【IT168 评论】文章对常见的数据可视化图表进行了简单的汇总分析，希望对你有益。

　　什么是数据可视化?

　　数据可视化，简简单单就是把数据展示出来吗?非也非也，其终极是为了满足用户对数据的价值期望，利用数据，借助可视化工具，还原和探索数据隐藏价值，描述数据世界。

　　(⊙o⊙)…还是说人话吧，就是以下两步。

　　分析需求，熟悉数据，制定目标。

　　选用合适图表(柱状图、折线图、散点图、饼图、雷达图、漏斗图)进行组合进行数据展示。

　　为什么要做数据可视化?

　　你难道不欣赏折线图那婀娜多姿的曲线?柱状图那美丽的大长腿?

　　美丽!

　　直观!

　　有魅力，吸引人眼球。

　　好吧~ 其实是老板说要做的!

　　常用图表详解

　　柱状图(bar chart)

　　优点：人眼对高度较敏感，直观各组数据差异性，强调个体与个体之间的比较

　　缺点：不适合大量的数据集数据(项数较多)

　　适用场景：一个维度数据比较、数据单纯性展示、排序数据展示

　　适用数据： 数据集不大， 二维数据

　　饼图(Pie)

　　优点： 直观显示各项占总体的占比，分布情况，强调整个与个体间的比较。

　　缺点：数据不精细，不适合分类较多的情况

　　适用场景：一个维度各项指标(一般不超过5个项目)占总体的占比情况，分布情况。(例如：不同状态下的车辆分布，公司内各个团队营收收入)

　　适用数据：具有整体意义的各项相同数据

　　折线图(line chart)

　　折线图分为 直线折线图和曲线折线图，直线折线图一般适用于离散变量，曲线折线图一般适用于连续变量。

　　优点： 直观反映数据变化趋势

　　缺点：数据集太小时显示不直观

　　适用场景：需要反映变化趋势，关联性。

　　适用数据：时间序列类数据、关联类数据(如电流跟随电压变化而变化)

　　散点图(scatter plot)

　　优点： 直观反映数据集中情况，对离散数据线性回归等曲线预测性的拟合辅助作用

　　缺点：适用场景比较少

　　适用场景：两个维度比较(地图某地区某项数据集中分布)，对离散数据进行预测时

　　适用数据：离散值数据

　　数据分析类常用图(Data Analysis)

　　在做数据分析和运营图表时，基础的报表可能满足不了用户对图表的要求，故有一些数据分析类常用的图，以下我列举一部分，剩下的图表，大家可以根据业务需求，在echars官网上进行搜寻。

　　热力图(密集程度)

　　漏斗图(数据转化类关系)

　　仪表盘(适用于指标类数据)

　　最重要核心数据(大数字显示，直观)

　　以上图表均来自echars

　　图表总结

　　常用图表总结

　　T1 为优先选择项，T2位次选项

　　图表组合

　　在更多的实际情况，我们需要结合某两种图或者某三种图。能让用户能再最短时间内了解到数据所带来的信息，能用一个图，为啥要用三个图呢?

　　例如，比较 + 趋势 + 占比

　　设计图表前要充分理解数据展示的目的，如(比较功能、趋势功能等)，按照总结表格，自由组合吧!!当然，我们需要考虑组合的可行性，不是所有的图表都是可以进行组合的。

　　再强调一遍，从需求和目标出发，设计图表的展示，数据实用性为主。

　　图表使用注意事项

　　面对To C端用户，应使用常用图表进行设计，虽然使用独特表格(如：河流图等)，你会发现很有美感，很有创意，但是不应该让用户去学习如何阅读你的图表

　　饼图类别不超过5个，区块越多，用户提取数据的能力也就越弱

　　合理整理图表颜色，要有清晰的可识别度

　　在只有一种类型的数据时，请不要使用图例。

　　以上就是个人的分享，如有更好的意见或者建议，欢迎留言交流。

　　End.