数据可视化使用小贴士

简介:

我们常常迷失在数据中,纷繁复杂的数据让我们无所适从。可视化作为解决这问题的有效手段,通过视觉的方式让数字易于理解。本文梳理了可视化相关内容,并且根据数据平台组同仁们在可视化项目过程中使用经验,总结一些可视化使用注意事项,与大家分享。

数据可视化使用小贴士

1.饼图顺序不当

数据可视化
(最好的做法是将份额最大的那部分放在12点方向,顺时针放置第二大份额的部分,以此类推。)

2.在线状图中使用虚线

数据可视化
(虚线会让人分心,用实线搭配合适的颜色更容易区分。)

3.数据被遮盖

数据可视化
(确保数据不会因为设计而丢失或被覆盖。例如在面积图中使用透明效果来确保用户可以看到全部数据。)

4. 耗费用户更多的精力

数据可视化
(通过辅助的图形元素来使数据更易于理解,比如在散点图中增加趋势线。)

5.柱状过宽或过窄

(经过调研,柱子的间隔最好调整为宽的1/2。)

6.数据对比困难

数据可视化

(选择合适的图表,让数据对比更明显直接。上图的数据作用是为了比较,显然,柱状图比饼图在视觉上更易于比较。)

7.错误呈现数据

数据可视化
(确保任何呈现都是准确的,比如,上图气泡图的面积大小应该跟数值一样。)

8.不要过分设计

数据可视化
(清楚标明各个图形表示的数据,避免用与主要数据不相关的颜色,形状干扰视觉。)

9. 数据没有很好归类,没有重点区分

数据可视化
(将同类数据归类,简化色彩,帮助用户更快理解数据。上图的第一张没有属于同类型手机中不同系统进行颜色上的归类,从而减少了比较的作用。下图就通过蓝色系很好的把iPhone,Android,WP版归为一类,很好的与iPad版,其他比较。)

10.误导用户的图表

数据可视化
(要客观反映真实数据,纵坐标不能被截断,否则视觉感受和实际数据相差很大。左图的数据起始点被截断从50开始。)


本文作者:LinkinPark

来源:51CTO

相关文章
|
9月前
|
监控 数据可视化 前端开发
数据可视化系列-04数据大屏基础知识
数据可视化系列-04数据大屏基础知识
|
8月前
|
数据可视化 数据挖掘 数据处理
利用Python实现简单的数据可视化
数据可视化是将数据以图形或图像的方式呈现,帮助人们更直观地理解数据背后的信息。本文介绍如何利用Python中的常用库matplotlib和seaborn来实现简单的数据可视化,包括绘制折线图、散点图、柱状图和箱线图等,旨在帮助读者快速上手数据可视化技术。
|
5月前
|
数据可视化 Python
Python实现数据可视化
Python实现数据可视化
|
9月前
|
数据可视化 Shell Python
如何使用Python实现简单的数据可视化
如何使用Python实现简单的数据可视化
49 0
|
9月前
|
数据可视化 数据挖掘 数据处理
利用Python实现简单的数据可视化分析
本文将介绍如何利用Python中的Matplotlib库和Pandas库,通过示例代码演示如何对数据进行简单的可视化分析,为读者展示数据可视化在技术领域的重要性和应用价值。
|
9月前
|
数据可视化 数据挖掘 数据处理
利用Python实现简单的数据可视化分析工具
本文将介绍如何利用Python中的Matplotlib库和Pandas库,结合数据分析技术,快速构建一个简单而强大的数据可视化分析工具。通过本文的指导,读者可以轻松地对数据进行可视化分析,为数据科学和决策提供有力支持。
|
9月前
|
数据可视化 前端开发 JavaScript
探秘D3.js:数据可视化交互式图表与效果
数据可视化已经成为如今大数据时代的重要工具之一。它不仅可以更直观地呈现数据,还可以帮助人们更好地理解数据背后的含义。而D3.js则作为目前最流行的数据可视化库之一,其强大的功能和灵活性广受开发者青睐。本文将介绍如何使用D3.js创建交互式图表和可视化效果,以及如何利用其强大的API来进行个性化定制。
504 0
|
9月前
|
数据可视化 数据挖掘 Linux
数据分析入门系列教程-常用图表
数据分析入门系列教程-常用图表
|
机器学习/深度学习 监控 数据可视化
数据可视化神器
数据可视化神器
|
数据可视化 数据挖掘 Python
Python数据分析系列01-数据可视化展示
人生总是在不断的经历机遇与挑战,尽管现在的人很多都会选择躺平,但不得不承认的是,即便是一个躺平的人,同样会遇到一些生活中的挑战,而当你没有办法回避的时候,也就只能迎难而上了。 我们不该因为困难就轻易放弃,因为一切都会更加的值得。
Python数据分析系列01-数据可视化展示