數據可視化系統除了
視覺呈現部分，另一個核心要素是
用戶交互。交互是用戶通過與系統之間的對話和互動來操縱與理解數據的過程。無法互動的可視化結果，例如靜態圖片和自動播放的視頻，雖然在一定程度上能幫助用戶理解數據，但其效果有一定的局限性。特別是當數據尺寸大、結構復雜時，有限的可視化空間大大地限制了靜態可視化的有效性。其實，即使用戶在解讀一個靜態的信息圖海報時，也常常會通過靠近或者拉遠，甚至旋轉海報以便理解，這些動作相當於用戶的交互操作。具體而言，交互在如下兩個方面讓數據可視化更有效。
- 緩解有限的可視化空間和數據過載之間的矛盾。這個矛盾表現在兩個方面。首先，有限的屏幕尺寸不足以顯示海量的數據:其次，常用的二維顯示平面也對復雜數據的可視化提出了挑戰，例如高維度數據。交互可以幫助拓展可視化中信息表達的空間，從而解決有限的空間與數據量和復雜度之間的差距。Ben Shneiderman提出的信息視覺檢索要訣:overview first,zoom and filter,then details-on-demand 描述了通過交互探索大量數據的有效方法。
- 交互能讓用戶更好地參與對數據的理解和分析。特別是對於可視分析系統來說其目的不是向用戶傳遞定制好的知識，而是提供工具和平台來幫助用戶探索數據得到結論。在這樣的系統中，互動是不可缺少的。
數據可視化中的交互研究屬於可視化與人機交互(HCI)的交叉領域。交互是用戶與系統之間的信息交流。從信息流量來說，可視化中交互兩端的信息流量通常是不對稱的交互的目的是讓用戶來操作視圖和數據，從系統輸出到用戶的信息量比用戶到系統的要多而人機交互領域中許多情況是相反的，許多交互設備的目的是大量采集用戶信息，因此從用戶輸入到系統的信息量更大。
事實上，組成可視化系統的視覺呈現和交互兩部分在實踐中是密不可分的。無論哪一種交互技術，都必須和相應的視圖結合在一起才有意義。許多交互技術也是專門設計並服務於特定視圖的，幫助理解特定數據。對於某種特定交互技術的具體算法和實現細節，本書在介紹相應可視化技術的專題章節中進行了詳細的闡述，而本章重點是在橫向層面上對交互技術進行總結和介紹，為更好地理解和使用各種交互技術建立理論基礎--設計交互需要遵循的准則:從基本操作的分類出發介紹各類常見的交互技術:對交互技術各種不同的分類方法，並且遵循基於交互任務的分類法介紹各類常見的交互技術:對可視化中用到的不同硬件設備和其對應的交互技術進行介紹。
交互分類
1.按低階交互操作
最常見的分類方法的着眼點是低階的基本交互操作。從Ben Shneiderman提出的信息視覺檢索要訣:overview first,zoom and filter, then details-on-demand 出發，他歸納了幾種最基本交互操作:概覽(overview)、縮放(zoom)、過濾(flter)、按需提供細節(details-on-demand)、關聯(relate)、記錄(history)和提取(extract)。Dix則認為交互模式包括高亮(highlight)與焦點、上下翻頁和超鏈接、概況與上下文、同一表示的不同參數、時間軸的過渡 5個大類。Keim 提出了 5 類交互模式:投影、過濾、縮放、失真變形和鏈接與刷動等。Buja和 Wilkinson 提出了與之類似的針對低階的交互操作。
Chuah以所操作的數據類型為標准進行了分類，例如圖形操作、集合操作以及數據操作。圖形操作包括圖形表示以及對可視化對象進行操作，主要是視覺表現層面的交互;集合操作包括創建、刪除和歸納數據對象組成的集合;數據操作是針對單個數據對象的添加、刪除等。
除了從交互操作來分類之外，也有研究按照交互的某種屬性進行分類。例如，Tweedie將交互操作按照直接性(directness)進行分類，從手動直接移動和旋轉數據對象到完全依賴自動算法操縱可視化。
2.按交互操作符與空間分類
Ward 和 Yang 在按用交互操作分類的基礎上進一步提出了更完善的框架a0on，他們按交互操作符與空間分類將交互定文為操作特和操作空間的組合，其中，三類交互操作符包括:導航(navigation)、選擇(selection)和變股(distortion)，六種操作空間指:屏幕空間(scrcen-space)、數據值空間(data value-spaces)、數據結構空間(data structure-space)、屬性空間(attribute-space)、對象空間(object-space)和可規化結構空間(visualization structure-space)。大多數可視化中的交互技術都可以按照上而描述的操作符和操作空間表示。例如，對可視化數據按照其數據值進行過能就是在數據值空間中做選擇操作，而高亮操作則是在屏幕空間中的選擇操作。
引入操作符與操作空間的概念對可視分析系統尤其有幫助。這是因為在可視分析中，用戶通過交互實現數據的變換，切實了解每一步變換中用到的操作符和作用的空間可以幫助記錄並分享分析過程。通過對這個分析過程的挖掘，還可讓機器智能學會自動進行相似的分析。
3.按交互任務分類
上述這些從交互操作和屬性進行的分類有助於對交互技術的研究和理解。但是，從設計可視化系統的角度出發，研發人員通常根據整個系統要完成的用戶任務來選擇交互技術，因此，更為有用的分類方式是按照功能對交互技術進行分類:操作模式不同，但用於完成同一個任務的交互技術被歸於同一類。對於不同的應用領域，可視化要完成的任務和達到的目的也不同，因此研究人員划分和定義的任務分類也很不同。Zhou 和 Feiner 定義了三大類的任務:關系型可視化任務、直接的視覺布局任務和編碼任務。Amar提出了更細致的分類。一個較全面的分類包括如下7個大類的交互任務。
- 選擇:標出感興趣的數據對象。
- 導航:展示不一樣的信息。
- 重配:展示一個不同的可視化配置。
- 編碼:展示一個不同的視覺表現。
- 抽象/具象:展示概覽或更多細節。
- 過濾:根據條件展示部分數據。
- 關聯:展示相關數據。
通過上面的介紹，可以看到交互分類的方法很多，有各自的依據和適用的情況，並不存在一個可以放之四海而皆准的分類。因此，需要對這些分類都有所了解，在應用中根據實際情況選擇合適的分類。
來自《數據可視化》 陳為，沈則潛，陶潛波等著