可视化图表10个错误的表达方式,你犯了几个

这里有10个数据可视化的案例,包括你可能犯的错误和快速修复补救的方法。

1

混乱的饼图分割

饼图,是最简单的图表之一。不过偏偏有人喜欢把它搞得很复杂。

饼图的设计应该直观而清晰,理论上,一个饼图不应该分割超过5块。下面就是两种可以让读者的注意力瞬间集中到你要表述的重点的方法。

第一种:将最大的部分放在12点钟方位,要顺时针。第二部分12点钟,逆时针方向。剩下的部分可以放在下面,继续逆时针方向。

方法二:最大一块12点钟开始,顺时针方向旋转。剩余部分在降序排列,顺时针。

2

折线图中使用不连贯线条

虚线,虚线容易分散注意力。相反,使用实线和颜色,反而容易区分彼此的区别。

3

数据排序混乱

你的内容应该以一种合乎逻辑的和直观的方式来引导读者了解数据。所以,记得将数据类别按字母顺序,大小顺序,或价值进行排序。

4

数据模糊不清

确保没有数据丢失或被设计。例如,使用标准的面积图时,可以添加透明度,确保读者可以看到所有数据。

5

让读者自己解读

设计师应该使图表尽可能轻松地帮助读者理解数据。例如,在散点图中添加趋势线来强调的趋势。

6

扭曲数据

错误确保所有可视化方式是准确的。例如,气泡图大小应该根据区域扩展,而不是直径。

7

热力图上使用不同颜色

颜色用得太花,会给数据增加不可承受之重,相反,设计师应该采用同一色系,或者类比色。

8

条状图太胖或太瘦

或许你的报告很有创意,非常精彩,但是记得图表设计水平也要跟上。条形图之间的间隔应该是1/2栏宽度.

9

很难比较数据

比较是展示数据差异的好法子,但是如果你的读者不容易看出差别的话,那么你的比较就毫无意义。确保所有的数据都是呈现在读者面前,选择最合适的比较方法。

10

用3D图表

虽然他们看起来很酷,但是3d形状可以扭曲感知,因此扭曲数据。坚持2 次元,确保数据准确。

原文发布于微信公众号 - IT派(transfer_3255716726)

原文发表时间:2018-06-09

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

来自专栏数据科学与人工智能

【机器学习】有趣的机器学习:最简明入门指南

在听到人们谈论机器学习的时候,你是不是对它的涵义只有几个模糊的认识呢?你是不是已经厌倦了在和同事交谈时只能一直点头?让我们改变一下吧! 本指南的读者对象是所有对...

33280
来自专栏算法+

大话音频变声原理 附简单示例代码

在当今的主流采集卡上,采样频率一般共分为22.05KHz、44.1KHz、48KHz三个等级,

49620
来自专栏生信宝典

数据可视化基本套路总结

真依然很拉风,简书《数据可视化》专栏维护者,里面有很多优秀的文章,本文便是其中一篇。

54420
来自专栏AI研习社

视频 | 10行代码,用大脑重量预测体重!硅谷AI网红亲身示范

Siraj Raval 作为深度学习领域的自媒体人在欧美可以说是无人不知、无人不晓。 凭借在 Youtube 上的指导视频,Siraj Raval 在全世界吸...

45560
来自专栏PPV课数据科学社区

【学习】数据可挖掘的知识类型

一、概念/类 描述 概念/类描述就是通过对某类对象关联数据的汇总,分析和比较,用汇总的简洁的精确的方式对此类对象的内涵进行描述,并概括这类对象的有关特征。概念描...

34730
来自专栏PPV课数据科学社区

【技能】Python爬虫和情感分析简介

这篇短文的目的是分享我这几天里从头开始学习Python爬虫技术的经验,并展示对爬取的文本进行情感分析(文本分类)的一些挖掘结果。 不同于其他专注爬虫技术的介绍,...

38040
来自专栏人工智能头条

如何入门Python与机器学习 | 赠书

17420
来自专栏新智元

【ICML+NIPS过去12年数据】机器学习被引次数最高作者Top 20

【新智元导读】为了研究AI研究领域的最新趋势,Kakao AI 研究小组对2005年至2016年期间ICML和NIPS发表的6163篇科学论文进行了分析,从累积...

499140
来自专栏机器之心

资源 | FAIR & NYU开发XNLI语料库:15种语言(含低资源语言)

项目地址:https://github.com/facebookresearch/XNLI

20430
来自专栏鸿的学习笔记

深度学习的五种分类

卡洛斯佩雷斯为深度学习为基础的AI给出了自己的分类。这个分类让我们知道我们目前在哪里,我们可能走向哪里。

14010

扫码关注云+社区

领取腾讯云代金券