空间安排
排列设计的选择涵盖了视觉编码使用空间通道的各个方面。
这是最重要的视觉编码选择，因为空间的使用主导了用户对数据集的心理模型。
定量和有序属性的三个最高等级的有效性通道都与空间位置有关：针对公共尺度的平面位置，沿未对齐尺度的平面位置和长度。
分类属性中排名最高的有效性通道，对同一区域内的项目进行分组，也是关于空间的使用。
没有对所有属性类型都非常有效的非空间通道：它们要么适用于有序属性，要么适用于分类属性，但由于表达性原则，它们不能同时适用于有序属性。
键和值
键是一个独立的属性，可以用作查找表中的项的唯一索引，而值是一个依赖属性：表中单元格的值。 关键属性可以是分类的或顺序的。 值可以是所有三种类型：分类的、顺序的或定量的。 分类或有序属性的唯一值可以称为级别（levels），以避免重载术语值造成混淆。
散点图的好处
- 提供概览和描述分布
- 查找异常值和极值
- 判断两个属性之间的相关性
- 定位集群
- 可以使用其他转换来更清楚地了解数据
塔夫特重新设计的条形图
Tufte有一个数据墨水（即数据与墨水的比例）最大化理论（几乎是一种痴迷），他用这个理论重新设计了标准条形图，删除了框架和轴，并创建了一个白色网格，比轴上的刻度更精确地显示坐标线 细基线清晰地显示了对齐
Stacked bar charts 叠状条形图
- 多个子栏垂直堆叠
- 有两个键的二维表
- 次键用于构建字形的垂直结构
- 每个子组件根据用于确定垂直顺序的相同键着色；由于子组件都是端到端没有中断，是相同的宽度，他们将无法区分，没有不同的颜色
- 如果没有颜色，可以使用纹理
集群的热图
常用于生物信息学与色彩视觉编码量化数据使用小面积是非常紧凑,所以他们提供高信息密度的区域是在一侧的热图往往几个像素的简单的分辨率,所以一个矩阵的200 x 200 40000件很容易处理的只有一小部分不同程度的定量属性可以区分,因为限制色彩知觉的小不连续区域:3至11箱
散点图矩阵
平行轴方向Parallel axis orientation
- 平行坐标的习惯用法是一种使用空间位置同时可视化许多定量属性的方法
- 轴彼此平行放置，而不是垂直成直角
- 单个项目用锯齿状的线表示，该线在平行轴上蜿蜒，在项目的相关属性值所在的位置与每个轴正好相交一次
通过平行坐标很容易看到的模式与相邻轴之间的成对关系有关。平行坐标的关键限制是如何确定轴的顺序。大多数实现允许用户以交互方式重新排序坐标轴。
然而，随着轴的数量增加，通过系统的手动交互来探索轴的所有可能配置将会非常耗时，因为可能的组合数量会激增。
空间布局密度
密集布局使用小而密集的标记，以非常高的信息密度提供尽可能多的项目的概述. 标记的小尺寸意味着只能在视觉编码中使用平面位置和颜色通道；尺寸和形状不可用 空间填充布局具有填充所有可用空间的属性
- 最大化可用于颜色编码的空间量，增加有色区域足够大的机会，以使观看者在感知上显着
- 设计师不能在布局中使用空白（对可读性，强调，相对重要性和视觉平衡有价值）
安排非表格数据
分级统计地图
数百年来，制图师一直在努力解决地理空间数据视觉表示的设计选择。一个choropleths地图显示了一个定量属性，编码为区域标记上的颜色，其中每个区域的形状是使用给定的几何形状确定的。choropleths的主要设计选择是如何构建颜色图，以及使用什么区域边界
安排网络和树木
- 节点-链接图系列的视觉编码习惯用法使用连接通道，其中的标记表示链接。许多不同的布局算法选择
- 矩阵视图直接显示邻接关系
- 树形结构可以与包含通道一起显示，其中封闭链接标记通过嵌套显示层次关系。
Node-link图
图(a)显示了一棵有24个节点的树，采用三角形垂直节点链接布局，根在上，叶在下。除了连接标记外，它还使用垂直空间位置通道来显示树的深度。节点的水平空间位置不直接编码任何属性。
图(b)显示了一个以样条径向布局布局的数百个节点的树。这种布局基本上使用相同的算法来处理没有重叠的密度，但视觉编码是径向的，而不是直线的：树的深度被编码为距离。
更多的节点链接布局
图(a)显示了一棵5161个节点的树，以矩形水平节点链接图的形式布局，根在左边，叶子向右边伸展。根据Strahler中心性度量，将边缘用紫色到橙色的连续色图着色。
图(b)显示了使用BubbleTree算法布置的同一棵树。BubbleTree是一种径向而非直线的方法，子树以完整的圆圈而不是部分圆弧布局。空间位置确实编码了树的深度信息，但作为到父树中心的相对距离。
