稳定判断。(a)方位变化仍可识别(b)结构打乱不再识别(c)弹性形变仍可识别(d)不同描绘仍可识别格式塔理论·基本原则格式塔基本原则格式塔的基本原则包含闭合原则、相似原则、邻近原则和连续性原则，它们解释了人类视觉的归类与分组机制。基本原则·闭合闭合原则视觉系统会自动尝试将敞开的图形封闭起来，从而将其感知为完整的物体而不是分散的碎片。当图形是一个残缺图形时，我们会有一种使其闭合的倾向——视觉系统能自行填补缺口以将其认知为一个整体。例如看到残缺的线段时，会认为它是一个圆形和一个矩形，而非多条线段。基本原则·相似相似原则如果其他因素相同，那么相似的物体将会被归为一组。例如圆点纵横间距相同时，用户会习惯性地把外形相同的空心圆看成一组，把实心圆看成另外一组。手机软件图标就应用了相似原则：不同图标代表不同功能，但图标大小、文字说明的大小及字体相同，均匀分布在空间内，用户清楚地知道每个图标代表的不同意义。基本原则·邻近邻近原则物体之间的相对距离会影响人们对它们是否属于同一组的感知。距离较近时容易被视为一组，距离较远时则被视为另一组。登录/注册表单通常在输入框下方设置操作按钮，应用了邻近原则和共同区域原则：相邻且被同一容器包围的元素会被视为同一功能单元。基本原则·连续性连续性原则我们的视觉系统倾向于感知连续的形态而不是离散的碎片。如图所示的两把交叉钥匙，尽管它们互相遮挡，我们仍然可以识别出来。由此可见，我们会下意识地将离散的碎片组织成整体。格式塔理论格式塔原则总结第一章设计基础1.3.3设计基础可视化设计遵循一定的规则，基于物理定律、光的波长以及人眼感知世界的方法。特定色调组合会产生对比效果，高对比度色调比柔和色调更容易吸引注意力，每种颜色表达的含义和情感也不同。设计基础·光与颜色可见光与颜色光vs颜色"光"指电磁辐射，描述波长、频率与能量分布等物理量；"颜色"是人类的主观感知结果，并非光本身的固有属性。可见光人类视觉能够感知的电磁波段。短波段邻近紫外线，长波段邻近红外线。颜色感知视网膜上三类视锥细胞分别对短波(S)、中波(M)和长波(L)敏感，大脑整合信号形成色相、明度和饱和度的感知。设计基础·色彩模式RGB与CMYKRGB—加色模型RGB通过将红光(Red)、绿光(Green)和蓝光(Blue)以不同比例相加合成各种色光。主要用于电子系统中的图像采集、表示与显示CMYK是以青、品红、黄和黑四种颜色构成的减色空间，以青、品红、黄和黑四种油墨的数值表示，主要应用在打印机或彩色印刷系统的颜色处理中。注：RGB是与设备相关的颜色空间，不同设备对相同RGB值的显示效果可能存在差异。CMYK—减色模型设计基础·色彩模式RGB与CMYK对比特性RGBCMYK模式加色模型减色模型原色红、绿、蓝青、品红、黄、黑应用场景显示器、电视、相机印刷、打印色域较大，色调更鲜明较小，高饱和色受限设备依赖与设备相关受纸张、油墨等影响在版式设计时，既要考虑CMYK叠印的色域限制，也可根据需要选用专色油墨（如Pantone、金属色或荧光色）以获得更稳定、纯度更高的印刷效果。设计基础·颜色基础颜色基础与色彩理论色彩理论总结了颜色的基本要素（色相、明度、饱和度）及其相互关系，解释了不同配色方法所产生的视觉效果和审美感受。色彩心理学进一步研究了色彩与人类情绪、行为之间的关系。颜色基础·术语色彩术语色相颜色的基本类别，如红、橙、黄、绿、蓝、紫等浅色与深色浅色：加入白色使颜色变浅；深色：加入黑色使颜色变暗色调加入灰色或补色，使饱和度降低，呈现更柔和的效果饱和度颜色的纯度或强度，高饱和度鲜艳纯净，低饱和度偏灰暗色值颜色的明暗程度，浅色色值较高，深色色值较低颜色基础·色环色环与原色体系图1-32RYB色环图1-33原色（红、黄、蓝）RYB色环以红、黄、蓝为三原色。相对位置的两种颜色为互补色（如红与绿），相邻颜色具有相似特性，通常适合作为配色方案。颜色基础·色环二次色与三次色图1-34二次色与三次色二次色由两种原色等比例混合而成：黄+蓝=绿，黄+红=橙，蓝+红=紫。在色环上位于对应两种原色中间。三次色由相邻的原色和二次色混合而成，如黄+绿=黄绿色。命名通常采用"原色+二次色"的方式。颜色基础·配色配色方法使用色环可以搭配出多种配色方案。合理的色彩搭配能产生令人愉悦的效果。以下介绍七种常用的配色方法。配色方法单色配色与无彩色配色①单色配色法以单一颜色为基础，通过调整同一色相的明度、纯度和饱和度进行搭配。通过同一色相的渐变过渡，既保持画面简洁统一，又避免单调乏味。②无彩色配色法使用缺乏色相和饱和度的颜色（白、灰、黑）。许多艺术家偏爱在