数据可视化及图表简介

浏览: 199

提到数据分析,就一定会有数据可视化。因为字不如表,表不如图,图像可以更加直观清晰的表达数值所无法表达的含义。可视化是数据分析的核心理念,我们往往会追求图表尽可能的具有美感,但是具有美感的图表不一定是有用的图表,两者之间不能划等号。


数据可视化的目的是让数据更高效,让读者快速了解而非只是自己使用才是我们最终的目标。在突出数据背后的规律,突出重要因素的前提下我们再进行美观上的优化才是正确的选择。

图表的基础概念

维度:描述分析的角度和属性,分类数据。时间,地理位置,产品类型等

度量:具体的参考数值,数值数据。元,销量,销售金额等

图表类型与应用

散点图

主要解释数据之间的规律

维度:0+

度量:2


图1

气泡图(变种的散点图1)

气泡图是散点图的变种,引入了第三个度量作为气泡的大小

维度:1+

度量:3

图2

单轴散点图(变种的散点图2)

维度作Y轴,更倾向于洞察数据在不同类别下的数据规律

维度:1+

度量:2

图3

折线图

用来观察数据随时间变化的趋势(维度不易过多,否则会容易造成混乱和复杂)

维度:1+

度量:1+


图4

面积图(变种的折线图)

注重数据类别之间随着时间趋势的变化关系

图5

柱形图

展现类别之间的关系

维度:2

度量:1+


图6

直方图(柱形图的变种)

统计型柱形图

维度:0

度量:1


图7

其他柱形图:正负比例柱形图,翻转比例柱形图,堆积柱形图,百分比堆积柱形图,瀑布图等

饼图

数据分析一般用不到

维度:1

度量:1


图8

漏斗图

对转化过程的直观展示,转化步骤不宜超过七个

维度:1

度量:1


图9

雷达图

个体的数据和属性的可视化方案,比较偏描述性的数据

维度:1+

度量:1+


图10

树形图

数据量较大,类别较多的数据分析时经常使用

维度:1+

度量:1


图11

桑基图

揭示数据复杂变化趋势,可以一对多或者多对一

维度:2

度量:1


图12

热力图

可以体现数据在空间上的变化规律

维度:1

度量:1


图13

关系图

展现不同类别之间的数据关系

维度:2

度量:0+


图14

箱线图

研究观察和对比数据分布

维度:1+

度量:1


图15

标靶图

用于衡量业务销售完成情况

维度:1+

度量:2


图16

词云图

直观大气展现大数据的最优先图表之一

维度:1

度量:0


图17

地理图

用于展现数据和空间之间的关系

维度:1

度量:1


图18


以上是数据可视化的初步学习,感谢浏览。

推荐 2
本文由 yexin 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。

5 个评论

不错 感谢分享
非常不错,tableau做的嘛?
echarts官网demo
yexin

yexin 回复 梁勇

额,我这是老师讲课时候的。我还不会做 T . T
好像是的,我去看了一下

要回复文章请先登录注册