2025年数据可视化设计师考试题库（附答案和详细解析）（0929）.docxVIP

数据可视化设计师考试试卷

一、单项选择题（共10题，每题1分，共10分）

最适合展示时间序列数据变化趋势的图表类型是？

A.散点图

B.折线图

C.饼图

D.热力图

答案：B

解析：折线图通过连接数据点形成连续线条，能直观反映时间维度上的趋势变化（如销售额月度波动）；散点图用于展示变量间相关性，饼图适合分类占比，热力图用于二维数据密度，均不适合时间序列。

提出“数据-墨水比”理论的可视化专家是？

A.EdwardTufte

B.StephenFew

C.AlbertoCairo

D.BenFry

答案：A

解析：EdwardTufte在《可视化解释》中提出“数据-墨水比”，强调最大化数据墨水占比以减少冗余装饰；StephenFew侧重仪表盘设计原则，AlbertoCairo关注伦理与叙事，BenFry是信息可视化实践者。

以下哪种颜色方案最适合色盲用户？

A.红-绿渐变

B.蓝-黄渐变

C.紫-粉渐变

D.橙-褐渐变

答案：B

解析：红绿色盲是最常见的色盲类型（约8%男性），无法区分红绿；蓝黄组合对色盲友好，色彩对比度高且无红绿色冲突。

柱状图与条形图的主要区别是？

A.数据类型不同

B.坐标轴方向不同

C.适用场景不同

D.绘制工具不同

答案：B

解析：柱状图（垂直）以X轴为分类、Y轴为数值；条形图（水平）以Y轴为分类、X轴为数值，本质是坐标轴方向的转置，数据类型和场景可通用。

热力图主要用于展示？

A.数据分布与相关性

B.分类数据对比

C.二维数据密度或数值大小

D.时间序列趋势

答案：C

解析：热力图通过颜色深浅表示二维矩阵中每个单元格的数值（如用户行为热区、销售矩阵），核心是二维密度或数值映射。

信息图表（Infographic）与数据可视化的主要区别是？

A.信息图表不包含数据

B.信息图表包含更多文本与背景信息

C.数据可视化更注重美观

D.信息图表仅用于印刷媒介

答案：B

解析：信息图表是数据可视化与叙事、背景信息（如文字、图标、插画）的结合体（如疫情科普长图），而纯数据可视化更聚焦数据本身的呈现。

数据可视化中“图例”的核心作用是？

A.提升图表美观度

B.解释图表元素（如颜色、形状）的含义

C.标注数据来源

D.显示数据具体数值

答案：B

解析：图例通过说明颜色/符号对应的类别或数值范围（如“红色=高销量”），帮助用户理解图表编码规则，是可读性的关键。

设计数据仪表盘时，最优先考虑的因素是？

A.图表种类的丰富性

B.用户的使用场景（如实时监控/汇报）

C.色彩的鲜艳程度

D.数据的全面性

答案：B

解析：仪表盘需根据用户角色（如高管/运营）和场景（如移动端查看/大屏展示）设计关键指标和交互层级，避免信息过载。

D3.js的核心特点是？

A.无需编程即可生成图表

B.基于数据驱动文档（Data-DrivenDocuments）

C.内置大量预设图表模板

D.适合制作静态信息图

答案：B

解析：D3.js通过操作DOM元素实现数据到图形的绑定（如将数组映射为SVG矩形），支持高度定制化交互，区别于Tableau等低代码工具。

散点图中添加趋势线的主要目的是？

A.增加图表美观度

B.显示数据的分布范围

C.突出异常值

D.显示变量间相关性的方向与强度

答案：D

解析：趋势线（如线性回归直线）通过数学拟合反映两个变量的相关性（正/负相关、斜率表示强度），辅助用户快速判断数据关系。

二、多项选择题（共10题，每题2分，共20分）

以下哪些设计符合“数据-墨水比”原则？

A.去除图表边框和冗余网格线

B.使用3D效果增强立体感

C.简化数据标签的字体样式

D.添加渐变背景提升视觉层次

答案：AC

解析：数据-墨水比要求最大化数据相关墨水（如数据点、线条），减少非数据墨水（如边框、冗余装饰）。3D效果和渐变背景属于冗余装饰（降低数据-墨水比），简化标签字体（保留必要信息）符合原则。

适合展示分类数据对比的图表有？

A.柱状图

B.折线图

C.条形图

D.帕累托图

答案：ACD

解析：柱状图/条形图通过长度对比分类数值（如各地区销售额），帕累托图是排序柱状图+累计折线（用于关键少数分析）；折线图侧重趋势而非分类对比。

数据可视化色彩设计需考虑的因素包括？

A.色盲用户的辨识能力

B.不同文化中颜色的象征意义（如红色在中国代表喜庆）

C.色彩的情绪传达（如蓝色传递冷静感）

D.颜色数量尽量多以区分更多类别

答案：ABC

解析：颜色数量过多（超过7种）会导致用户混淆，通常建议用6-8种高对比度颜色；其他选项均为色彩设计的核心考量（如医疗图表避免红色以免引起紧张）。

数据可视化用户研究需关注的维度有？

A