如何选择正确的图表

图表种类繁多，如何选择正确的图表达到“一图胜千言”的效果呢。

本文将图表分成几个大类，分别为「比较类、占比类、趋势或关联类、分布类」，用户可根据自己的目的选择适合的图表。

2.1 普通柱形图

简介：普通柱形图 使用垂直柱子显示类别之间的数值比较。其中柱状图的一个轴显示正在比较的类别，而另一个轴代表对应的刻度值。

特点：不适合对超过 10 个类别的数据进行比较，且分类标签过长时建议使用条形图。

场景举例：

2011-2017 年合同金额对比。

2.2 对比柱形图

简介：对比柱形图 使用正向和反向的柱子显示类别之间的数值比较。其中图表的一个轴显示正在比较的类别，而另一轴代表对应的刻度值。

特点：用于展示包含相反含义的数据的对比，若不是相反含义的建议使用分组柱形图。

场景举例：

美国大选选举「民主党 democrat」与「共和党 republican」在各州获得的票数对比。

2.3 分组柱形图

简介：分组柱状图经常用于相同分组下，不同类数据的比较。用柱子高度显示数值比较，用颜色来区分不同类的数据。

特点：相同分组下，数据的类别不能过多。

场景举例：

对 2018 年第一季度每月饮料、日用品、零食的销售额作对比。

2.4 堆积柱形图

简介：堆积柱形图 可以对分组总量进行对比，也可以查看每个分组包含的每个小分类的大小及占比，因此非常适合处理部分与整体的关系。

特点：适合展示总量大小，但不适合对不同分组下同个类别进行对比。

场景举例：

对比周一至周日的访问量，并显示出每天用户从哪些渠道访问的数目和大致占比。

2.5 分区折线图

简介：分区折线图 能将多个指标分隔开，反映事物随时间或有序类别而变化的趋势

特点：适合对比趋势，避免多个折线图交叉在一起。

场景举例：

对比两个城市同一段时间的风速走势。

2.6 雷达图

简介：雷达图 又被叫做蜘蛛网图，它的每个变量都有一个从中心向外发射的轴线，所有的轴之间的夹角相等，同时每个轴有相同的刻度。

特点：雷达图变量过多会降低图表的可阅读性，非常适合展示性能数据。

场景举例：

对市面上两款手机的性能进行对比。点击查看效果：折线雷达图

2.7 词云

简介：词云 是文本大数据可视化的重要方式，常用于将大量文本中的高频语句和词汇高亮展示，快速感知最突出的文字。常用于网站高频搜索字段的统计。

特点：不适合数据量多的文本数据，也不适合数据区分度不大的数据处理。

场景举例：

用词云展示搜索关键词，搜索次数越多的关键词字体越大。

2.8 聚合气泡图

简介：聚合气泡图 中，维度定义各个气泡，度量定义气泡的大小、颜色。

特点：不适合区分度不大的数据。

场景举例：

用聚合气泡图展示各省招生人数，招生人数最多的江苏省气泡面积最大。

2.9 南丁格尔玫瑰图

简介：南丁格尔玫瑰图 的作用与柱形图类似，主要用于比较，数值大小映射到玫瑰图的半径。

特点：数据比较相近时，不适合用饼图，而是适合用南丁格尔玫瑰图。

场景举例：

回款金额的大小映射到每个省份的弧度和半径上，最终形成了玫瑰图。

3.1 饼图

简介：饼图 一般通过颜色区分类别，幅度的大小对比数据，并且可以展示各类别与整体之间的占比关系。

特点：类别数量不能过多，且不适合区分度不大的数据。

场景举例：

3.2 矩形块图

简介：矩形块图 适合展现具有层级关系的数据，能够直观体现同级之间的比较。父级节点嵌套子节点，每个节点分成不同面积大小的矩形，使用面积的大小来展示节点对应的属性。

特点：非常适合带权的树形数据，对比各分类的大小关系以及相对于整体的占比关系。

场景举例：

展示 2011-2017 年的合同金额情况， 2016 年的合同金额最大。点击查看效果：矩形树图

3.3 百分比堆积柱形图

简介：百分比堆积柱形图 对比同一个分组数据内不同分类的占比。

特点：同一个分组内不同分类的个数不能过多。

场景举例：

比如下图显示了 1986 年至 2016 年期间，民众对体罚儿童的支持态度对比变化情况：

3.4 多层饼图

简介：多层饼图 指的是具有多个层级，且层级之间具有包含关系的饼状图表。多层饼图适合展示具有父子关系的复杂树形结构数据，如地理区域数据、公司上下层级、季度月份时间层级等等。

特点：层级和类别都不能过多，过多导致切片过小干扰阅读。

场景举例：

内圈不同颜色的弧度分别映射每个区域的销售额，外圈浅色切块代表该区域下不同品牌的销售额。

3.5 仪表盘

简介：仪表盘 设定目标值，然后用于展示速度、温度、进度、完成率、满意度等，很多情况下也用来表示占比。

特点：只适合单个指标的数据展示。

场景举例：

4.1 折线图

简介：折线图 非常方便来体现事物随时间或其他有序类别而变化的趋势。1）可分析多组数据随时间变化的相互作用和相互影响，从而可以总结获得一些结论和经验。2）可对比多组数据在同一个时间的大小。

特点：折线数量不能过多，会导致图表可读性变差。

场景举例：

4.2 范围面积图

简介：范围面积图 用来展示持续性数据，可很好地表示趋势、累积、减少以及变化。

特点：展示两个连续变量的差值的变化趋势。

场景示例：

如下图展示了访问次数和跳出次数的变化趋势，并通过面积的变化映射出两者差值量（非跳出次数）的变化趋势。

4.3 普通面积图

简介：普通面积图是在折线图的基础上进化而来，也很方便来体现事物随时间或其他有序类别而变化的趋势。由于有面积填充，所以比折线图更能体现趋势变化。

特点：面积线最好不要超过五条。

场景示例：

用两条面积线分别表示「合同金额」和「回款金额」，不仅能展示出 2011 -2017 年的走势，还可以展示出回款金额对合同金额的占比关系。

4.4 散点图

简介：散点图 可以显示数据集群的形状，分析数据的分布。通过观察散点的分布，可以推断变量的相关性，在 FineBI 中可以通过数据拟合完成。

特点：散点图在有比较多数据时，才能更好的体现数据分布。

场景举例：

散点图完成后，可以通过拟合来分析数据的相关性。如下图可以看出，身高和体重大体上呈正相关，但相关性没有很强。

4.5 瀑布图

简介：瀑布图 显示加上或减去值时的累计汇总，通常用于分析一系列正值和负值对初始值（例如，净收入）的影响。

特点：通过悬空的柱形图，可以更直观的展现数据的增减变化。

场景示例：

5.1 散点图

简介：散点图 可以显示数据集群的形状，分析数据的分布。通过观察散点的分布，推断变量的相关性。

特点：散点图在有比较多数据时，才能更好的体现数据分布。

场景举例：

例如利用散点图和警戒线，可以看出身高和体重都超出平均的大多是男生。

5.2 热力区域图

简介：热力区域图 以特殊高亮的方式展示坐标范围内各个点的权重情况。

特点：效果柔化，不适合精确的数据表达，主要用于看分布。

场景举例：

展示每月 24 小时的气温分布。

5.3 地图

简介：地图组件即使将数据反映在地理位置上，FineBI 提供多种地图组件，包括 热力地图 、区域地图、流向地图、点地图等。

特点：非常直观的观察不同区域的数据关系。

场景示例：

各个城市的销售额数值大小映射在点的面积上，销售额越多，点越大。

5.4 漏斗图

简介：漏斗图 又称倒三角图，漏斗图从上到下，有逻辑上的顺序关系，经常用于流程分析，比如分析哪个环节的流失率异常。

特点：上下之间必须是有逻辑顺序关系的，若是无逻辑关系建议使用柱形图对比。

场景举例：

观察从搜索到交易成功的人数变化，并定位对比每一步流失人数。