数据可视化的图表类型简介

简介:

数据可视化有很多既定的图表类型,下面我们分别来谈谈这些图表类型,他们的适用场景,以及使用的优势和劣势。

1.柱状图

数据可视化
适用场景:它的适用场合是二维数据集(每个数据点包括两个值x和y),但只有一个维度需要比较。

优势:柱状图利用柱子的高度,反映数据的差异。肉眼对高度差异很敏感,辨识效果非常好。

劣势:柱状图的局限在于只适用中小规模的数据集。

2.折线图

数据可视化
适用场景: 折线图适合二维的大数据集,尤其是那些趋势比单个数据点更重要的场合。它还适合多个二维数据集的比较。

优势:容易反应出数据变化的趋势。

3.饼图

数据可视化
适用场景:适用简单的占比图,在不要求数据精细的情况下可以适用。

劣势:饼图是一种应该避免使用的图表,因为肉眼对面积大小不敏感。

4.漏斗图

数据可视化
适用场景:漏斗图适用于业务流程比较规范、周期长、环节多的流程分析,通过漏斗各环节业务数据的比较,能够直观地发现和说明问题所在。

优势:能够直观地发现和说明问题所在。在网站分析中,通常用于转化率比较,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。

劣势:单一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。

5.地图

数据可视化
适用场景:适用于有空间位置的数据集。

优劣势:特殊状况下使用。

6.雷达图

数据可视化
适用场景:雷达图适用于多维数据(四维以上),且每个维度必须可以排序。但是,它有一个局限,就是数据点最多6个,否则无法辨别,因此适用场合有限。

劣势:需要注意的时候,用户不熟悉雷达图,解读有困难。使用时尽量加上说明,减轻解读负担。


本文作者:佚名

来源:51CTO

相关文章
|
3月前
|
JSON 数据可视化 数据格式
数据可视化——根据提供的数据,将数据经过处理后以折线图的形式展现
数据可视化——根据提供的数据,将数据经过处理后以折线图的形式展现
|
11月前
|
数据可视化
数据可视化平台Datart-创建柱状图
数据可视化平台、Datart
366 0
|
存储 数据可视化 数据挖掘
数据可视化的作用
个人很喜欢《数据可视化》一书中从英文角度的解释,可视化的动词是 visualize,他可以被解释为“使什么看的见、形象化、设想”。 将数据代入进去便是使数据看得见,使数据形象化。更为术语的解释是“生成符合人类感知”的图像。其名词 Visualization 表达使某事某物可见的动作或事实,对某个原本不可见的事物在人的大脑中形成一幅可感知的心理图片的过程或能力。这也一定程度的将可视化的本质原因融入了进去。
数据可视化的作用
|
数据采集 数据可视化 BI
28个数据可视化图表的总结和介绍
在这篇文章中,我们将整理我们能看到的所有数据可视化图表。如果你是数据科学初学者,那么本文将是最适合你的。
157 0
28个数据可视化图表的总结和介绍
|
数据可视化 数据挖掘 大数据
数据可视化作用|学习笔记
快速学习数据可视化作用
90 0
数据可视化作用|学习笔记
|
Web App开发 移动开发 前端开发
前端数据可视化插件(一)图表
前端数据可视化插件(一)图表
前端数据可视化插件(一)图表
|
数据可视化 Python