"数据可视化"可以帮助用户理解数据,一直是热门方向。
图表是"数据可视化"的常用手段,其中又以基本图表----柱状图、折线图、饼图等等----最为常用。
用户非常熟悉这些图表,但如果被问道,它们的特点是什么,最适用怎样的场合(数据集)?恐怕答得上来的人就不多了。
本文是电子书《Data Visualization with JavaScript》第一章的笔记,总结了六种基本图表的特点和适用场合,非常好地回答了上面的问题。
零、序言
进入正题之前,先纠正一种误解。
有人觉得,基本图表太简单、太原始,不高端,不大气,因此追求更复杂的图表。但是,越简单的图表,越容易理解,而快速易懂地理解数据,不正是"数据可视化"的最重要目的和最高追求吗?
所以,请不要小看这些基本图表。因为用户最熟悉它们,所以只要是适用的场合,就应该考虑优先使用。
一、柱状图(Bar Chart)
柱状图是最常见的图表,也最容易解读。
它的适用场合是二维数据集(每个数据点包括两个值x和y),但只有一个维度需要比较。年销售额就是二维数据,"年份"和"销售额"就是它的两个维度,但只需要比较"销售额"这一个维度。
柱状图利用柱子的高度,反映数据的差异。肉眼对高度差异很敏感,辨识效果非常好。柱状图的局限在于只适用中小规模的数据集。
通常来说,柱状图的X轴是时间维,用户习惯性认为存在时间趋势。如果遇到X轴不是时间维的情况,建议用颜色区分每根柱子,改变用户对时间趋势的关注。
上图是英国足球联赛某个年度各队的赢球场数,X轴代表不同球队,Y轴代表赢球数。
二、折线图(Line Chart)数据
折线图适合二维的大数据集,尤其是那些趋势比单个数据点更重要的场合。
它还适合多个二维数据集的比较。
上图是两个二维数据集(大气中二氧化碳浓度,地表平均气温)的折线图。
三、饼图(Pie Chart)
饼图是一种应该避免使用的图表,因为肉眼对面积大小不敏感。
上图中,左侧饼图的五个色块的面积排序,不容易看出来。换成柱状图,就容易多了。
一般情况下,总是应该用柱状图替代饼图。但是有一个例外,就是反映某个部分占整体的比重,比如贫穷人口占总人口的百分比。
四、散点图(Scatter Chart)
散点图适用于三维数据集,但其中只有两维需要比较。
上图是各国的医疗支出与预期寿命,三个维度分别为国家、医疗支出、预期寿命,只有后两个维度需要比较。
为了识别第三维,可以为每个点加上文字标示,或者不同颜色。
五、气泡图(Bubble Chart)
气泡图是散点图的一种变体,通过每个点的面积大小,反映第三维。
上图是卡特里娜飓风的路径,三个维度分别为经度、纬度、强度。点的面积越大,就代表强度越大。因为用户不善于判断面积大小,所以气泡图只适用不要求精确辨识第三维的场合。
如果为气泡加上不同颜色(或文字标签),气泡图就可用来表达四维数据。比如下图就是通过颜色,表示每个点的风力等级。
六、雷达图(Radar Chart)
雷达图适用于多维数据(四维以上),且每个维度必须可以排序(国籍就不可以排序)。但是,它有一个局限,就是数据点最多6个,否则无法辨别,因此适用场合有限。
下面是迈阿密热火队首发的五名篮球选手的数据。除了姓名,每个数据点有五个维度,分别是得分、篮板、助攻、抢断、封盖。
画成雷达图,就是下面这样。
面积越大的数据点,就表示越重要。很显然,勒布朗·詹姆斯(红色区域)是热火队最重要的选手。
需要注意的时候,用户不熟悉雷达图,解读有困难。使用时尽量加上说明,减轻解读负担。
七、总结
柱状图 | 二维 | 只需比较其中一维 |
折线图 | 二维 | 适用于较大的数据集 |
饼图 | 二维 | 只适用反映部分与整体的关系 |
散点图 | 二维或三维 | 有两个维度需要比较 |
气泡图 | 三维或四维 | 其中只有两维能精确辨识 |
雷达图 | 四维以上 | 数据点不超过6个 |
(完)
相关推荐
数据可视化的基本原理包括选择合适的可视化形式、设计清晰的图表布局、优化图形视觉效果等。在进行数据可视化时,需要考虑数据的特点、目标受众和展示环境,选择最合适的可视化技术和工具。 数据可视化的常用技术 ...
图表是"数据可视化"的常用手段,其中又以基本图表----柱状图、折线图、饼图等等----最为常用。用户非常熟悉这些图表,但如果被问道,它们的特点是什么,最适用怎样的场合(数据集)?恐怕答得上来的人就不多了。 ...
数据可视化:柱状图雷达图等六种基本图表的特点和适用场合优质资料.doc
数据可视化:柱状图、雷达图等六种基本图表的特点和适用场合.doc
掌握了Python数据可视化的基本方法和技巧。数据可视化是将数据转化为图表和图形的强大工具,有助于更好地理解和传达数据信息。在实际项目中,您将能够选择合适的图表类型,将数据可视化为有力的图像,并通过实践项目...
tableau数据可视化入门:柱状图、雷达图等六种基本图表的特点和适用场合
资源名称:JavaScript数据可视化编程内容简介:数据可视化是实现数据价值的重要工具。数据可视化可以将抽象的数字累积转变成为图形、表单等,让普通人可以快速理解数据所代表的情况或趋势。本书是学习如何用...
数据可视化模块:生成数据的可视化图表,如条形图、折线图和散点图。 主程序:整合以上模块,运行整个数据分析流程。 模块: 数据导入 功能: 从CSV文件加载数据 输入: 文件路径 输出: DataFrame 模块: 数据处理 ...
量化交易项目,可以直接部署使用 数据采集与保存: 数据源:从证券交易所、金融信息服务商或其他公开渠道获取股票市场数据。...数据可视化: 图表展示:利用图表如K线图、柱状图等直观展示股票价格变化和交易量。
1. 数据可视化基础知识:介绍数据可视化的基本概念、原则和常用图表类型,帮助读者建立起良好的数据可视化基础。 2. 数据处理与准备:讲解如何对数据进行清洗、整理和转换,以便于后续的可视化分析。 3. 数据可视化...
最近接了个任务需要用H5在前台两个大电视上做两页数据展示公司的产品数据,效果要高大上,还好之前接触过HTML5,所以第一时间想到就是echarts,这个框架对于数据展示尤其图表类处理的还是非常强大和炫酷的。...
3.数据可视化大屏看板 (如: 1-电商销售情况仪表盘1.xlsx 2-产品收入成本分析可视化看板1.xlsx 3产品销售分析仪表(图表联动,选择分析)1.xlsx 4-可视化数据分析看板图形图表1.xlsx 5-可视化销售数据分析图表1.xlsx ...
- **数据可视化**:使用Matplotlib库绘制不同类型的图表,如折线图、柱状图、散点图等。 - **图表美化**:通过设置图表样式、颜色、标签等,美化图表效果。 #### 3. 实践项目: - **数据加载**:从文件中加载数据...
数据可视化:使用Python的数据可视化库(如Matplotlib、Seaborn、Plotly)对电影数据进行可视化展示。可以绘制各种图表,如折线图、柱状图、散点图、饼图等,来展示电影数据的分布和趋势。可以根据不同的要求和需求...
- 使用Python的数据可视化库(如Matplotlib、Seaborn、Plotly)对电影数据进行可视化展示。 - 绘制各种图表,如折线图、柱状图、散点图、热力图等,展示数据的分布和趋势。 - 可以根据需要展示电影评分的分布情况...