16大类31种好看的可视化图表,图表控们快收藏!

在日常工作中,很多人都会面对一堆数据,却不知道如何更直观地展示它们,或者不知道用什么样的图表能达到更好的展示效果!花了一些时间整理了工作中经常用到的数据图表,希望对大家有用,不再是单纯给领导、用户展示干瘪的数据~

本文除了柱状图、条形图、折线图和饼图等常用图表之外,还有数据地图、瀑布图和散点图,旭日图,漏斗图等等。一起了解下不同图表的使用场景、优劣势吧!

柱状图

适用场景:

二维数据集(每个数据点包括两个值x和y),但只有一个维度需要比较,用于显示一段时间内的数据变化或显示各项之间的比较情况。适用于枚举的数据,比如地域之间的关系,数据没有必然的连续性。

优势:柱状图利用柱形的高度,反映数据的差异,肉眼对高度差异很敏感。

劣势:柱状图的局限在于只适用于中小规模的数据集。

延伸图表:

堆积柱状图、百分比堆积柱状图

不仅可以直观地看出每个系列的值,还能够反映出系列的总和,尤其是当需要看某一单位的综合以及各系列值的比重时最适合。

堆积柱状图

百分比堆积柱状图

条形图

适用场景:

显示各个项目之间的比较情况,和柱状图类似的作用。

优势:每个条都清晰地表示数据,直观。

延伸图表:

堆积条形图、百分比堆积条形图

堆积条形图

百分比堆积条形图

折线图

适用场景:

折线图适合二维的大数据集,还适合多个二维数据集的比较。一般用来表示趋势的变化,横轴一般为日期字段。

优势:可以清楚地反映出数据变化的趋势。

各种数据地图

适用场景:

适用于有空间位置的数据集,一般会分成行政地图(气泡图、面积图)和GIS地图。行政地图一般包含省份和城市数据就够了(比如福建-泉州);GIS地图需要经纬度数据,更细化到具体的区域。只要有数据,可以做出区域、省份、全国乃至全球的地图。

优劣势:特殊状况下使用,涉及行政区域。

(1)行政地图(面积图)

(2)行政地图(气泡图)

(3)GIS地图:点状图

(4)GIS地图:热力图

(5)GIS地图:(北京某区域)散点图

Ps:区域地图,可以放大或缩小区域哦~~

(6)GIS地图:地图+柱状/饼图/条形

饼图(环图)

适用场景:

显示各项的大小与各项总和的比例。适用简单的占比比例图,适用于不要求数据特别精细的情况。

优势:明确显示数据的比例情况,尤其合适渠道来源等场景。

劣势:没有具体的数值,只是整体的占比情况。

饼图、环图你喜欢那个呢,可以直接设置~

雷达图

适用场景:

雷达图适用于多维数据(四维以上),一般用来表示某个数据字段的综合情况,数据点一般为6个左右,太多的话辨别起来有困难。

优势:主要用来了解各项数据指标的变动情形及其好坏趋向。

劣势:理解成本较高。

漏斗图

适用场景:

漏斗图适用于流程多的业务的流程分析,显示各流程的转化率。

优势:在网站分析中,通常用于转化率的比较,它不仅能展示用户从进入网站到实现购买的最终转化率,还可以展示每个步骤的转化率,能够直观地发现和显示问题所在。

劣势:单一的漏斗图无法评价网站某个关键流程中各步骤转化率的好坏。

词云

适用场景:

显示词频,可以用来做一些用户画像、用户标签的工作。

优势:很酷炫、很直观。

劣势:使用场景较为单一,一般用来做词频。

散点图

适用场景:显示若干数据系列中各数值之间的关系,类似X、Y轴,判断两个变量之间是否存在某种联系。散点图适用于三维数据集,但其中只有两维数据是需要比较的。另外,通过散点图还能看出极值的分布情况。

优势:对于处理值的分布和数据点的分簇区域(通过设置横纵项的辅助线),散点图的表现方式都很理想。如果数据集中包含非常多的点,那么散点图便是最佳的图表类型。

劣势:在点状图中显示多个序列看起来非常混乱。

延伸图表:

气泡图(调整尺寸大小就成气泡图了)

面积图

适用场景:

强调数量随时间而变化的程度,也可用于引起人们对总值趋势的注意。

延伸图表:

堆积面积图、百分比堆积面积图还可显示部分与整体之间(或者几个数据变量之间)的关系。

指标卡

适用场景:

显示某个数据结果&同环比数据。

优势:适用的场景很多,很直观地告诉看图者数据的最终结果,还可以看不同时间维度的同环比情况。

劣势:只是单一的数据展示,最多有同环比,但是不能对比其他数据。

计量图

适用场景:

一般用来显示项目的完成进度。

优势:很直观地展示项目的进度情况,类似于进度条。

劣势:表达效果很明确,数据场景很单一。

瀑布图

适用场景:

采用绝对值与相对值结合的方式,适用于表达数个特定数值之间的数量变化关系,最终展示一个累计的值。

优势:展示两个数据点之间的演变过程,还可展示数据的累积过程。

桑基图

适用场景:

一种特定类型的流程图,始、末端的分支宽度总和相等,一个数据从始至终的流程很清晰,图中延伸的分支的宽度对应着数据流量的大小,流量随着时间的推移变化的情况,通常应用于能源、材料成分、金融等领域数据的可视化分析。

旭日图

适用场景:

旭日图可以表达清晰的层级和归属关系,以父子层次的结构来显示数据构成情况,旭日图能便于细分溯源分析数据,通过分层占比情况真正了解数据的具体构成。

优势:分层看数据很直观。

双轴图

适用场景:

柱状图+折线图的结合,适用情况很多,比如数量级相差很大的情况、数据同环比分析对比。

优势:通用性强,属于不同图表的组合使用,比如柱状图+折线图的结合,图表很直观。

劣势:个人感觉这个好像没什么劣势。

虽然看似只有16类图表,其实一共有31种图表,可以认真数一数哈~

当然,当你分析数据的时候一定不会只用一种图表,尤其是在数据报告中,每次都会用到很多图表,那各种图表的结合效果图也顺便简单地展示一下:

销售业绩分析

公司员工信息分析

下面是深色背景(星空蓝)下的图表效果:

原文发布于微信公众号 - 钱塘大数据(qtbigdata)

原文发表时间:2017-10-31

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

腾讯AI Lab 8篇论文入选,从0到1解读语音交互能力 | InterSpeech 2018

AI科技评论按:Interspeech 会议是全球最大的综合性语音信号处理领域的科技盛会,首次参加的腾讯 AI Lab共有8篇论文入选,居国内企业前列。这些论文...

511
来自专栏新智元

【重磅】机器阅读理解终于超越人类水平!权威竞赛排名中国霸榜,MSRA、阿里、腾讯前二

新智元报道 编辑:刘小芹 弗朗西斯 【新智元导读】2018年1月3日,微软亚洲研究院的r-net率先第一个在SQuAD machine reading ...

3576
来自专栏CSDN技术头条

IEEE2015 可视化会议-机器学习渐呈星火燎原之势

最近,我参加了在芝加哥举办的IEEE 2015可视化大会,并草草记录了一些有关机器学习的内容。对于那些不了解该会议的人来说,你有必要了解下,这是从业者、学者和研...

1817
来自专栏AI科技大本营的专栏

David Silver深度强化学习课程「中文字幕」— #共同学习

David Silver 博士是 AlphaGo 的最主要研发人员。众所周知,AlphaGo 是第一个战胜人类顶级围棋高手的计算机围棋程序。AlphaGo 底层...

3695
来自专栏null的专栏

简单易学的机器学习算法——协同过滤推荐算法(1)

一、推荐系统的概念     推荐系统(Recommendation System, RS),简单来说就是根据用户的日常行为,自动预测用户的喜好,为用户提供更多完...

3748
来自专栏新智元

【ICCV 13大不可错过的有趣项目】实时任意风格迁移、手机照片背景模糊……

来源:techcrunch 作者:Devin Coldewey 编译:马文 【新智元导读】计算机视觉领域顶会之一的 ICCV 结束不久,图像质量提升、从头创建...

3437
来自专栏AI科技评论

旷视科技首席科学家孙剑:如何打造云、端、芯上的视觉计算 | CCF-GAIR 2018

AI 科技评论按:2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,得到了...

1093
来自专栏新智元

【重磅】谷歌发布Open Images图片数据集,包含9百万标注图片

AI World 2016世界人工智能大会 ❶ 业界领袖回溯60年AI历史,全球对话人工智能未来挑战,权威发布2016世界人工智能名人堂及中国人工智能产业发展报...

3565
来自专栏大数据文摘

吴恩达的课上完了?如何科学开启你的深度学习论文阅读生涯

当你阅读了深度学习相关的书籍或者上过精彩的在线课程后,你将如何深入学习?如何才能够“自力更生”,独立地去了解相关领域中最新的研究进展?本文作者Nityesh A...

641
来自专栏华章科技

超级干货 :一文读懂社交网络分析

社交网络在维基百科的定义是“由许多节点构成的一种社会结构。节点通常是指个人或组织,而社交网络代表着各种社会关系。”在互联网诞生前,社交网络分析是社会学和人类学重...

1212

扫码关注云+社区