我们的项目通过问卷调查会收集到大量的数据，怎样处理以及展示这些数据是本项目非常重要的任务之一。下面我们介绍当今非常流行的数据可视化学科。
数据可视化是什么
数据可视化（ Data Visualization ）起源于18世纪，William Playfair 在他出版的书籍《 The Commercial and Political Atlas 》中第一次使用了柱形图和折线图。当时是为了表示国家的进出口量，在今天依然这么使用。19世纪初，他出版了《 Statistical Breviary 》一书，里面第一次使用了饼状图。这三种都是至今最常用的最著名的可视化图形。19世纪中叶，数据可视化主要被用于军事用途，用来表示军队死亡原因、军队的分布图等。进入20世纪，数据可视化有了飞跃性的发展。1990年，在人机界面学会上，作为信息可视化原型的技术被发表。1995年，IEEE Information Visualization 正式创立，信息可视化作为独立的学科被正式确立[1]。随着2012年世界进入大数据时代，数据可视化作为大量数据的呈现方式，成为当前重要的课题。
为什么可视化之后会更好
比起枯燥乏味的数值，人类对于大小、位置、浓淡、颜色、形状等能够有更好更快的认识。经过可视化之后的数据能够加深人对于数据的理解和记忆。例如有以下的数据，你能一眼看出哪一个最大吗？【 321, 564, 1391, 245, 641, 798, 871 】可视化之后呢？
这样是否易于理解了呢？
数据可视化的构成要素
数据可视化的手法很多，其中有一些共通的视觉要素，整理如下。
- 坐标。数值的位置被对应到直角坐标系或极坐标系上。
- 大小。数据的大小被对应到图形的大小。
- 色彩。数值的分类和界限等对应到颜色的不同。
- 标签。数值的特征用标签来标记。
- 关联。数值之间的联系，用关联线条等连接起来。
数据可视化的适用范围
目前存在着多种划分方法，常见的有[2]：
《Data Visualization: Modern Approaches》（“数据可视化：现代方法”，2007）中阐述了数据可视化的下列主题：
- 思维导图
- 新闻的显示
- 数据的显示
- 连接的显示
- 网站的显示
- 文章与资源
- 工具与服务
Frits H. Post（2002）从计算机科学的视角，将这一领域划分为如下多个子领域：
- 可视化算法与技术方法
- 立体可视化
- 信息可视化
- 多分辨率方法
- 建模技术方法
- 交互技术方法与体系架构
数据可视化工具介绍
1、Google Chart API
Google Chart API工具集中取消了静态图片功能，目前只提供动态图表工具。能够在所有支持SVGCanvas和VML的浏览器中使用，但是Google Chart的一个大问题是：图表在客户端生成，这意味着那些不支持JavaScript的设备将无法使用，此外也无法离线使用或者将结果另存其他格式，之前的静态图片就不存在这个问题。尽管存在上述问题，不可否认的是Google Chart API的功能异常丰富，如果没有特别的定制化需要，或者对Google视觉风格的抵触，那么你大可以从Google Chart开始。
2、D3
D3（Data Driven Documents）是支持SVG渲染的另一种JavaScript库。但是D3能够提供大量线性图和条形图之外的复杂图表样式，例如Voronoi图、树形图、圆形集群和单词云等。虽然D3能够提供非常花哨的互动图表，但你在选择数据可视化工具时，需要牢记的一点是：知道在何时保持简洁。
3、ECharts
ECharts开源来自百度商业前端数据可视化团队，基于html5 Canvas，是一个纯Javascript图表库，提供直观，生动，可交互，可个性化定制的数据可视化图表。创新的拖拽重计算、数据视图、值域漫游等特性大大增强了用户体验，赋予了用户对数据进行挖掘、整合的能力。
4、HighChart
Highcharts 是一个用纯JavaScript编写的一个图表库， 能够很简单便捷的在web网站或是web应用程序添加有交互性的图表，并且免费提供给个人学习、个人网站和非商业用途使用。HighCharts支持的图表类型有曲线图、区域图、柱状图、饼状图、散状点图和综合图表。