层次数据可视化

层次数据（Hierarchical Data）在现实世界中无处不在。从计算机的文件系统（目录包含子目录和文件），到生物学的分类体系（界门纲目科属种），再到互联网的域名系统（如 www.fudan.edu.cn），层次关系是人类组织和理解复杂信息的基本模式之一。

层次数据的可视化目标包括：展示层次结构的全貌、揭示节点之间的父子关系、比较不同子树的规模与深度、支持用户在层次中进行导航和探索。

层次数据的基本结构是树（Tree）：一个连通的无环图。树中有一个特殊节点称为根（root），其他每个节点有且仅有一个父节点。

有根树（Rooted Tree）指定了根节点，每条边都有方向（从父到子）。无根树（Unrooted Tree）没有指定根节点，更常用于生物进化树中，强调节点之间的距离关系而非层级。

层次结构的关键属性包括：深度（从根到节点的路径长度）、度（一个节点的子节点数量）、叶节点（没有子节点的节点）和子树（以某节点为根的子结构）。

节点-链接树（Node-Link Tree）是最直观的树可视化形式：节点用点或图标表示，边用线段连接父子节点。经典的树图布局自上而下排列，根在顶部，叶在底部。

径向树（Radial Tree）将根放在中心，子节点按极坐标展开，空间利用更高效。双曲树（Hyperbolic Tree）利用双曲几何空间的特性，中心区域放大、边缘压缩，实现焦点+上下文的效果。

矩形树图（Treemap）由 Ben Shneiderman 于 1991 年提出，是嵌套型可视化的代表。它用矩形的面积表示节点的大小（如文件大小），用嵌套关系表示层级结构。Treemap 的优势在于能 100% 利用显示空间，特别适合展示大量叶节点的大小差异。

圆堆图（Circle Packing）用嵌套的圆形表示层级关系，父节点的圆包含所有子节点的圆。虽然空间利用率不如矩形树图，但层级结构更加清晰。

冰柱图（Icicle Plot）使用矩形条带表示节点，每层的节点并排排列，宽度表示大小。它类似矩形树图的"展开"版本。

旭日图（Sunburst）是冰柱图的极坐标版本：根在中心，每层用环带表示，角度表示大小。旭日图的美观性好，层级清晰，适合展示多层级的比例关系。

缩进列表（Indented List）是最常见的层次可视化方式——如文件资源管理器中的目录树。每个层级向右缩进固定距离，深度由缩进量直接体现，用户可以展开/折叠子树。

缩进型可视化的优点：简洁熟悉、层级明确、适合精确浏览。缺点：空间利用率低，难以一眼看出整体结构和比例。

当需要比较两棵或多棵层次结构时，问题变得更加复杂。双层次数据比较涉及两棵树的差异检测：哪些节点被增加/删除/移动/修改。多层次数据比较则需要在多棵树之间找出共性和差异。

常用方法包括：并置比较（两棵树并排显示）、叠加比较（在同一视图上用颜色标注差异）、动画过渡（在两个状态之间平滑切换）。