图表(Chart & Graph)你真的用对了吗?

简介: 工作中,我们常常会遇到各式各样的数据,例如网站性能,销售业绩,客户服务 、营销活动等数据。对于这些数据,有哪些行之有效的方法来形象化数据,挖掘数据关系,提升数据价值呢? 答案就是将这些数据可视化。

工作中,我们常常会遇到各式各样的数据,例如网站性能,销售业绩,客户服务 、营销活动等数据。对于这些数据,有哪些行之有效的方法来形象化数据,挖掘数据关系,提升数据价值呢?

答案就是将这些数据可视化。数据可视化主要是借助图形化的方法,清晰有效的展示数据,让关系繁杂的数据变得一目了然,数据趋势变得明显,数据内在关系变得明确。

数据可视化的第一步就是选择选择合适的图表类型。

为了确保我们正确的使用了图表,可以从以下5个方面具体考虑。

1. 是否需要对比数据?

图表很适合于对比多个数据集。通过图表,可以轻易的看到数据的高低。有以下几种类型,用于创建对比数据的图表:

  • 柱状图
  • 条形图
  • 百分比图
  • 线形图
  • 散点图
  • 子弹图

2. 是否需要展示数据的组成部分?

这种图表类型主要用于展示数据的所有组成部分,例如各省份的数据合在一起组成全国数据。

有以下几种图表类型,展示数据的组成:

  • 饼状图
  • 堆叠条形图
  • 堆叠柱形图
  • 面积图
  • 瀑布图

3. 是否需要了解数据的分布?

分布图表能够帮助我们清晰的理解正常趋势、正常范围和异常值。

有以下几种图表类型,展示数据的分布:

  • 散点图
  • 线形图
  • 柱状图
  • 条形图

4. 是否需要分析数据趋势?

可以通过这种图表了解数据集的更多趋势信息。主要有以下几种图表类型:

  • 线形图
  • 双轴线图
  • 柱状图

5. 是否需要了解更多数据集之间的关系?

关系图形很适合于显示一个变量与单个或多个不同变量之间的关系,以便查看变量是否对其它变量产生了影响。

关系图形有以下几种类型:

  • 散点图
  • 气泡图
  • 线形图

下面是13 种用于分析和呈现数据的不同类型的图表。为了更好地了解每个图表以及如何使用它们,文中分别对每一种图表进行了概述。

1)柱状图

柱状图用于显示不同数据之间的对比,也可以显示随时间变化的数据对比。

设计柱状图的最佳做法:

  • 图表中使用对比色,高亮特殊有意义的数据。
  • 使用水平标签,提高数据可读性。
  • y轴起始为0,可以显示各柱状的数值。

2)条形图

条形图基本上是水平的柱形图,可以用于避免在超过10个项目进行比较时产生杂乱。这种图表类型也可用于显示负数。

设计条形图的最佳做法:

  • 图表中使用对比色,高亮特殊有意义的数据。
  • 使用垂直标签,提高数据可读性。
  • X轴起始为0,可以显示各柱状的数值。

3)线形图

线形图展示了数据随时间变换的趋势,可用于显示许多不同类别的数据。需要绘制连续的数据集时,很适合使用这种图表类型。

设计线形图的最佳做法:

  • 使用实线绘制。
  • 数据线不超过4条,以免产生混乱。
  • 使用正确的高度,使线条占据y轴高度的2/3左右。

4)双轴图

双轴图可用于显示双Y轴的数据。这种图形由三个数据集组成,两个Y轴数据,一个X轴数据。主要用于显示两个Y轴随X轴变化时的相关性。

设计双轴图的最佳做法:

  • 使用左侧的y轴作为主要变量 ,因为大脑自然倾向于先看向左。
  • 使用不同的图形样式来说明两个数据集,如上所示。
  • 为两个数据集使用对比色。

5)面积图

面积图基本上是一条线图,但X轴和线之间的空间用颜色或图案填充,用于显示局部和整体的关系,可以帮助分析总体趋势和单个数据趋势。

 

设计面积图的最佳做法:

  • 使用透明的颜色 ,使Y轴标签不被遮蔽。
  • 最多显示4个数据,以免产生混淆。
  • 图表顶部的数据是高度可变的,方便阅读。

6)堆叠条形图

这种图表用于比较多个不同的数据集,并显示每个被比较的数据集的组成。

设计堆叠条形图的最佳做法:

  • 最适用于说明部分和整体的关系。
  • 使用对比色,会使对比更加清晰。
  • 图表尺寸足够大,以便各数据组之间有间隙。

7)饼状图

饼状图用于显示整体的组成比例。饼状图的每一部分都是百分比数字,所有部分的总和等于100%。 

设计饼状图的最佳做法:

  • 组成部分不宜过多,以免各部分之间不好区分。
  • 确保各部分百分比加起来达到100%。
  • 百分比与扇形面积成正比。

8)散点图

散点图用于显示两个不同变量之间的关系,或者用于揭示数据的分布趋势。当数据点较多并且需要显示数据集的相似性时,可以使用散点图。这种图形在寻找异常值或了解数据的分布时,会非常有用。

 

设计散点图的最佳做法:

  • 尽可能的多包含数据。
  • 启动y轴为0,以便准确地表示数据。
  • 只使用两条趋势线,以便点数据更好理解。

9)气泡图

气泡图类似于散点图,用于显示分布或关系。气泡或圆的大小代表着数据大小。

 

设计气泡图的最佳做法:

  • 气泡的面积代表数据大小。
  • 确保标签清晰可见。
  • 仅使用圆形。

10)瀑布图

瀑布图用于显示初始值如何受到中间值(正或负)的影响,并产生最终值,主要用于展示数据的组成。

设计瀑布图的最佳做法:

  • 使用对比色来突出显示数据集中的差异。
  • 使用温暖的颜色代表增加,冷色代表减少。

11)漏斗图

漏斗图显示了一系列步骤以及每一步的完成率,主要用于跟踪每一个页面或步骤的转换率。

设计漏斗图的最佳做法:

  • 根据数据集的大小,准确的显示每个部分的大小。
  • 漏斗图中使用渐变色调中的对比色。

12)子弹图

子弹图用于和标尺做对比,以便显示目标的进展程度。

设计子弹图的最佳做法:

  • 使用对比色来突出显示数据的进度。
  • 使用不同色调的颜色来衡量进度。

13)甘特图

甘特图擅长说明项目的开始和结束日期要素。 设定期限对项目的成功至关重要。 时刻了解需要完成的事情以及什么时候完成,是实现项目成功的关键。 这正是引入甘特图的原因。

设计甘特图的最佳做法:

  • 迅速的改变甘特图中的条状颜色,以便告诉阅读者参数的关键变化。
  • 可以在甘特图中结合地图和其它图表类型。

看完以上常用图表的介绍,你真的用对了图表吗?

原文链接:https://blog.hubspot.com/marketing/data-visualization-choosing-chart

 

相关阅读:

【报表福利大放送】100余套报表模板免费下载

报表应用系统中如何正确使用图表功能

用于 Windows8 的 Wijmo Charts 图表控件

用Spread设计器创建和编辑图表

 

相关文章
|
异构计算
单卡可推理CodeFuse-CodeLlama-34B 4bits量化版本魔搭开源!
继2023-09-11 CodeFuse-CodeLlama-34B发布,HumanEval pass@1指标达到74.4% (贪婪解码), 为当前开源SOTA。最近,CodeFuse-CodeLlama-34B 4bits量化版本发布,CodeFuse-CodeLlama-34B-4bits是CodeFuse-CodeLlama-34B模型的4bits量化版本,后者是通过QLoRA对基座模型CodeLlama-34b-Python进行多代码任务微调而得到的代码大模型,模型输入长度为4K。
|
开发工具 git 开发者
Git Pull vs. Git Fetch:深度解析
【2月更文挑战第29天】
2986 0
Git Pull vs. Git Fetch:深度解析
|
机器学习/深度学习 数据采集 编解码
深度学习原理篇 第八章:CLIP
简要介绍clip的原理和代码实现。
3604 0
|
安全 数据库
通过E-R理解 主键和外键的关系
实例 现有课程和教师两个实体,课程实体的属性有课程名称、课程编号、课程属性、考试类型;教师实体的属性包括姓名、工号、职称;一门课程可以有多个教师,且每一位教师可以教授多门课程。教师每教授一门课有课序号。
6628 1
通过E-R理解 主键和外键的关系
|
9月前
|
人工智能 自然语言处理 算法
AI-Researcher:告别熬夜肝论文!港大开源AI科研神器,从选题到发表全自动
AI-Researcher 是香港大学数据科学实验室推出的开源自动化科研工具,基于大型语言模型(LLM)代理,支持从研究想法到论文发表的全流程自动化,涵盖文献综述、算法设计、实验验证和论文撰写等功能。
803 8
AI-Researcher:告别熬夜肝论文!港大开源AI科研神器,从选题到发表全自动
|
机器学习/深度学习 人工智能 自然语言处理
开源版GPT-4o来了,AI大神Karpathy盛赞!67页技术报告全公开
【10月更文挑战第20天】近日,开源版GPT-4o的发布成为AI领域的焦点。作为GPT系列的最新成员,GPT-4o在性能和多模态数据处理方面实现了显著提升,得到了知名AI专家Andrej Karpathy的高度评价。该模型的开源特性将进一步促进AI研究的进展。
1016 3
|
人工智能 JSON 数据可视化
OpenAI调用接口多轮对话Multi Turn Multi Agent 多轮多角色对话调试和可视化工具Dialogue Visualization
伴随着生成式人工智能技术发展,进2年涌现出大语言模型LLM/Agent系统/AI推理等众多方向的技术项目和论文。其中对话系统,智能体交互是用户通过UX界面和AI系统进行交互,这种交互有时候也是多模态(用户输入文字/语音/图像)等等。在调用OpenAI 的对话接口时候,有时候需要把对话结果打印出来检查是否有bug,JSON数据格式就比较难看出来了,尤其是有多角色的多轮对话。这个时候可以借助一些在线的"对话"可视化的工具 (Online Dialogue Visualization Tool) DeepNLP Dialogue Visualization Tool,方便产品经理,算法研发,学术研究
OpenAI调用接口多轮对话Multi Turn Multi Agent 多轮多角色对话调试和可视化工具Dialogue Visualization
|
人工智能 自然语言处理 语音技术
简介阿里云大模型的基本概况和产品矩阵
阿里云在大模型领域深入研究,推出了通义千问、通义万相、通义听悟等产品,涵盖自然语言处理、图像生成、语音识别等多个方面,同时提供行业专属模型和MaaS平台,致力于为企业和个人用户提供高效、智能的服务。
2099 0
|
人工智能 测试技术 人机交互
深入浅出智能工作流(Agentic Workflow)|技术干货
著名AI学者、斯坦福大学教授吴恩达提出AI Agent的四种设计方式后,Agentic Workflow(智能体工作流)在全球范围内迅速走红,多个行业纷纷实践其应用,并推动了新的Agentic AI探索热潮。吴恩达总结了Agent设计的四种模式:自我反思、工具调用、规划设计及多智能体协作。前两者较普及,后两者则为智能体使用模式从单一大模型向多智能体协同配合完成业务流程的转变奠定了基础。
6782 3
|
C语言 Linux
linux系统的glibc是什么?为什么很重要?
【6月更文挑战第3天】linux系统的glibc是什么?为什么很重要?
1454 2