现实社会中，这种层次关系也无处不在。例如，地球上有很多国家，每个国家都包含有很多省市，或者在一个企业中，会有很多不同的部门，各个部门下包含有不同的小组，又或者是电脑中创建的文件，以及文件中的各个目录。这些都是我们所熟知的在现实中能真正体会到的层级关系。

伴随着数据量的增长，要处理的数据变得越来越多，常用的可视化显示媒介主要还是电脑，由此可知，可供显示的区域并没有多大，这就出现了一个新的难题，如何在有效的区域内尽可能多得可视化数据，同样的，在有层次关系的数据中，层次数目越来越多，导致底层的数据节点成指数型。

因此，在有限的区域内可视化展示大量数据会造成图形的重叠，从而降低用户的体验以及图形的观感。所以，对于层次数据的可视化研究，有助于人类通过将数据信息分类分级，寻找出数据之间蕴含的层级关系，从而更好地理解大量信息，掌握更多的数据规律。

层次数据可视化：

节点链接法概念；将单个个体绘制成一个节点，节点之间的连线表示个体之间的层次关系

代表技术：节点链接树、三维树。

空间填充法概念：用空间中的分块区域表示数据中的个体，并用外层区域对内层区域的包围表示彼此之间的层次关系。

节点链接法一般需要考虑的问题：节点位置的空间顺序与层次关系一致；减少连线之间的交叉；减少连线的总长度；可视化应该有合适的长宽比，以优化空间的利用；节点链接法的布局。

正交布局：节点在放置的时候都按照水平或垂直对齐；缩进图(indent)；聚类树(dendrogram)冰柱图(icicle)；径向布局（辐射型）：根节点位于圆心，不同层次节点放置在半径不同的同心圆上；径向布局图(Radial layout)；双曲树(Hyperbolic tree)。

正交布局

l  节点在放置的时候都按照水平或垂直对齐

l  电路图例外

l  方向与坐标轴一致的，布局规则

l  与视觉识别习惯吻合，非常直观

缺点:对于大型的层次结构，特别是广度比较大的层次结 构，这样的布局会导致不合理的长宽比缩进图：主要指在二维平面上用缩进的方式放置子节点，同一层次的节点缩进动操作 ×;容易失去上下文 ×。

径向布局更加合理地利用空间

• 根节点位于圆心，不同层次的节点被放置在半径不同的同心圆上。

• 节点到圆心的距离对应于它的深度。

• 满足树结构节点数量随层次而增加的特点。

–正交分布在每一层上对于空间的分割类似，一个同心圆被划分为不同区间，分别对应于该层不同的节点。由于同心圆的周长随着半径增长，越深的层就有越多的空间来放置节点。满足了树里面节点数量随着层次而增加的特点。

三维树/圆锥树：一种在三维空间可视化层次数据的技术，结合了径向布局和正交布局两种思想基本思想：

– 在布局中增加一个维度

– 保留了自顶向下的特性

– 更接近中心的节点更容易被注意到

– 父节点与子节点呈圆锥状排布

– 兄弟节点落在同一个平面上

优点： 空间利用更加充分；可以使用平滑的动画让用户捕捉到变化； 美即正义。

缺点：3D情景下难以避免节点间相互重叠，需要3D渲染，交互情景下难以在移动端保证性能。

空间填充法

矩形树图(Treemaps)

• 20世纪90年代初，为了找到一种有效了解磁盘空间使用情况的方法，马里兰大学人机交互实验室教授Ben Shneiderman和他的团队通过调整树状图，发明了矩形树图。

用矩形表示节点假设每个叶节点具有一个“尺寸”属性（例如 磁盘中的文件，或者机构图中的薪水等）父节点的尺寸是所有子节点尺寸之和矩形面积的大小通常对应节点的属性，每个矩形又按照相应节点的子节点递归的进行分割，直到叶节点位置。

核心问题：空间的分割方法

交替纵横切分法(slice-and- dice Treemap)

• 布局方法:递归地细分屏幕空间成矩形块；整个矩形表示层次化数据中的最高层级（例如文件系统树的根节点，或是所有数据的集合）；较低一层的节点根据各自具有的权重(Weight)的比例，划分最高层节点矩形的面积；它们的子节点再递归地划分各自的父节点，如此往复直到所有层次都划分完毕。

局限：当子节点过多时，交替纵横切分法产生过多的细长的矩形；不同树图布局算法的效果对比。

优点：1、空间利用比节点链接法好2、使用颜色和大小来编码

缺点：1、结构不如节点链接法直接2、难以辨识深层次节点