数据分析中,同样的数据场景采用不同的图表会带来很大的信息差距。正确的匹配数据与图表不仅要有对数据结构的理解、业务的理解,还需要对图形语言学的一定了解和实际可视化项目中的经验,每一个元素背后都有着很深的学问,这里总结了一些常用图表的特性,可以帮助用户更高效的选择合适的图表类型。

数据场景千千万,每个不同的场景都有不同的数据结构、数据记录数和业务需求,这里先不论具体的业务要求,单说不同的数据结构和数据量,大致能够分为四类数据场景:对比/结构分析/分布/关联。

今天先来说一说对比。

对比的数据场景常常基于不同类别或者时间,从单一的维度或者两到三个维度结合区分析比较数据的变化,有时也会结合排序、分组等方法进行分析,常用于“哪个门店的销售额更高”“今年和去年的净利润相比如何”等场景,接下来细致的介绍一些不同数据情况下的比较型图表的使用:

1、数量比较

  • 柱状图是一种广泛使用的图形,阐述了分类的属性变量和数值变量的关系,但是常常用于条目较少(即数据结果较少)的情况,柱状图一般需要排序:如果分类属性变量是有序的,按照它本身的顺序排列即可;如果分类属性变量无序,那么则根据数值变量的大小进行排序,使柱状图的高度单调变化。

  • 在针对地域类分类属性变量时,还衍生出特殊的地图类型图表来用色块深浅进行比较。

  • 当条目较多也可以使用条形图来显示,但数据量不宜超过30,否则图形会比较拥挤,反而阻碍了用户对数据的识别和信息摄取。

2、趋势比较——折线图

连续变化的X轴且注重数值的变化趋势时,折线图无疑是最适合的选择,且对数据量没有过多的限制。

2、占比比较

  • 说到占比,首先想到的应该就是饼图/环图这中巧妙运用圆角度来进行占比分析的图表。饼图的本质仍是柱状图,只不过饼图一般用来表示各个类别的比例,而不是绝对的数值,用角度来映射大小。这里要注意的是,因为一个圆饼只有360度,如果类别太多了,这个饼会被切割得非常细,不利于阅读;这种情况下老老实实地用柱状图。

  • 饼图中有一类比较特殊的模式,叫玫瑰图。同样本质还是柱状图,只不过把直角坐标系映射成极坐标系,看起来更美观。由于扇形的半径和面积是平方的关系,玫瑰图会将数值之间的差异放大,适合对比大小相近的数值。它不适合对比差异较大的数值,因为数值过小的类目会难以观察。此外,因为圆有周期性,玫瑰图也适于表示周期/时间概念,比如星期、月份。依然建议数据量不超过30条,超出可考虑条形图。

  • 而环图的本质就是饼图,只不过把实心圆换成了空心的圆环;如果看板中饼图数量过多觉得单调,可以换个环形图。

3、目标达成

在业务场景中,会出现一些指标类的数据,如销售数量,预期目标与实际达成之间的对比,简单的表达了这一指标的完成情况,设置一个既定的预期标准用来对比区分不同情况下的完成情况。可以用仪表图来表达。

4、多维性能

对于一些多维的性能数据,如综合评价,常用雷达图表示。指标得分接近圆心,说明处于较差状态,应分析改进;指标得分接近外边线,说明处于理想状态。很多游戏中的人物能力极向对比就是以雷达图表示的。柱状图一般是一个分类型变量不同类别间的比较,雷达图可以是多个数值不在同一个维度之下;更具体地说,柱状图一般是横向比较,雷达图既可以多个观测之间的纵向比较,也可以是一个观测在不同变量间的横向比较。要注意的是,雷达图如果用来横向比较,需先把各个数值变量作归一化处理。

标签: , , , , , ,
版权声明:除非注明,否则均为DataFocus企业大数据分析系统 原创文章,转载请以链接形式标明本文地址。否则将追究法律责任。
转载请注明来源:https://www.datafocus.ai/18128.html
上一篇:
下一篇: