数据可视化指南(II): 相关篇

浏览: 2094

数据可视化是艺术与科学的结合,读者可以通过<数据可视化指南>专题轻松查找到适合自己的图表类型,轻松应对各种需求。奉上第二弹「相关」类图表

1. 平行集

image.png

平行集:平行集是用于展示分类变量之间是如何地交互变化的新型可视化新方法。每条平行的横轴代表不同的分类变量,每条横轴的组成线段代表该分类变量的不同分类结果,链接于这些分类结果的条形色带表达着不同分类变量的分类结果是如何地交互变化。

功能:相关/对比/分布

案例

image.png

2. 冲积图

image.png

冲积图:冲积图是平行集的一个变体,由于冲积图的形状,及其也突出展现事件间的关联和流动变化,故借地理学名词“冲积扇”而命名为冲积图。冲积图的横轴表示不同变量,而每条纵轴由对应变量的分类结果所代表的线段拼接而成;其中不同颜色的线段代表所在纵轴所代指的分类变量的不同分类结果,并通过设置这些线段的粗细/长短/数值来表示这些分类结果的频率大小。每条垂直线之间的链接弧,反映了不同分类变量的分类结果之间是如何地关联和流动变化。

功能:相关/对比/描述分布/时间趋势

案例

image.png

3. 桑基图

image.png

桑基图:桑基图是冲积图和流程图的结合。桑基图通常用于呈现每项流程之间的能量或材料或成本转移,其中箭头的粗细与该流程的数值按比例显示。桑基图有助于为读者查找整体流动的主要因素。

功能:相关/对比

案例

image.png

4. 和弦图

image.png

和弦图:弦图也叫做弦布局。弦图是显示矩阵中的数据之间的相互关系的图形方法。数据围绕圆周辐射布置,通常将对象之间的关系绘制成链接弧。

功能:相关/对比

案例

image.png

5. 网络可视化

image.png

网络可视化:网络可视化也被称为网络图,网络映射。网络图通常用于呈现大量元素之间的复杂关系。网络可视化按“无向”和“有向”两种图结构区分。网络可视化呈现出各个对象之间的关系,其中每个对象通过圆形节点呈现,而这些圆形节点间的线条则显示它们之间的关系。

功能:相关/概念可视化

案例

image.png

6. 社会关系网图

image.png

社会关系网图:社会关系网图通过有向网络图来呈现多个个体(人/团体/组织等)所具有的社会联系。这种图绘制了群体情况下个体关系,影响渠道等方面的结构。

功能:相关

案例

image.png

7. 双曲树

image.png

双曲树:双曲树是一种启发式的网络可视化手段,一般由一个中心节点延展出去多个子节点,再由这些子节点生成多层网络。绘制双曲树时需要注意层级数量和的节点数量,因为每个级别的节点数量可能呈指数增长,过多的节点可能会造成视觉上的混乱感。

功能:相关

案例

image.png

8. 弧形图

image.png

弧形图:弧形图通过圆弧链接各个节点,以呈现这些节点间的关系,因此弧形图与和弦图以及网络可视化原理一致。节点间关系的强弱可用圆弧的粗细表示,因此读者还可以通过弧线的粗细来比较节点间关系的强弱。

功能:相关/对比

案例

image.png

9. 蜂巢网络图

image.png

蜂巢网络图:蜂巢网络图是呈现网络图的新型方法。网络图的节点被放在辐射状线轴上,而网络图的边被绘制为每条辐射状线轴上节点与节点间的连接。蜂巢网络图简单易懂,解决了当节点数和节点链接庞大时,经典网络图乱糟糟的视觉混乱感。

功能:相关/对比/描述分布

案例

image.png

10. 鱼骨图

image.png

鱼骨图:鱼骨图也被称为石川图或鱼川图。鱼骨图常用于呈现特定事件背后的因果。鱼骨图的常见用途是产品设计和质量缺陷预防,以确定导致整体效果的潜在因素,也被广泛用于咨询行业来分析案例。

功能:相关/因果

案例

image.png

11. 思维导图

image.png

思维导图:思维导图也称头脑风暴图。思维导图通常围绕单个概念创建,这个概念被绘制在空白横向页面中心,然后添加图像,单词和单词部分等想法来表示与概念相关的事物。主要思想直接与中心概念相连,其他思想则从中分离出来。

功能:相关/概念可视化

案例

image.png

12. 欧拉图

image.png

欧拉图:欧拉图是表示集合间关系的示意图。它们与韦恩图密切相关。欧拉图由描绘集的平面中的简单闭合曲线(通常是圆形)组成。曲线的大小或形状并不重要:图表的重要性在于它们如何重叠。由每个曲线(重叠,包含或两者)界限的区域之间的空间关系对应于集合的理论关系(交集,子集和不相容)。

功能:相关/对比/概念可视化

案例

image.png

13. 韦恩图

image.png

韦恩图:维恩图或称集合图,用于呈现集合间逻辑关系的图。维恩图是由约翰·维恩在1880年左右构思的。韦恩图常被用于基础集合理论的教学,并被用来阐述概率,逻辑,统计学,语言学和计算机科学中的简单集合关系。

功能:相关/概念可视化

案例

image.png

14. 热力图

image.png

热力图:热力图也称为热力表或密度表。热力图通过色彩变化来表达矩阵中的各个值的高低。热力图应用广泛,常于地图,散点图等其他数据可视化图表结合,衍生出各式新型可视化工具。

功能:对比/相关/描述分布/时间趋势

案例

image.png

15. 环形热力图

image.png

环形热力图:环形热力图也称为辐射热力图,是热力图与圆环图结合的新型可视化图形,其中的矩阵表格呈辐射状对齐。

功能:相关/对比

案例

image.png

16. 散点图

image.png

散点图:散点图是一种使用笛卡尔坐标呈现两个变量的数学图。散点图的横轴常称为x轴,纵轴常称为y轴,数据用点表示,每个点有唯一确定值(x,y)。散点图用途广泛,与表格,热力图等可视化图形结合出各种新型可视化方法。

功能:相关/分布描述

案例

image.png

17. 趋势线

image.png

趋势线:趋势线是在散点图上通过对散点使用拟合函数绘制的一条线。

功能:相关/分布描述

案例

image.png

18. 袋形图

image.png

袋形图:袋形图也被称为双变量箱形图,通常基于散点图上,通过数个被称为“袋”多边形围闭分割将几个类别的数据分割,以方便人们轻松观察数据集的分布,异常值等。典型例子就是对聚类分析的结果进行袋型图可视化。

功能:相关/对比/分布描述

案例

image.png

19. 蜂巢热力图

image.png

蜂巢热力图:蜂巢热力图也成六角形装箱图,或六角形槽图,可以说是散点图,装箱图和热力图的混合体。但与一般热力图用点来表示密度不同,蜂巢热力图用六角形来呈现某一局部的堆叠密度。使用六边形而不是正方形的原因有很多,其中最重要的是,六边形相比矩形,它更接近圆形。六角形装箱图有效解决散点重合较多,导致视觉上无法较好理解散点密度。

功能:相关/描述分布

案例

image.png

20. SWOT分析图

image.png

SWOT分析图:SWOT分析图也称SWOT矩阵。SWOT分析(或SWOT矩阵)是用于评估优势,弱点,机会和威胁的结构化计划方案。它通常被用于业务计划安排和(或)公司起步,以证明项目或潜在业务的实力。

功能:相关/概念可视化

案例

image.png

21. 三维流图

image.png

三维流图:三维流图也称为3-D曲面图。三维流图是针对函数f(x,y)及其结果或3个变量之间的关系g(x,y,z)的图表。则该图通过三维笛卡尔坐标系中的平面或曲面表示。

功能:相关/分布描述

案例

image.png

22. 三元图

image.png

三元图:三元图也称为角形图,单面图。通过平面图,三元图即可呈现散点的三维分布。三元图中的每个散点有唯一坐标(x,y,z),每条坐标轴的数值大小以逆时针递增,例如x,y和z轴的数值大小递增方向按照以下顺序递增:x→ y,y→ z,z→ x。

功能:相关

案例

image.png

23. 泰勒图

image.png

泰勒图:泰勒图(Taylor,2001)常用于评价模型的精度,常用的精度指标有相关系数,标准差以及均方根误差(RMSE)。一般而言,泰勒图中的散点代表模型,辐射线代表相关系数,横纵轴代表标准差,而虚线代表均方根误差。泰勒图一改以往用散点图这种只能呈现两个指标来表示模型精度的情况。从更广义地来讲,泰勒图可以延展到需要用二维平面呈现三维数据的应用场景。这一点与三元图有异曲同工之妙。

功能:相关/分布描述

案例

image.png

24. 矩阵

image.png

矩阵图:矩阵图是用于显示各个对象之间关系的表格/图。每个单元格代表横纵轴上两个对象的关系,当单元格空白时表示这两个对象不存在关系。

功能:相关/概念可视化

案例

image.png

25. Y型矩阵

image.png

Y型矩阵图:Y形矩阵图也称Y矩阵或Y矩阵图。Y型矩阵图的查阅方式与矩阵图雷同,但Y型矩阵图还可以呈现三维态矩阵图。

功能:相关/概念可视化

案例

image.png

26. 拱顶型矩阵

image.png

拱顶型矩阵图:拱顶型矩阵图的查阅方式与矩阵图雷同,但拱顶型矩阵图是矩阵图的简化版——更多仅关注一维数据的内部矩阵信息。

功能:相关/概念可视化

案例

image.png


推荐 0
本文由 EasyCharts 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册