层次数据可视化

如果谈到层次结构数据可视化只想到树形图，说到网络结构数据只想到力导向图～～，那么这篇文章也许能有一些帮助。按照图的数据结构，我们可以将图可视化分为2大类: 层次数据的可视化和网络数据的可视化，本文主要介绍层次数据可视化。

层次结构可以被抽象为树（Tree）结构， 树是图的一个特例，是只存在父节点和子节点之间连接的图。层次数据可视化的要点是对数据中层次关系的有效刻画，有2中主要的可视化方式： “节点-链接”和”空间填充”。

treevis.net: 德国的Hans-Jörg Schulz博士创建的，对层次数据可视化进行了分类总结。他们将层次数据可视化按照“空间维度”、“表现形式”、“对齐方式”这3个维度进行分类。

1. 节点-链接（node-link）

将单个个体绘制成一个节点，节点之间的连线表示个体之间的层次关系。

代表： 空间树、圆锥树、径向树、双曲树……
优点：直观清晰，擅长表示承接的层次关系。
缺点：当节点数目增加，特别是树的广度和深度相差较大时，该方法的可读性较差，大量节点聚集在屏幕的局部范围，屏幕空间的利用率底下。

1.1 原则

清晰有效地实现node-link方法需要考虑到如下几点：

• 节点位置的空间顺序和层次关系一致。
• 减少连线之间的交叉。
• 减少连线的总长度。
• 合适的长宽比，优化空间利用率（数据-墨水原则）。

1.2 布局方法

1.2.1 正交布局

特征： 节点在放置的时候按照水平或垂直对齐。
优点：与坐标轴一致的、比较规则的布局与人们的视觉识别习惯吻合。
缺点：当大型的层次结构，特别是广度特别大的层次结构，会导致不合理的长宽比，造成数据显示空间不足和屏幕空间浪费的问题。

节点-链接正交布局的局限性（上图展示了Flare软件包的子目录结构）

1.2.2 径向布局

特征： 根节点位于圆心，不同层次的节点被放置在半径不同的同心圆上。
优点：整个可视化布局呈圆形，能更好地利用空间。
缺点：在径向树中，圆周的大小随层次深度的增加而线性增长，而树节点则往往呈几何级增长。对于大型的层次结构，树的底部空间不够，会导致节点互相重叠。

径向树（Radial Tree）

1.2.3 环状径向树

径向树的一种变体，将每一棵树递归地采用径向布局形成环状结构。优点是子树的结构更加直观，缺点是随着层次的深入，子节点的空间占位逐渐变小。

环状径向树

1.2.4 圆锥树（Cone Tree）

一种在三维空间可视化层次数据的技术，结合了正交布局和径向布局两种思想。

圆锥树

1.2.5 双曲树（Hyperbolic Tree）

双曲树的拓扑结构和常规径向树一致，但布局空间不是欧几里得空间（Euclidean space）， 而是双曲空间（hyperbolic space）。 在双曲空间里面，圆周随半径的增加呈现出几何级数的增长。

双曲树
**

2. 空间填充（space-filling）

用空间中的区域来表示数据中的个体，并用外侧区域对内层区域的包围来表示层次关系。

代表： 树图（TreeMap）、旭日图（Sunburst）……
优点：擅长表示包含与从属的关系，能更高效地利用屏幕空间，可呈现更多的数据。
缺点：表达的数据层次信息不如node-link方法清晰。

2.1 树图（Tree Map）

用矩形表示层次结构里的节点，父子节点之间的层次关系用矩形之间的相互嵌套隐喻表示。

优点：可以充分利用所有的屏幕空间。
缺点：视觉效果不如node-link方法清晰。当层次深度过大时，用户解读较困难。

2.2 旭日图（Sunburst）

中心的圆代表根节点，各个层次用同心圆表示。

优点：相比树图，旭日图可以显示出中间层次的节点，更容易分辨层次结构。比node-link方法的空间利用率要好。
缺点：当树结构不平衡的时候，会导致某一部分的扇形向外延伸很长，造成不合理的长宽比。

2.3 Voronoi TreeMap

采用任意多边形来取代上述方法中的矩形空间。

2.4 Bubble TreeMap

每个节点都使用嵌套轮廓圆弧进行可视化。

3. 其他方法

3.1 相邻层次图（Adjacency diagram）

node-link方法能清晰直观地显示数据层次结构，space-filling方法能高效利用屏幕空间。相邻层次图则是2者的结合。

3.2 弹性层次图

中间层次的节点由树图法来表示。

3.3 混合式旭日图

旭日图的一种变体。

混合式旭日图法

参考

• 《数据可视化》- 陈为 / 沈则潜
• treevis.net