1. 概述
在数据分析和展示过程中，选择适合的可视化类型是非常重要的。不同变量特征需要使用不同类型的图表来准确传达数据的含义和趋势。
本文档将介绍常见的数据可视化类型，将分析数据的特征分为变量特征、维度特征、层级特征，分别介绍适用的数据可视化类型。
2. 变量特征
变量特征，按照变量值是否连续又可以分为连续数据和离散数据。
2.1 连续数据
连续数据通常用于揭示一组数据的变化趋势，尤其是按照时间维度的统计分析。以下是几种常见的连续数据可视化类型：
| 图表类型 | 说明 | 展示效果 |
|---|---|---|
| 折线图 | 通过连接数据点来展示数据的变化趋势，适用于时间序列数据分析。 |  |
| 曲线图 | 与折线图类似，但采用平滑曲线来表示数据变化趋势，更适合强调趋势和模式。 | |
| 面积图 | 使用填充的颜色区域显示数据变化趋势，方便比较不同数据组的整体走势。 | |
2.2 离散数据
离散型数据关注数据的整体变化特征和分类对比情况。以下是常用于离散数据的图表类型：
| 图表类型 | 说明 | 展示效果 |
|---|---|---|
| 柱形图 | 以矩形柱子的高度表示数据的数量或大小，适用于不同分类下数据的对比和分布情况的展示。 | |
| 饼图 | 通过扇形的大小和角度显示不同类别数据的占比情况，适用于展示分类数据的相对比例。 | |
3. 维度特征
多维度数据需要结合颜色来显示不同维度的变量，从而更好地呈现多维度的关系和模式。下面是适用于多维度数据分析的图表类型：
| 图表类型 | 说明 | 展示效果 |
|---|---|---|
| 以多系列柱形图为例，通过不同颜色的柱子表示不同维度的数据，方便对比不同类别在不同维度上的数值差异。 | | |
| 以堆积柱形图为例，将不同维度的数据叠加展示在同一个柱子上，以显示整体和各个部分的比例关系。 | |
