一、前言
从客观逻辑来讲，直观的数字的确比抽象的图形更有可信度，但是大脑却对处理图形内容上会更容易理解。就像下图一样，我只是给你光秃秃的数据表格，也许你会漏掉一些有价值的东西。但是好的可视化来表达这些数据，你会挖掘数字背后的信息。
之前列举过很多复杂又有趣的可视化案例，这次准备谈一谈数据可视化图表中的视觉暗示。
当我们设计可视化图表的时候，首先，我们要知道我们有什么数据，需要哪些元素来二次加工这些数据。这时，我们就要先了解到可视化的组件有哪些?在这里我将它分为几个部分用下图作示范。
二、视觉暗示
这些组件相互协作。其中视觉暗示是组件中重要的一部分，如果选择错误的视觉暗示便会影响到其他的组件，使图表变成无用的图形。我们能用到的视觉暗示通常有:长度、面积、体积、角度、弧度、位置、方向、形状和颜色。所以正确的选择哪些视觉暗示就取决于你对形状、颜色、大小的理解，以及数据本身和目标。
1.长度
我们经常看到的柱状图、条形图，这就是长度的视觉暗示。数值越大，长度就会越长。经常用于对比类数据里。长度是图形中两端之间的距离，坐标中最小值要从0值开始，否则并不能准确的反映出真实的价值。
2.面积和体积
我们普遍都会将数值大小用物体的大小来表达。长度和面积通常用在二维空间里的数值大小对比，体积则用在三维空间里进行多维度对比。这里要强调两点：第一，你要注意你用的是几维空间;第二，面积大小应该按照面积进行扩大缩放，而不是长宽。
3.角度和弧度
角度是相交于一个点的两个向量，取值范围在0度到360度,形成一个圆形。
角度的视觉暗示一般都用在饼图。这时候你也许会联想到饼图的近亲:环形图，但环形图的本质是将饼图的中间区域切除，所以环图的视觉暗示并不是角度，而是弧度。
饼图和环形图的优势是让用户快速的了解到数据之间的占比分配，但是如图，它们不适用于过多分类的数据。
4.方向
方向是指坐标系上一个向量的斜度，可以看到上下左右及其他方向。一般用在折线图上，表现是增长、下降还是波动。这里要注意一点，随着坐标轴的比例变化，斜度的大小也会受到很大影响。所以根据实际情况，适当调整比例，使变化大的数据放大比例来突出差异，反之，变化微小且不重要的，避免放大比例。
5.位置
散点图就用了空间中的位置作为视觉暗示，通过点的形式展现在x、y坐标轴上。每个点代表一个数据，点的位置由变量的数值决定。当大量数据展示出来的时候，就可以看出趋势和相关性，并且比别的视觉暗示占用空间更少。
趋势：上升、下降;
相关性：集群、离群。
6.形状
当在一个图表中有多个对象和分类时，，用不同形状或者符号来表示。这就是形状上的暗示，通常运用在散点图内，符号或者形状比颜色更容易区分类别。比如用文字符号表示不同分类。
7.颜色
在图表的颜色视觉暗示中分为两种，色相和饱和度。
色相是指区别红、黄、绿、蓝等各种颜色，运用在在图表中不同颜色可以表示不同的数据分类。
饱和度是指色彩的纯度，颜色的纯度越高则饱和度越高，如鲜红;混杂了白色、灰色或其他色调的颜色，则饱和度越低，如粉红、黄褐等。在图表中可以用一种颜色饱和度的高低表示同一变量程度的高低。
运用颜色做暗示时，要注意考虑到色盲、色弱人群可能不容易通过颜色来区分图表的纬度和变量。
三、下面结合多个视觉暗示的举例
1.色相+位置+长度
2.颜色+面积+位置
3.符号+颜色+位置
