33种经典图表类型总结,轻松玩转数据可视化

导读:随着时代的发展,越来越多的数据量堆积,然而这些密密麻麻的数据的可读性较差并且毫无重点,而数据可视化更加直观有意义,更能帮助数据更易被人们理解和接受。

因此运用恰当的图表实现数据可视化非常重要,本文归结图表的特点,汇总出一张思维导图,帮助大家更快地选择展现数据特点的图表类型。

▲图表类型-思维指南(点击可放大)

作者:安琪Angela 来源:

https://www.jianshu.com/p/28c4b43c396d

经作者授权转载

接下来我将依次介绍常用图表类型,分析其适用场景和局限,从而帮助大家通过图表更加直观的传递所表达的信息。

1. 柱状图

▲柱状图

展示多个分类的数据变化和同类别各变量之间的比较情况。

  • 适用:对比分类数据。
  • 局限:分类过多则无法展示数据特点。

相似图表:

  1. 堆积柱状图。比较同类别各变量和不同类别变量总和差异。
  2. 百分比堆积柱状图。适合展示同类别的每个变量的比例。

2. 条形图

▲条形图

类似柱状图,只不过两根轴对调了一下。

  • 适用:类别名称过长,将有大量空白位置标示每个类别的名称。
  • 局限:分类过多则无法展示数据特点 。

相似图表:

  1. 堆积条形图。比较同类别各变量和不同类别变量总和差异。
  2. 百分比堆积条形图。适合展示同类别的每个变量的比例。
  3. 双向柱状图。比较同类别的正反向数值差异。

3. 折线图

▲折线图

展示数据随时间或有序类别的波动情况的趋势变化。

  • 适用:有序的类别,比如时间。
  • 局限:无序的类别无法展示数据特点。

相似图表:

  1. 面积图。用面积展示数值大小。展示数量随时间变化的趋势。
  2. 堆积面积图。同类别各变量和不同类别变量总和差异。
  3. 百分比堆积面积图。比较同类别的各个变量的比例差异。

4. 柱线图

▲柱线图[1]

结合柱状图和折线图在同一个图表展现数据。

  • 适用:要同时展现两个项目数据的特点。
  • 局限:有柱状图和折线图两者的缺陷。

5. 散点图

▲散点图

用于发现各变量之间的关系。

  • 适用:存在大量数据点,结果更精准,比如回归分析。
  • 局限:数据量小的时候会比较混乱。

相似图表:

  • 气泡图。用气泡代替散点图的数值点,面积大小代表数值大小。

6. 饼图

▲饼图

用来展示各类别占比,比如男女比例。

  • 适用:了解数据的分布情况。
  • 缺陷:分类过多,则扇形越小,无法展现图表。

相似图表:

  1. 环形图。挖空的饼图,中间区域可以展现数据或者文本信息。
  2. 玫瑰饼图。对比不同类别的数值大小。
  3. 旭日图。展示父子层级的不同类别数据的占比。

7. 地图

▲地图

用颜色的深浅来展示区域范围的数值大小。

  • 适合:展现呈面状但属分散分布的数据,比如人口密度等。
  • 局限:数据分布和地理区域大小的不对称。通常大量数据会集中在地理区域范围小的人口密集区,容易造成用户对数据的误解。

相似图表:

  1. 气泡地图。用气泡大小展现数据量大小。
  2. 点状地图。用描点展现数据在区域的分布情况。
  3. 轨迹地图。展现运动轨迹。

8. 热力图

▲热力图[2]

以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图示。

  • 适合:可以直观清楚地看到页面上每一个区域的访客兴趣焦点。
  • 局限:不适用于数值字段是汇总值,需要连续数值数据分布。

9. 矩形树图

▲矩形树图[3]

展现同一层级的不同分类的占比情况,还可以同一个分类下子级的占比情况,比如商品品类等。

  • 适用:展示父子层级占比的树形数据。
  • 缺陷:不适合展现不同层级的数据,比如组织架构图,每个分类不适合放在一起看占比情况。

10. 指标卡

▲指标卡[4]

突出显示一两个关键的数据结果,比如同比环比。

  • 适合:展示最终结果和关键数据。
  • 缺陷:没有分类对比,只展示单一数据。

11. 词云

▲词云[5]

展现文本信息,对出现频率较高的“关键词”予以视觉上的突出,比如用户画像的标签。

  • 适合:在大量文本中提取关键词。
  • 局限:不适用于数据太少或数据区分度不大的文本。

12. 仪表盘

▲仪表盘

展现某个指标的完成情况。

  • 适合:展示项目进度。
  • 局限:只适合展现数据的累计情况,不适用于数据的分布特征等。

13. 雷达图

▲雷达图[6]

将多个分类的数据量映射到坐标轴上,对比某项目不同属性的特点。

  • 适用:了解同类别的不同属性的综合情况,以及比较不同类别的相同属性差异。
  • 局限:分类过多或变量过多,会比较混乱。

14. 漏斗图

▲漏斗图[7]

用梯形面积表示某个环节业务量与上一个环节之间的差异。

  • 适用:有固定流程并且环节较多的分析,可以直观地显示转化率和流失率。
  • 局限:无序的类别或者没有流程关系的变量。

15. 瀑布图

▲瀑布图

采用绝对值与相对值结合的方式,展示各成分分布构成情况,比如各项生活开支的占比情况。

  • 适合:展示数据的累计变化过程。
  • 局限:各类别数据差别太大则难以比较。

16. 桑葚图

▲桑葚图

一种特定类型的流程图,图中延伸的分支的宽度对应数据流量的大小,起始流量总和始终与结束流量总和保持平衡。比如能量流动等。

  • 适合:用来表示数据的流向。
  • 局限:不适用于边的起始流量和结束流量不同的场景。比如使用手机的品牌变化。

相似图表:

  • 和弦图。展现矩阵中数据间相互关系和流量变化。数据节点如果过多则不适用。

17. 箱线图

▲箱线图

是利用数据中的五个统计量:最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。

  • 适用:用来展示一组数据分散情况,特别用于对几个样本的比较。
  • 局限:对于大数据量,反应的形状信息更加模糊。

本文部分图表案例来源:

[1] Python爬取数万条北京租房数据,从6个维度告诉你房租疯涨的秘密!

[2] 凌晨4点的中国人都在干什么?这份数据可视化地图给你答案

[3] 大数据告诉你,送妈妈什么礼物会让她更开心

[4] 数据揭秘:对不起,运气比努力更重要

[5] 我们爬了10万个产品经理的信息,原来他们都是性感的背锅侠!

[6] 数据揭秘真实的互联网公司:BAT前景最好,这几家面试难度最低

[7] 用《复联3》的豆瓣评分教会你正确使用条形图、饼图、漏斗模型

原文发布于微信公众号 - 大数据(hzdashuju)

原文发表时间:2018-10-17

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

来自专栏大数据文摘

神经网络的叛离:32年前从心理学与生理学分离的瞬间

这一算法由被誉为深度学习之父的Geoffrey Hinton提出。1986年,他发表了名为Learning representations by back-pr...

992
来自专栏AI科技大本营的专栏

AI 行业实践精选:深度学习股市掘金

【AI100 导读】近年来在图像和语音识别等领域,深度学习技术所取得的突破引起了很大关注。目前在金融领域,深度学习的应用也越来越广泛。那么,深度学习可否应用到股...

2604
来自专栏AI科技评论

问答系统冠军之路:用CNN做问答任务的QANet

AI 科技评论按:当前,整个人工智能领域对自然语言处理技术的热情可谓空前高涨。一方面,这是由于借着深度学习的东风,计算机在各种自然语言处理任务中的表现有了突飞猛...

2792
来自专栏数据科学与人工智能

【机器学习】机器学习背后的统计思想

要理解机器学习首先要明白他的定义,很多人给出了定义“学习是人类具有的一种重要智能行为,但究竟什么是学习,长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其...

2518
来自专栏量化投资与机器学习

【精选】神经网络应用于算法交易

今天编辑部带来关于在基于金融时间序列的预测模型案例,我们将通过神经网络来增强一个经典的移动平均策略,并表明它真的是有所改善相对原策略。

29012
来自专栏数据派THU

独家 | 一文读懂优化算法

一、前言 模拟退火、遗传算法、禁忌搜索、神经网络等在解决全局最优解的问题上有着独到的优点,其中共同特点就是模拟了自然过程。模拟退火思路源于物理学中固体物质的退火...

59310
来自专栏互联网大杂烩

评价模型数据挖掘之评价模型

是定性与定量相结合的多准则决策、评价方法。将决策的有关元素分解成目标层、准则层和方案层,并通过人们的判断对决策方案的优劣进行排序,在此基础上进行定性和定量分析。...

1832
来自专栏企鹅号快讯

15大顶级深度学习课程,你收集全了吗?

翻译 | AI科技大本营 参与 | 刘畅、Donna 目前,深度学习和深度强化学习已经在实践中得到了广泛的运用。资源型博客sky2learn整理了15个深度学习...

21410
来自专栏应用案例

实现三遍决策树,你就会想出更快的算法!

背景 决策树(Decision Tree)可以说是当下使用最为广泛的机器学习模型,任何一个刚刚学习人工智能或者数据挖掘的同学可能都接触过实现决策树的课程作业。 ...

21110
来自专栏灯塔大数据

塔荐 | 人工智能工程师的三个层次

导 读 Google Tensorflow框架的Contributor。在计算机视觉领域有深厚的工业经验,带领团队开发的“花伴侣”植物识别App,上线数月即在0...

3373

扫码关注云+社区

领取腾讯云代金券