本
文
摘
要
我们经常能遇到诸如排名，还有比较数据不同变量之间关系等场景，同一项排名或许可以用柱状图，但是如何体现排名的波动呢？除了折线图之外，还有没有别的选择？一组数据的分布可以用直方图，两组数据之间的关系可以用散点图，三组数据可以用气泡图，那四组、五组数据该怎么办？今天，我们介绍的平行线图，就是要帮你解决这些问题！
考虑多轴线排序 探索多变量关系
图片来源：平行坐标图- datavizcatalogue平行线图（Parallel Coordinates Plots/ Parallel Coordinates）是一个可视化高维、多变量数据的图表，最适合呈现数据的多种变量和可视化它们之间的关系，并且方便读者一次性进行多变量的对比。
图片来源：平行线图- datavizcatalogue在平行线图中，每个变量都有自己的轴线，所有轴线彼此平行放置，各自可有不同的刻度和测量单位，一系列的直线穿越所有轴线来表示不同数值。
另外，虽然轴线排列没有固定的顺序，但是因为相邻变量会比非相邻的变量更容易进行比较，所以轴线排列的顺序可能会影响读者理解数据。可见，轴线的顺序会影响读者对于不同变量之间的关系的把握，因此，在可视化过程中，各轴线的顺序则成为需要“下功夫”的部分。
平行线图制图工具：
镝数图表-在线动态图表工具-零代码数据大屏可视化dycharts.com/appv2/#/pages/home/index?channelCode=55DGOK5B&hmsr=zh-dycharts-article&hmpl=pid-485849119先有图 再有名
“平行线”这个名词最早出现在1885年Philbert Maurice dOcagne的书里面，书中提到了“Coordonnées parallèles”这个名词，但是和我们今天讲的平行线图根本不是一回事。
平行线图的出现要比这个名词早很多。在1880年，Henry Gannetts在《总结并展示国家等级》（General Summary, Showing the Rank of States, by Ratios）一图中，就运用了平行线图，从人口、就业、财富、制造业、文化、教育等10个维度来对各个国家进行排名。
General Summary, Showing the Rank of State *** y Ratios , Henry Gannetts从右数的第三、第二个维度分别是税收和教育支出，从线的X型分布情况来看，一般税收高的国家，人民的基础教育支出比较少。
但是这些线条非常密集，很难看清排名的一一变化。针对这个情况，现在，我们除了可以用交互方式解决，或者用颜色突出特定的国家之外，还能用一种叫做“Brushing”的方法应对，文章后面会提到。
在1898年，Henry Gannetts再次利用平行线图，可视化了在美国1790至1890年的人口普查中，各州/地区的人口排名。其中，每一列代表一年，一个方块代表一个州/地区，作者还用了纹理强化了州/地区。由于历史原因，很多1790年存在的地方被合并，因此州/地区的数量不断在改变。
Rank of States and Territories in Population at Each Census1790-1890后来，Inselberg Alfred把平行线运用在算法的可视化上，自1985年起，平行线图的运用拓展到数据挖掘、计算机视觉、空中交通管制防撞算法等领域上面。
PARALLEL COORDINATES : VISUAL Multidimensional Geometry and its Applications“排名”话题最常用的可视化
一般来说，媒体较常用平行线图可视化有关“排名”的话题。
Millward Brown每年都会总结全球范围内最具价值的品牌，Valerio Pellegrini根据2010至2015年的前100位品牌的排名变化，利用平行线图进行可视化。
100 MOST VALUABLE BRANDS 2010-15从整体的情况来看，前4的公司——谷歌、IBM、苹果、微软的排名都比较稳定，变动不大，而处于中下的公司，每年的排名波动则比较大。从细节来看，平行坐标图能够帮助我们看到每家公司的排名是升还是降。
下面的平行线图也是对1990至2013年，全球移民目的地和来源地的排名进行了可视化。
《全球移民路线图：美国为移民首选目的地》网易数读以上两个平行线图的变量都是具有相同的测量单位，且数据量比较少。
这个平行 *** 图则是基于App Store中评论超过10条的应用数据，展示了评分、浏览量、关键词数量、总下载量、价格这5个维度的数据。从线条的分布和密集程度，我们可以看到这些应用的下载量都集中在100万-1000万之间，且大部分都是免费的。
图片来源：mobileorchard.com平行线图的缺点是，当数据密集时，图表容易变得混乱，线条难以辨认。解决这个问题的最好办法是通过一种名为“Brushing”的技术。“The Brushing of Sample”是在统计图形的交互技术中常使用的一种技术，一开始是为了在散点图中，屏蔽和隔离偏离的数据点而引入的。
基于数据和一定的算法，“Brushing”帮助过滤干扰数据。在进行处理后，我们可以根据更为集中的数据，用颜色进行强化，同时淡化所有其他线条，让我们能更集中研究感兴趣的部分，并滤除干扰数据。
就像下图，通过筛选干扰信息之后，数据分布更为集中，如果给线条的密度编码，赋予不同的颜色，我们能更容易把握数据之间的关系。
State of the Art of Parallel CoordinatesJ. Heinrich and D. Weiskopf另外，在平行线图里，各轴的单位一般是不相同的，所以不能进行跨轴的数据比较。但是在上文提到的关于不同年份的排名时，由于是对相同变量的可视化，所以可以进行跨轴比较。因而，在读图时，我们要注意各轴的测量单位。
赶快登录镝数图表！简单的操作和精美界面，给你非凡的制图体验，仅需复制粘贴数据就可以制作同款平行线图，超多惊喜，就等你来！
镝数图表-在线动态图表工具-零代码数据大屏可视化dycharts.com/appv2/#/pages/home/index?channelCode=55DGOK5B&hmsr=zh-dycharts-article&hmpl=pid-485849119
