当你面对着微积分等复杂的数学难题时，你是不是会抓耳挠腮对这些问题冥思苦想。但是，VR的出现意味着数据的可视化即将为你打开新世界的大门。为复杂数学问题而愁眉不展，那即将成为过去。
传统的数据可视化面临的难题
我们需要一个简单的例子使读者更好地理解这篇文章：
在1983年， Amos Tversky 和 Daniel Kahneman两位教授向他的学生提出了下列问题：
琳达（Linda)现年31岁，单身、坦率、非常机智，并主修哲学。作为学生，她尤为关注歧视和社会公正这样的问题，也参加了反核示威游戏。下列描述中哪项更符合她本人：
1、琳达是一个小学老师？
2、琳达在书店工作，并参加瑜珈课程？
3、琳达活跃于女权运动？
4、琳达是一个精神病学社会工作者？
5、琳达是女选民联盟的成员？
6、琳达是一个银行出纳？
7、琳达是一个保险销售员？
8、琳达是银行出纳员并活跃于女权运动？
你选择的是哪一项呢？据他们的调查研究发现，比起第6个选项来说，86%的学生更倾向于选择第8项。但事实的情况时，女权主义银行出纳员仅仅是银行出纳的一种，女权主义出纳员的概念范围比银行出纳员概念范围小得多。还没有弄明白？没关系，我们可以用一张图表让你迅速理解：
Feminists:女权主义者；Bank Tellers:银行出纳员；中间交叉的部分即为“女权主义银行出纳员”
是不是恍然大悟？这就是数据“可视化”的优点。
既然数据可视化有着这样的优势，那我们的生活采用可视化的数据很多问题是不是就迎刃而解了？但是你平常采用的数据有几个维度呢？建立坐标的话，X轴，Y轴，好吧，聪明的读者还会建立Z轴。但即便如此，这样的数据也仅仅只有三个维度。
比起建立X轴，Y轴，Z轴这样立体（或者说抽象）的复杂方式而言，我们在一个三角形上就可以建立起三个维度的数据。通过将每一边的长度与我们想要的维度的数据匹配在一起就够了。但是你的数据有6个维度？不要紧，从理论上来说，可以通过红蓝色谱和光暗色谱来实现5个维度的延伸。
但是，那只是理论，在实际操作中仍存在问题。因此，当你有多个维度的数据需要实现可视化时，有人将视线投入到了“桌子”。没错，是桌子。举个例子来说，桌子的所有性能都能被用来代表一个数据维度：高，桌面的区域，颜色，腿长，桌子抛光的程度，包括类型以及毁损的位置。这样你会获得更多的维度，但是存在的问题是，将这些维度的参数进行匹配无疑烧脑又烧时间。
而数据的可视化不仅仅是要解决高维数据的难题。数学史上最不幸的事件是：容纳多个点和连接线的物体也被称为图形。不能想象？扔张“可视化”图片让你明白，它看起来是这个样子的：
你能告诉我这张图片中的起点和终点在哪里吗？至少我是不知道的。另一方面，图形中央也存在很多问题，大量的重叠区域出现。聪明的读者迅速想到，数据进行立体化呈现就可以了。
不多说，扔张图“可视化”给你看看：
尽管有了更多的缓和余地，图片的处理者甚至采用了运算法则进行标明，但是在中间部分依然存在着大量重叠的部分。那么在此基础之上，想象一下，如果你能够进入这些图片的中心，并按你自己的愿望进行放大缩小，那么对于这些数据的理解将是极为便利的。
VR数据可视化
上述想象并非异想天开，目前已经有相关人员在VR领域从事数据可视化的相关工作。我们不妨看一下目前的相关进展案例：
?CalcFlow
CalcFlow，它是由圣地亚哥大学数学部为可视化3D数学概念而开发的工具。可以说，它直接用来解决你的数学困扰了。目前它建立了一整套的数据演示，允许人们对双积分和N-S方程进行直观的理解。不明白那两个专有名词？没关系。你只需要知道一般人都不懂就够了。在这些演示中，你能够体验到VR在数据可视化上面的优点：你能够改变数据的尺寸，并且围绕着数据进行更为直接的观看，这也就意味着数据变得更加容易理解。除了调整你的观看视野，你也可以对数据的维度进行拖动修改。
?DeathTools
Death，一看到这个词便能够联想到与死亡息息相关。没错，这款VR工具就是旨在让你切身体验死亡——的数字。由于人们理解的有形世界与数字和图表有着根本的不同，所以这款工具使得你能够通过观看摆放在你面前的一排排裹尸袋使你切身体验死亡的数字。简单粗暴有没有？当然，他们的目的显然不是为了让你感受这种死亡的阴影，他们的演示中展示了最近在中东地区战争中的死亡人数。显然进行死亡数字的展示是为了更好的人道主义。你此前通过条形图的数据理解死亡人数，现在让你用另一种更为直观的方式进行理解，胆大的不妨慢慢接受了这道gif。
这款工具的创作者Ali Eslami告诉我们：在我们的知识基础中，对于大数字的感知能力是有缺失的，像经常遇到的1,2，20这样的数字，我们能很容易理解。但是像1000,10000这样的数字出现，我们会在理解上出现困难，而用这些数字通常意义上所代表的多和大来理解。
所以，这款工具的出现是为了让你理解真实的死亡人数，而不是数字意义上的死亡人数。
?Kineviz
我们目前已经在VR领域取得大量进展，作为一款3D图形探索工具Kineviz也值得一提。它被用来解决我们此前提到的高密度信息存在容易出现重叠和覆盖的难题。使用者能够更为直观的体验数据上的差异。
VR在数据可视化上能做到的，是解决此前传统的数据可视化在高维和高密度情形下不能起作用的情形，并使得操作过程更为轻松容易。但是也存在问题，它迫使数据要更具有体验性，同时人们将发现很难利用发布的数据来匹配一个预设好的故事。优点更为明显，你可以利用它改变正在观看的数据模型，并且在其他时候你无法进行想象的数据也能够在VR中直接进行感知。
零镜观点
在传统的数据可视化方面存在的问题，VR无疑都能一一化解。更为重要的是，它使得这个过程变得更为直接与容易。所有你无法想象的数据化难题，在这个世界都能够为你一一展现。那些从前为高等数学填过的坑，VR不费吹灰之力就将其填满。而这就意味我们与科学之间的距离越来越近，我们正在逐步填满我们不能理解的深渊。
【本文由零镜网（微信号：ZeroneVR）原创，转载请注明出处！零镜网由多名从业超过10年的资深IT媒体人创立，为VR/AR从业者提供全产业链资源对接，分享前沿技术和应用方案，打造专业硬件评测及VR电竞赛事。】
