转自浙江大学可视化分析小组博客

基本信息

• 论文： ATOM: A Grammar for Unit Visualizations
• 作者： Deokgun Park, Steven M. Drucker, Roland Fernandez, and Niklas Elmqvist
• 来源： TVCG 2018

  背景

  单元可视化（unit visualization）是一种区别于聚合可视化的形式。往往聚合可视化焦聚于生成具有统计结果意义的可视化形式，比如柱状图，饼图，直方图（histogram）等等；而单元可视化则使得每一个数据点都能够在可视空间中被绘制出来，比如散点图（scatterplot，下图a），点图（dotplots，下图b），单元图表（unit chart，下图c）。
  
  相较之下，聚合可视化能够解决视觉混乱的问题（visual clutter），而单元可视化因为其进行数据空间到可视空间一对一映射，其computational scalability（内存、计算、渲染等）、display scalability（展示空间不足）和perceptual scalability（人的处理能力）都会较差；但单元可视化也并未没有优势，它因为完全展示了所有数据点，故而能够进行异常值检测，并且能够提供在动画、交互过程中对个体元素进行追踪，并且这种一对一映射的单元可视化，更接近人们的思考和构建可视化时的思考习惯和认知，且还能解决一些更细致的交互需求。
  基于上述特点，作者提供了一种高层次的单元可视化语法，它基于一次对设计空间的结构化探索，提供了自顶向下递归式的数据和空间剖分。
  

  相关工作

  作者对以往的单元可视化进行了一个分类，一直追溯到上古时期。对于他们的布局方法、坐标系统和单元图标进行了一些分类。
  
  
  除此以外，作者还讨论了一些以往的可视化创作（语法）工具，比如Prefuse/Processing/D3/Protovis等编程式工具，ggplot2/vega/reactive-vega/vega-lite等声明式工具等。

  Design Space

  在本文中，作者焦聚于静态的可视化形式，而不讨论任何交互、动画等。
  作者将布局类型划分成两类：重叠的和非重叠的。重叠的布局，每个数据点位置和大小只依赖于自身，比如散点图。非重叠的布局，其数据点位置和大小往往需要通过整体或者周围的数据点来决定，其一般是空间填充类型的，上图的大部分可视化都是如此。对于这种类型，又可以分成两种手段，一种是划分（subdividing），即自顶向下分配可视化空间；另一种是填充（packing），则是自下向上把空间挤满（这种可视化形式，每个数据点往往是正方形或正圆形，横纵比1:1）。
  对于每个点的表达，又可以大致分成两种：一种是静态的预定义好的几何形状（比如一个icon或者image），一种是根据数据自身决定的（比如不同类别绘制不同形状，glyph等等）。

  ATOM

  接下去，作者开始讨论语法的设计。ATOM主要要解决以下几个问题：

1. 数据空间的操纵，作者定义了四种方法：
   • BIN：可以对数据进行分类or聚类；
   • FILTER：根据某种过滤类型过滤数据；
   • DUPLICATE：数据拷贝
   • FLATTEN：数据平面化，不再进行任何聚类，直接将数据一对一绘制；
2. 可视空间的划分：在这里，作者将以往存在的划分手段进行了一个层次划分，但最后只实现了以下几种：
   • Map2D：直接用数据中的特征将数据映射到可视空间中（最常见的就是scatterplot）
   • FillX&FillY：对一维空间进行填充
   • MaxFill：对整个空间寻找一个最大填充的解（类似背包问题）
   • Pack：类似上面的MaxFill，但是每个图形都是方正的
3. 
   上述的几种手段，具体效果可以见下图；上面一行表示的是均匀划分，下面一行则是加权平均进行划分；
   
   
4. 单位外观的问题
   1. shape是长方形还是圆形？
      
   2. 大小是uniform的还是根据count/sum进行的；
      
   3. isShared属性；也就是，单位大小是否要根据隔壁组进行统一？该配置项大概效果如下图，左边是三列共享大小，右图则是不共享。
      
      

      评估

      最后，作者进行了两次评估。为了证明其表达力，作者罗列了为了解决以往存在的不同单元可视化形式，用ATOM可以怎么进行详见下面的表格；为了证明其生成可视化的能力，作者又创作了两种不曾存在的可视化形式。