编辑III：我发现了一个非常漂亮的多变量定量数据可视化示例，因此必须添加它。您可以在“编辑III（诺贝尔奖获得者）”标题下找到它。
编辑II：有一些误解，我进行了编辑以试图阐明我如何解释数据的预期用途。我已替换了两个图像，并添加了“您要不要用它炸薯条”部分。
图形显示数据。
爱德华·塔夫特：
混乱和混乱是设计的失败，而不是信息的属性。混乱要求设计解决方案，而不是减少内容。通常，细节越密集，清晰度和理解度就越高，因为含义和推理是无情的。少即是无聊。
为什么我们要可视化数据？
- 思维工具
- 展示强烈观看的结果
- 了解问题，做出决定
- 显示比较，显示因果关系
- 提供相信的理由
怎么样？
- 显示数据
- 诱使观看者思考内容而不是方法，图形设计，图形制作技术或其他方面
- 避免扭曲数据的内容
- 在一个狭小的空间中呈现许多数字
- 使大数据集连贯一致
- 鼓励眼睛比较不同的数据
- 从广泛的概述到精细的结构，从几个细节级别揭示数据。
- 服务于合理明确的目的：描述，探索，制表或装饰。
- 与数据集的统计和语言描述紧密集成。
一些定义：
数据：
通常被认为是“在数据库中排序的东西”。当然，它可以是数字，图像，声音，视频等。数据是可收集的，通常是定量的。最原始的形式很难消化。只是数字墙。你懂; 矩阵。一般来说，我们不必由零，为我们所做的一切东西海量数据库不具备，即使有时候我们没有的东西是最为东西翔实。因此，要了解我们所没有的，我们需要可视化我们所拥有的。
信息：
您可以从数据中提取数据。通过以某种方式显示数据，我们可以收集信息。我经常使用的一个例子是，如果我给您列出了世界各国的名单，并告诉您缺少两个国家，那么您极不可能根据该列表找到它们。但是，如果我通过给地图上所有国家/地区上色来显示此信息，您将立即看到我已经忽略了中非共和国和新喀里多尼亚。这是“减少噪音”并以最有效的方式讲故事。
图表和数据可视化：
我不愿称呼您的示例图表。我知道这通常被视为数据可视化，信息设计或信息体系结构的同义词，但我不同意。对我来说，信息图表是一系列图形，图表和插图，它们很可能包含一堆关于如何读取数据的偏见性陈述。客观性较低，更容易跳过不符合创建者“利益”的数据：系统会引导您得出某人预先定义的结论。它们具有娱乐性，并且常常压倒性地使用插图，使插图失去了数据的关注。很好，但是我认为我们应该有所区别。
例子
大数据：
请记住，大数据与复杂数据并不相同。许多数据可能只是很多相同的数据，例如这张LinkedIn地图：核心数据是相同的，但是有过滤器（通过标记）。有两个变量：地理和将人定义为职业/兴趣/关系的某种标记。疯狂的数据量；但是只有两个变量。
多变量：
这是数据的多变量可视化的示例。这是查尔斯·米纳德（Charles Minard）1869年的图表，显示了拿破仑（1812）俄罗斯战役军中的人数，他们的动作以及返回路上遇到的温度。
大版本在这里。
破解代码需要花费一些时间，但是这样做的确很棒。涵盖的变量是：
- 军队规模（生死人数）
- 地理位置
- 方向（东-西）
- 温度
- 时间（日期）
- 因果关系（死于战争和寒冷中）
在一张简单的两色地图中，这是惊人的信息量。地理部分已风格化，以便为其他变量留出空间，但是我们毫无疑问地得到了它。
这是一个比较棘手的问题。如果您熟悉基本的进化可视化，分支图，系统发育和生物地理学原理，这将很容易阅读。请记住，它是为熟悉此技术的人制作的，因此它是一张专业的科学图表。它显示的是：来自南美的毒蛙谱系的植物志图像。左侧的地图显示了主要生物地理区域随时间变化的情况，右侧的图像显示了其生物地理起源背景下的青蛙谱系。（由Santos JC，Coloma LA，Summers K，Caldwell JP，Ree R等人[CC-BY-SA-2.5（www.creativecommons.org/licenses/by-sa/2.5）]，通过Wikimedia Commons获得。当您“破解代码”时，它非常有用，而且信息量惊人。
小倍数，迷你图：
我对此不够强调：永远不要低估重复信息的价值，或将其划分为单独的相同可视化效果。只要比较容易地将一个图形与另一个图形进行比较，就可以了。我们是图案寻找机。这通常称为小倍数。我们几乎没有问题可以很快地分析这些图像，并且当十个较小的图像甚至可以更好地工作时，将所有内容挤入一张大图通常是没有意义的：
另一个：
一种使用不同但重复的图形的图形：
迷你图是Edward Tufte创造的一个术语，并且还发展成为
功能齐全，可完全自定义的javascript库。它们基本上是很小的图表，可以插入文本中，作为文本的一部分而不是“外部”对象。这是默认的样子：
编辑III（诺贝尔奖获得者）
我只需要添加我发现的数据可视化，那就太好了：它显示了诺贝尔奖获得者。共享的大学，学位，学科，年份，年龄，家乡，学位级别。确实是有力的证据。这些都是可量化的数据。这里更多。
您的资料
@Javi姿势的所有问题都非常重要。
您想要做的是创建一个可视化的思考工具。为此，您必须提取出最佳的信噪比质量。您正在努力的是如何将具有不同变量的数据关联到信息中。这是一个问题：什么需要大致正确，什么需要完全正确？目的是什么？
我将假设您要显示的数据没有太大的偏见：您希望读者自己找到相关性（如果有任何相关性）。您的目的不是要告诉人们汉堡对他们不利，还是女人要比男人少吃汉堡，而是让他们“看到”它，如果那是数据所包含的（想象这三个人是否是一个家庭。那会将我们对整个汉堡吃图的看法稍作调整）。
您的数据集是如此之小，您只需将它们全部放在表中就可以了。但这当然是关于一般想法的：
一个小细节：时间 （年龄）往往是我们从左到右（时间轴）所看到的水平方向。权衡上下的重量，因此切换x-y是个好主意。
1.什么是唯一的固定实体？
2.什么是（eh ..）变量变量？
- 重量（公斤）
- 年龄（年）
- 汉堡数（整数）
- 汉堡类型（整数）
注意：您的数据完全由单位组成。在一个单独的心理量表上可数，可量化。公斤，年龄，体重和数字。就数据库而言，它们的名称是关键。当您开始进行时空可视化时，这实在令人头疼。假设您应该添加出生地，当前房屋等。
这里唯一具有相关性的两个是汉堡的数量，无论它是否组合。所有其他变量都是独立的，并且只有一个是固定的（名称）。在某些时候，对于大型数据集，甚至名字也变得不那么有趣，并被人口，年龄，性别等取代。
有了这个很小的数据集，您就可以在一张图中得到全部信息，例如：
或者，您可以改变轴和名称气泡的内容：
个人说明：我认为这是两者中较好的，因为x和y包含人类的“物理”属性。气泡中的变量是汉堡的数量。
除了图形外，您还可以添加饼图，甚至仅包含饼图。就小倍数而言，我个人会同时拥有两者：
你想要炸薯条吗？
我的假设是我们还想知道汉堡与餐的比例。每顿饭都包含一个汉堡。并非所有餐点都是组合食品。
- 我们是否只想知道一个人有时是否吃过组合食品？
- 还是我们想知道有多少汉堡餐也是组合餐？
如果为1.，则将布尔值应用于名称/键/ id。
简有时吃组合食品？真假。
如果2，我们可以申请一个布尔值，每一餐：
1个芝士汉堡，combomalal = true
1个芝士汉堡，combomalal = true
1个芝士汉堡，combomalal = false
1个芝士汉堡，combomalal = false
1个芝士汉堡，combomalal = false
1个芝士汉堡，combomalal = false
1个芝士汉堡，combomalal = false
1个汉堡，combomalal = true
1个汉堡，combomalal = true
1个牛肉汉堡，combomalal = false
这非常繁琐，因此我们可以将其分解为：
简吃了10个汉堡。其中有三个是连击（“你要不要炸薯条？”）。
组合菜单之一是牛肉汉堡菜单。
其中两个是芝士汉堡菜单。
其余的是单个汉堡。5个奶酪，两个牛肉。
此饼图试图将其可视化。在此版本中，我保留了饼图以使其更加清晰。关于这一点的事情是，开始应用大型数据集和％是没有飞跃的：
但是我认为最好的方法是重新考虑。
观察它的另一种方法是使其真正非常简单。在这里更容易看到哪些年龄组，哪些体重组以及您没有“拥有”的所有数据可以告诉我们。您拥有的数据与空间无关，仅是单位（kg，年，数字+键/ id /名称）：
（编辑：鸡蛋在我的脸上：我已将这些图像替换为更正确的图像，例如“所有餐点都是汉堡，并非所有餐点都是组合”）
与更多的人一起扩展很容易：
或者，甚至更好的是，如果您比较10、20和30岁的年龄组，则可以非常简单地读取统计可视化效果：
..并且要尽可能清楚；这是这种思维方式的一个例子。该图表显示了泰坦尼克号的幸存者，船员，阶级，男人，女人的比率。
还会有其他解决方案的负载，这些只是一些想法。
我可以继续下去，但是现在我已经筋疲力尽了，可能还有其他所有人。
可以玩的工具：
杰斐
Gapminder观看
Hans Rosling的精彩TED演讲-爱那个家伙
谷歌图表
索姆维斯
拉斐尔
MIT展览（以前称为Similie）
3天
高图
进一步阅读：
PJ Onori；捍卫艰辛
爱德华·塔夫特：漂亮的证据
Edward Tufte：构想信息
Edward Tufte：定量信息的可视化显示
视觉解释：图像和数量，证据和叙述
男，艾伦（Alan。），2007年，插图理论和上下文的视角，瑞士洛桑；纽约，纽约：AVA学术界
Isles C.和Roberts R.，1997。在可见光，摄影以及艺术，科学和日常分类中，牛津现代艺术博物馆。
Card，SK，Mackinlay，J。＆Shneiderman，B.eds。，1999。《信息可视化中的阅读：使用视觉思考》第一版，Morgan Kaufmann。
Grafton，A。＆Rosenberg，D.，2010年。《时间制图：时间轴的历史》，普林斯顿建筑出版社。
Lima，M.，2011年。视觉复杂性：信息的映射模式，普林斯顿建筑出版社。
Bounford，T.，2000年。《数字图：如何有效设计和呈现统计信息》，第0版，Watson-Guptill。
Steele，J。和Iliinsky，N。编辑，2010。“美丽的可视化：通过专家的眼光看数据”，第一版，O'Reilly Media。
Gleick，J.，2011年。信息：历史，理论，洪水，万神殿
