数据可视化的基本规范,15张图打包一次讲清楚

简介: 前天,小熊妹的同事发过来一张图,问:“小熊小熊,你能从这个图里看出啥问题吗?”(如下图)

前天,小熊妹的同事发过来一张图,问:“小熊小熊,你能从这个图里看出啥问题吗?”(如下图)

0.png

小熊妹当时就震惊了!从这张图,我们可以直观、清晰、明确的看出:“这位同学,你不会做数据图呀!”两个人比身高,不应该背靠背吗,为啥要叠罗汉呢……

1.png




那正确的图该咋画呢?今天小熊妹认真科普一下哦。做数据图只是个通俗说法,行业习惯叫:数据可视化。数据可视化,可以做出很多炫酷的图表,但也不是乱做的,需要遵循一些基本规范。

2.png



什么时候该做可视化


当数据描述很简单的时候,是不需要做可视化的。比如:小熊妹12月份全月个人消费了10000元。这时候只有1个对象,1个指标,1个时间,也没有细分这10000元到底都花到哪里去了,这就属于典型的简单数据,这时候不用做可视化,直接展示出来就好了,多清晰(如下图)


3.png

如果需要描述的数据变得复杂,就可以用图表的形式,让数据变得更容易看,更容易理解。评价数据是否复杂的,是对象,指标,时间,细分四个方面。下边来一个个看看吧~


简单的数据可视化


其他条件不变,当对象从1个变成N个,这时候可以用条形图来展示。比如大家看到小熊妹一个月花了10000大洋!就会想:“哇塞,小熊妹是不是个败家娘妹呢?”这个只有1个人肯定看不出高低,是勤俭持家还是败家,得和其他妹纸比一比(如下图)。

4.png


 

条形图很适合做多个对象之间的比较。因为这种从上到下的陈列方式,很符合人们心中“皇榜”“赛马图”的格局,因此一看过去便知道高低,比直接陈列数字看的清楚。这就是数据可视化的第一个优势:清晰

 

只是,只是这么一对比,就显得小熊妹真的很败家了!才不是呢,哼!


其他条件不变,要考虑一个指标的内部结构,这时候可以用饼图。比如光看小熊妹月消费1万,看起来很败家,可到底花到哪里了呢?如果在北上深这种高消费城市,日常生活都不止1万吧。所以得看看这一万块的构成,这就是内部结构了(如下图)

5.png


 

饼图很适合看内部结构组成。因为切大饼的方法,很直观,能一眼看到占大头的是哪里。这就是数据可视化的第二个优势:直观

 

只是,只是这么一对比,小熊妹的败家似乎更加实锤了!居然有那么大比例网购!肯定在12月剁手剁了不少,熊爪子估计都剁没了!


06.jpg


其他条件不变,要考虑一个指标的时间变化,这时候可以用条形图。比如想知道小熊妹是一直这么败家,还是偶尔剁剁手,光看一个月数据不行,还得多几个月,这时候可以如下图:

7.png


诶?这么一看,似乎为小熊妹洗白了一点:人家只是双十一,双十二的时候才败家吗,平时吃土吃的可积极了!这就是数据可视化的第三个优势:发现规律。数据走势本身,能反应很多问题。

 

如果把时间再放长一点,条条数量更多,可能看不清楚,这时候可以用折线图,比如看小熊妹过往2年的数据,这样至少有24个数,用折线图看的更清楚(如下图)

8.png


时间拉长,看趋势会更清楚。这么看的话,小熊妹就被洗的更白了:人家只是618,双十一,双十二,过年的时候花的多吗!平时是个积极的吃土小能手。

 

其他条件不变,要考虑多个指标的内部结构,这时候可以用雷达图。

9.png

但要注意,如果不同指标单位不一样,直接做雷达图会显得很奇怪,比如收入的单位是元,身高单位是厘米,颜值只能内心打分。这时候可以对每个指标,单独做评分或者做标准化处理,处理成统一的评分或者指数,再做雷达图。

 

复杂的数据可视化


如果用数据描述复杂的问题,对象,指标,时间,细分四个方面,就有两个方面及以上发生变化,做图就会复杂。

 

比如,我们不单单想知道小熊妹过去1年内每个月的消费,每个月的逛街次数,这两个孤立的数据。我们还想知道:是不是逛街越多,花钱就越多。这时候我们想发现的,是数据之间的相关关系,就可以做散点图(如下图所示)


10.png


散点图虽然不能严格论证相关关系,但是可以很直接的反应出来,如果散点图真的分布很散,就说明两个指标之间没啥关系,如果散点图出现一定的规律性,则表明有深入分析的机会点。这是数据可视化的第四个好处:方便。做个图可比做各种模型,算各种检验值方便多了。 

 

如果想观察一个指标在不同时间的结构变化,可以用堆积图(如下图)

11.png

 

堆积图在分析问题的时候,非常有用!比如从上图,能直接看出来,小熊妹消费额变化,主要是网购份额变化导致的,真是网购小能手! 

 

同样的,如果想对比两个对象的结构变化,也用堆积图比较合适。相比饼图,堆积图在反应不同个体的差异的时候,看的更清楚。比如下图,是不是一眼能看出来,萱萱是个吃货呢。

12.png


如果想对比N个对象在不同时间的指标变化,可以用折线图。这种对比会衍生出一种方法:趋势分析法,后续有机会再分享哦。如下图所示:

13.png

如果想对比N个对象在N个指标的差异,可以用雷达图。如下图所示:

14.png


小结来了


反映内部结构:饼图、堆积图

反映时间变化的:柱状图、折线图

反映排名顺序的:条形图

反映相关关系的:散点图

反映多个指标的:雷达图




目录
打赏
0
0
0
0
10
分享
相关文章
【亲测有用】数据中台数据模型管理能力演示
杭州奥零数据科技有限公司成立于2023年,专注于数据中台业务,维护开源项目AllData并提供商业版解决方案。AllData提供数据集成、存储、开发、治理及BI展示等一站式服务,支持AI大模型应用,助力企业高效利用数据价值。
构建高效的数据可视化仪表板:D3.js与React的融合之道
【10月更文挑战第25天】在数据驱动的时代,将复杂的数据集转换为直观、互动式的可视化表示已成为一项至关重要的技能。本文深入探讨了如何结合D3.js的强大可视化功能和React框架的响应式特性来构建高效、动态的数据可视化仪表板。文章首先介绍了D3.js和React的基础知识,然后通过一个实际的项目案例,详细阐述了如何将两者结合使用,并提供了实用的代码示例。无论你是数据科学家、前端开发者还是可视化爱好者,这篇文章都将为你提供宝贵的洞见和实用技能。
128 5
光芒绽放:妙用“GLAD原则”打造标准的数据可视化图表
光芒绽放:妙用“GLAD原则”打造标准的数据可视化图表
93 2
如何用mplfinance打造与众不同的K线图?红涨绿跌背后的实现原理!
【8月更文挑战第21天】在金融市场分析中,K线图是洞察市场动态的关键工具。Python的mplfinance库专为金融数据可视化设计,能高效绘制K线图。针对中国交易者习惯,需将上涨设为红色,下跌为绿色。首先安装mplfinance库,然后准备股票数据。使用自定义颜色函数配合`make_marketcolors`方法实现红涨绿跌效果。此设置让图表更直观,有助于快速把握市场趋势,同时mplfinance的强大功能支持进一步个性化图表。
404 0
项目实战典型案例22——原型图的面向对象思路
项目实战典型案例22——原型图的面向对象思路
106 1
【实战篇】38 # 如何使用数据驱动框架 D3.js 绘制常用数据图表?
【实战篇】38 # 如何使用数据驱动框架 D3.js 绘制常用数据图表?
229 0
【实战篇】38 # 如何使用数据驱动框架 D3.js 绘制常用数据图表?
封装库/工具库中重要概念之数据可视化
数据可视化是现代数据分析的重要手段之一,它能够将复杂的数据以图形化的形式呈现,使用户更加直观地理解数据。在前端开发中,封装库/工具库可以帮助我们更加高效地开发数据可视化应用。
148 0
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等