資料視覺化：製作充滿說服力的資訊圖表

第一章 簡介

第一部｜從資料到視覺化
第二章 將資料視覺化：將資料對應到視覺
第三章 座標系統和軸
第四章 顏色尺度
第五章 視覺化總覽
第六章 將數量視覺化
第七章 分佈的視覺化：直方圖和密度圖
第八章 視覺化分佈：經驗累積分佈函數和Q-Q圖
第九章 一次將多個分佈視覺化
第十章 比例之視覺化
第十一章 嵌套式比例之視覺化
第十二章 兩個或多個定性變數之關聯的視覺化
第十三章 獨立變數之時間序列和其他函數的視覺化
第十四章 趨勢的視覺化
第十五章 地理空間資料之視覺化
第十六章 不確定性之視覺化

第二部｜圖表設計原理
第十七章 比例墨水原理
第十八章 處理重疊點
第十九章 顏色使用上的常見陷阱
第二十章 重複編碼
第二十一章 多圖圖表
第二十二章 標題、圖說和表格
第二十三章 平衡資料和上下文
第二十四章 使用較大的軸標籤
第二十五章 避免使用線條圖
第二十六章 不要走D路線

第三部｜其他主題
第二十七章 了解最常用的影像檔案格式
第二十八章 選擇正確的視覺化軟體
第二十九章 講故事並提出論點

序

　　假如你是位科學家、分析師、顧問，或任何必須準備技術文件或報告的人，那麼你的必備技能之一，就是製作具有說服力、通常以圖表形式呈現的資料視覺化。圖表必須清晰、美觀且令人信服，才能讓你的論點具有說服力。圖表的好壞，可能決定了論文的影響力、能否拿到補助金或合約，工作面試的成敗。然而令人驚訝的是，能教你如何製作引人注目的資料視覺化的資源很少。鮮少有大學提供這個主題的課程，坊間相關的書籍也不是很多（當然還是有一些）。圖表軟體的教學通常將重點放在如何做出特定的視覺效果，而非解釋為什麼某些選擇是首選而其他不是。在日常工作中，你被期待應該知道如何做出好的圖表，而且如果在撰寫第一篇科學論文時，能遇到一位耐心的指導者告訴你一些技巧的話，你就算是走運了。

　　以寫作領域來說，經驗豐富的編輯會提到「耳朵」—能夠聽出一篇文章好不好的能力（在閱讀一篇文章時內在的聲音）。我認為在談到圖表和其他視覺化時，我們也需要「眼睛」，以便在看到一張圖表時，有能力檢查它是否平衡、清晰、吸睛。就像寫作一樣，判斷圖表好壞的能力是可以學習的。擁有「眼睛」主要指的是你了解簡單規則和良好視覺化的原則，並注意到其他人可能忽略的細節。

　　以我的經驗來說（請容我再次用寫作來比喻），你不會在周末看書時突然長出「眼睛」。這是一個終生的過程，此時對你來說過於複雜難解的概念，也許在五年之後會變得理所當然。以筆者來說，我持續在拓展自己對圖表製作的理解。我經常接觸新的方法，而且注意別人在圖表中做出的視覺和設計選擇。我也很願意改變想法。也許在當下覺得很棒的某張圖表，在下個月會找到不足之處。所以，請不要把我說的任何事情當作不變的準則，仔細思考我做出選擇的理由，再決定是否要採用。

　　雖然本書中的內容是依序安排的，但大多數章節都可以獨立存在，無需從頭讀起。你可以隨意瀏覽，選擇目前感興趣的部分，或是當下可以解答你的問題的那個部分。我認為，你能從本書中獲得最大幫助的方法，並不是一口氣將這本書讀完，而是花更久的時間逐字閱讀，試著將書中的一些概念運用在你的圖表中，然後回過頭來閱讀其他概念，或重讀先前所學到的概念的章節。在幾個月後再度閱讀同一個章節，你可能會有不同的體悟。

　　儘管本書中幾乎所有的圖表都是用R 和ggplot2 製作的，但這並不是一本R 語言的專書。本書的重點是圖表製作的一般原則。可用來製作圖表的軟體很多，你可以使用任何繪圖軟體來產生本書展示的各種圖表。不過，ggplot2 之類的軟體套件，讓我使用的技巧比其他繪圖庫簡單得多。重要的是，因為這不是R 的專書，所以我不會在本書的任何一處討論程式碼或程式設計技巧。我希望你專注於概念和圖表，而不是程式碼。如果你對如何製作某一張圖表感到好奇，可以到GitHub查看本書的原始碼。