标签
DataVista 是首个针对数据视频(datavideo)理解的基准测试,包含 961 个真实数据视频和 6,775 道评估题,采用三级能力框架(数据感知、时序推理、叙事理解)。对 19 个主流多模态大模型的评测显示,最佳模型 Gemini-3.1-Pro 仅有 70.0% 准确率,远低于人类专家水平。
VisAudit 是一个用于评测多模态智能体自主诊断、修复并验证有缺陷的数据可视化的全新基准,涵盖 21 种图表类型、10 类缺陷共 1,900 张有缺陷的图表。实验结果表明,在自主修复场景下,最强的多模态模型仅能完全修复其中 47.4% 的有缺陷图表,凸显出其与人类可视化审查能力之间的巨大差距。
A user describes how they built a skill to generate live-panel GIF-style animated architecture diagrams that look like static images but animate, turning content (e.g., Airbnb CTO Ahmad Al-Dahle's AI usage talk) into moving visualizations.
# 数据墨水比(Data-Ink Ratio):用 Edward Tufte 的原则让图表更清晰 > 一个图表应该把尽可能多的墨水用在真正展示数据上,而不是浪费在装饰性元素上。 这句话几乎可以概括 Edward Tufte 在《The Visual Display of Quantitative Information》中提出的核心思想。数十年后,"数据墨水比"仍然是数据可视化领域最具影响力的原则之一——它简单、可操作,而且几乎适用于每一张图。 ## 什么是数据墨水比? 数据墨水比指的是:**用于呈现数据本身的有效墨水,占整张图表所用墨水总量的比例。** Tufte 的论点非常直接: - 图表中的每一滴墨水都应当承担信息传递的职责。 - 背景网格、加粗边框、三维阴影、立体柱、重复的图例、不必要的坐标轴刻度……这些元素消耗了墨水,却没有传达额外的数据。 - 一张"高数据墨水比"的图表,读者一眼扫过去就知道数据说了什么。 Tufte 用一个更严格的术语描述这种理念:**data-ink maximization(数据墨水最大化)**——在不损失信息的前提下,尽量减少图表中"非数据"的墨水。 举个直观的例子: - **一张柱状图**,加粗了整个外框、铺满了密集的浅灰背景网格、每个柱子还带阴影和渐变——数据墨水比可能不到 20%。 - **一张折线图**,只保留必要的水平参考线、坐标轴,以及数据本身——数据墨水比可能超过 80%。 两者传达的信息量几乎相同,但后者更易于快速解读。 ## "非数据墨水"从哪里来? Tufte 把图表中不属于数据的部分统称为"chartjunk(图表垃圾)"。它通常以几种形式出现: 1. **过度装饰的坐标轴**:粗重的边框、密集的刻度线、带阴影的立体坐标系。 2. **冗余网格线**:浅灰的网格线往往比数据本身更"显眼",却只提供模糊的参考价值。 3. **重复的图例**:图例已经存在,却还在每条线上标注一遍同样的名字。 4. **默认样式的默认值**:很多图表库生成的默认主题包含大量"看起来专业"但毫无信息量的装饰。 5. **不必要的墨水**:比如饼图里的整个圆盘外框、柱状图每个数据点上的数据标签重复出现。 一个有用的自检方法:**把图表中"非数据墨水"的部分拿掉,剩下的部分还能讲清楚同样的故事吗?** 如果能,那些部分就是应该被删除的。 ## 如何把数据墨水比应用到实际图表中? 原则听起来很抽象,但落到具体操作上,其实是一系列可执行的小决定。 ### 1. 从问题出发,而不是从图表类型出发 在打开任何可视化工具之前,先问自己: - 我想让读者看到什么结论? - 这个结论需要什么样的对比、趋势或分布? - 哪种图形形式能最直接地表达这个结论? 如果一张折线图能完成的任务,你选择了带阴影和 3D 柱的柱状图,那么墨水就已经被浪费了。 ### 2. 从"减法"开始,而不是从"加法"开始 很多人的工作流程是:先生成一张默认图表,然后不断往上面加东西。更好的流程是反过来: - 先只画出数据本身。 - 再问:读者还需要什么才能理解? - 只为那些必要的部分加墨水。 这和 Tufte 的"最小化数据墨水"思路一致——**图表应当从"几乎空白"开始,逐步增加必要的信息,而不是从"华丽模板"开始逐步删减。** ### 3. 优先去掉网格线 这是最立竿见影的一步。 - 如果坐标轴已经足够清晰,**去掉背景网格线**,或至少把它降到非常浅的灰色。 - 只保留少数几条对读者有判断价值的参考线。 - 很多情况下,去掉网格线之后,图表的可读性不仅没有下降,反而提升了——因为读者的眼睛不再被大量无意义的线条干扰。 ### 4. 让数据自己成为视觉主体 - 柱状图的柱子应当是画面里最"重"的元素,而不是边框和阴影。 - 折线图的线条应当是画面里最突出的元素,而不是装饰性的网格。 - **对比应当服务于数据**:用颜色区分两组数据是有效的"数据墨水",用十种颜色给同一个类别换十种色调则不是。 ### 5. 优化坐标轴与标签 - 坐标轴的刻度应当只保留读者真正会用到的。 - 通常没有必要在每个刻度上都写上单位,如果单位在标题中已经明确。 - 如果某个坐标轴是多余的(例如饼图常常不需要坐标轴),直接去掉它。 - 数据标签应当是可选的补强手段,而不是默认的装饰。很多图表中,"12.4%" 这样的标签重复出现十几次,占用了大量墨水,却只是复述坐标轴已经提供的信息。 ### 6. 谨慎使用颜色 Tufte 特别强调颜色应当用来**编码数据**,而不是美化图表。 - 颜色应当回答一个信息问题:这组数据和那组数据有什么区别? - 避免使用无信息功能的装饰色。 - 如果颜色可以被其他形式(位置、长度、标签)替代,就优先考虑那些更直接的编码方式。 ### 7. 警惕"默认主题"的陷阱 很多可视化库(如 Excel、PowerPoint、各类 BI 工具)的默认主题都带有大量非数据墨水:渐变背景、3D 效果、阴影、边框。这些默认值是为"视觉吸引力"设计的,而不是为"数据理解"设计的。 在使用工具时,主动创建一套**干净、克制的自定义主题**,往往比微调默认主题更能提升图表质量。 ## 数据墨水比不等于"信息越少越好" 这是一个常见的误解。Tufte 的主张并不是"图表应该简陋",而是: - **非数据墨水应当被削减**。 - **数据墨水应当被强化**,而不是被压缩。 也就是说,如果某个信息(比如一个关键的数据点)需要被强调,那么为它投入更多墨水是完全合理的——只要这些墨水确实在传达信息。Tufte 自己也说,优秀的图表会"用最小的墨水传达最多的信息"。 一个经典的对比: - **低数据墨水比**:一张带 3D 效果的饼图,只有 3 个类别,却用了渐变填充、阴影、引线、圆环外框、外部图例——信息密度极低,视觉噪音极高。 - **高数据墨水比**:一张条形图,3 个类别用三种不同颜色,条形长度直接编码数值,标签清晰——信息密度高,视觉噪音极低。 两者都在展示 3 个数据点,但后者更快、更准确地完成了任务。 ## 一些实用检查清单 在你发布下一张图表之前,可以快速过一遍: - [ ] 去掉所有装饰性边框和阴影后,信息有没有丢失? - [ ] 网格线是否真的帮助读者判断数值?能否去掉或调淡? - [ ] 坐标轴刻度是否包含不必要的重复? - [ ] 图例和图表内的标注是否重复? - [ ] 每一种颜色是否都在编码数据? - [ ] 默认主题中的装饰元素(渐变、3D、阴影)是否仍在? - [ ] 读者能否在 5 秒内说出这张图的核心结论? 如果前五项的答案是"不能丢",最后一项的答案是"能",那么这张图表很可能已经具备了很好的数据墨水比。 ## 小结 数据墨水比不是一个复杂的数学指标,而是一个**设计判断的标准**: - 图表的墨水应当用来**呈现数据**,而不是**装饰画面**。 - 简化的目标是**减少噪音**,不是**减少信息**。 - 好的图表应当让读者的注意力停留在数据上,而不是停留在图表的外壳上。 Tufte 的这些观点写于数字图表工具尚未普及的年代,但它们的核心从未过时。在一个充斥着默认模板和华丽特效的时代,**克制本身就是一种能力**——而数据墨水比,正是衡量这种能力最简单、最有效的标尺。
mapped.earth 发布了一张交互式全球地图,标注了地球上每一座有记录的灯塔,并按照各自真实的周期性闪烁模式呈现灯光,为航海导航数据提供了异常精细的可视化呈现。
Cursor,一个由AI驱动的代码编辑器,现在在聊天中包含一个 /visualize 命令,用于构建图表和图形以进行数据分析。此功能在 Agents Window 中可用。
Datastory 是一个无代码平台,让数据叙事创作者利用 AI 创建交互式图表、网站和报告,并可访问不断扩充的开放数据集目录。该产品曾在 Product Hunt 上作为数据可视化产品发布。
一个交互式网络地图,可视化展示了37,500份来自人们记忆的手绘边界,并叠加在真实的地理轮廓上。
本文探讨了生成随机树层级结构并定位节点以适应有限屏幕空间的技术,使用JavaScript和D3.js进行可视化。
一位 Hacker News 用户展示了一个网络工具,该工具按不同主题对美国超过 1000 条道路进行了分类,提供道路数据的筛选视图。
本文介绍了一个名为Food Prices Today的网站,该网站利用USDA的数据追踪和可视化每日美国食品价格,包括各种商品的基准批发价和平均零售价。
这篇博客文章分析了英语中基于语音使用'a'和'an'的规则,数据显示在32,455个单词中只有129个需要例外处理,并讨论了其在过程化文本生成代码中的应用。
一个网络工具可视化了Bureau of Labor Statistics的家庭财务数据,展示了基本开销后的剩余资金和不同收入群体间的财富差距。
Google的AI与经济ATLAS发布了新的交互式数据可视化,以及关于全球职业中AI采用的研究洞察,突出了区域趋势和科学家节省的时间。
本文提出一种更简单的一维时间映射图版本,用于在多种时间尺度上可视化离散事件,并用last.fm的播放记录数据进行演示。
dbt Charts是一个开源声明式YAML语言,用于仪表板,使AI代理能够通过结合SQL、YAML和Markdown生成可审计的可视化,从而提高AI驱动分析中的治理水平。
EuroBirdPortal 是一个数字平台,提供欧洲范围内鸟类活动的实时追踪,支持多种鸟类物种的观察和数据收集。