数据分析——可视化图表
1、柱状图
展示多个分类的数据变化和同类别各变量之间的比较情况。
适用：对比分类数据（比较不同的数值）。
局限：分类过多则无法展示数据特点。
相似图表：
1）堆积柱状图。比较同类别各变量和不同类别变量总和差异。
2）百分比堆积柱状图。适合展示同类别的每个变量的比例。
2、条形图
类似柱状图，只不过两根轴对调了一下。
适用：类别名称过长，将有大量空白位置标示每个类别的名称（可比较数值、可对比）。
局限：分类过多则无法展示数据特点 。
相似图表：
1）堆积条形图。比较同类别各变量和不同类别变量总和差异。
2）百分比堆积条形图。适合展示同类别的每个变量的比例。
3）双向柱状图。比较同类别的正反向数值差异。
3、折线图
展示数据随时间或有序类别的波动情况的趋势变化。
适用：有序的类别，比如时间（在一定范围“时间”内渐变）。
局限：无序的类别无法展示数据特点。
相似图表：
1）面积图。用面积展示数值大小。展示数量随时间变化的趋势。
2）堆积面积图。同类别各变量和不同类别变量总和差异。
3）百分比堆积面积图。比较同类别的各个变量的比例差异。
4、柱线图
结合柱状图和折线图在同一个图表展现数据。
适用：要同时展现两个项目数据的特点。
局限：有柱状图和折线图两者的缺陷。
5、散点图
用于发现各变量之间的关系。
适用：存在大量数据点，结果更精准，比如回归分析（比较分布情况）。
局限：数据量小的时候会比较混乱。
相似图表：气泡图。用气泡代替散点图的数值点，面积大小代表数值大小。
6、饼图
用来展示各类别占比，比如男女比例。
适用：了解数据的分布情况（按百分比分配，中和唯一，体现各部分所占比例）。
缺陷：分类过多，则扇形越小，无法展现图表。
相似图表：
1）环形图。挖空的饼图，中间区域可以展现数据或者文本信息。
2）玫瑰饼图。对比不同类别的数值大小。
3）旭日图。展示父子层级的不同类别数据的占比。
7、地图
用颜色的深浅来展示区域范围的数值大小。
适合：展现呈面状但属分散分布的数据，比如人口密度等（适用于数据在地理位置上空间分布情况。）。
局限：数据分布和地理区域大小的不对称。通常大量数据会集中在地理区域范围小的人口密集区，容易造成用户对数据的误解。
相似图表：
1）气泡地图。用气泡大小展现数据量大小。
2）点状地图。用描点展现数据在区域的分布情况。
3）轨迹地图。展现运动轨迹。
8、热力图
以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图示。
适合：可以直观清楚地看到页面上每一个区域的访客兴趣焦点（适用于数据空间分布状态）。
局限：不适用于数值字段是汇总值，需要连续数值数据分布。
9、矩形树图
展现同一层级的不同分类的占比情况，还可以同一个分类下子级的占比情况，比如商品品类等。
适用：展示父子层级占比的树形数据（可用于多个实体体现占有率）。
缺陷：不适合展现不同层级的数据，比如组织架构图，每个分类不适合放在一起看占比情况。
10、指标卡
突出显示一两个关键的数据结果，比如同比环比。
适合：展示最终结果和关键数据（直观的显示单个数据的变化量等直观数据。）。
缺陷：没有分类对比，只展示单一数据。
11、词云
展现文本信息，对出现频率较高的“关键词”予以视觉上的突出,比如用户画像的标签。
适合：在大量文本中提取关键词（适用于展示热门词汇）。
局限：不适用于数据太少或数据区分度不大的文本。
12、仪表盘
展现某个指标的完成情况。
适合：展示项目进度（展示进度）。
局限：只适合展现数据的累计情况，不适用于数据的分布特征等。
13、雷达图
将多个分类的数据量映射到坐标轴上，对比某项目不同属性的特点。
适用：了解同类别的不同属性的综合情况，以及比较不同类别的相同属性差异。
局限：分类过多或变量过多，会比较混乱。
14、漏斗图
用梯形面积表示某个环节业务量与上一个环节之间的差异。
适用：有固定流程并且环节较多的分析，可以直观地显示转化率和流失率（表示了强烈的逻辑关系和流程关系）。
局限：无序的类别或者没有流程关系的变量。
15、瀑布图
采用绝对值与相对值结合的方式，展示各成分分布构成情况，比如各项生活开支的占比情况。
适合：展示数据的累计变化过程。
局限：各类别数据差别太大则难以比较。
16、桑葚图
一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，起始流量总和始终与结束流量总和保持平衡。比如能量流动等。
适合：用来表示数据的流向。
局限：不适用于边的起始流量和结束流量不同的场景。比如使用手机的品牌变化。
相似图表：1）和弦图。展现矩阵中数据间相互关系和流量变化。数据节点如果过多则不适用。
17、箱线图
是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。
适用：用来展示一组数据分散情况，特别用于对几个样本的比较。
局限：对于大数据量，反应的形状信息更加模糊。
数据分析——可视化图表相关推荐
- 48种数据分析可视化图表
可视化对于数据分析师来说可能不是最重要的,重要的是你分析或挖掘出来的结果是否有效.在这基础之上就需要通过可视化恰当完整的表达见解.这里又有区别了:实用性和美观性哪个更重要?要我说实用性是第一位的,能用 ...
- 数据分析 --- 可视化图表
一.可视化的目的 数据可视化,其目的在于检查异常数据,将数据转化为信息,显示某项活动的趋势,为查看数据背后的特殊现象提供有效的方法. 二.常见的可视化工具 Excel 是最常用的可视化工具,操作简单, ...
- 数据可视化图表类型_数据可视化中12种最常见的图表类型
数据可视化图表类型 In the current era of large amounts of information in the form of numbers available everyw ...
- python动态交互图表_Python 调用 matplotlib 实现交互式数据可视化图表案例
交互式的数据可视化图表是 New IT 新技术的一个应用方向,在过去,用户要在网页上查看数据,基本的实现方式就是在页面上显示一个表格出来,的而且确,用表格的方式来展示数据,显示的数据量会比较大,但是, ...
- python数据分析图_Python数据分析:手把手教你用Pandas生成可视化图表的教程
大家都知道,Matplotlib 是众多 Python 可视化包的鼻祖,也是Python最常用的标准可视化库,其功能非常强大,同时也非常复杂,想要搞明白并非易事.但自从Python进入3.0时代以后, ...
- 大数据分析工具Power BI（十）：制作可视化图表的报表类型
制作可视化图表的报表类型 在Power BI中有很多报表类型供我们选择,选择图表时一定要符合数据分析之间的关系.常见的数据分析关系有五类:对比分析.趋势分析.占比分析.相关性分析.地理地图分析,可以根 ...
- 安利一款数据分析工具，简单几步便可获得动态数据可视化图表
关于数据可视化,想必小编再多说它的含义以及重要性了吧,我们在日常生活中就已经多多少少地接触过数据可视化大屏,或是看过色彩丰富的动态数据可视化图表,但是自己做出来往往没有人家的动态可视化图表炫酷- 那 ...
- 66套可视化数据分析PPT图表，帮你一键提升PPT逼格
总感觉自己PPT数据分析图表非常难看,完全展现不出自己想要展示的效果? PPT图表其实类似于Excel图表,就是能够将那些枯燥无味的数字通过PPT图表,生动的的展示出来,从而令观看者更加显而易见的看清 ...
- 数据分析可视化04 图表组件：Echarts数据可视化图表基础
本课时是课程的第二个模块,环境部署篇的第一个课时.在第一部分的基础理论篇,我向你介绍了数据可视化分析的概念定义.方法体系和关键技术.接下来,我会带你了解基于开源框架,如何部署数据可视化分析的开发环境, ...
最新文章
- UE研究方法—ethnography（人种志）
- 定时自动刷新网页在线工具分享
- C++ Primer 第八章 标准IO库
- sql跨表查询_跨表更新，看到自己写的SQL像个憨憨
- 基于Spring Boot不同的环境使用不同的配置方法
- Oracle数据库备份与还原命令 -- exp/imp
- [转]VSS中创建分支
- C#，COM口，接收，发送数据
- [转载] 七龙珠第一部——第061话 塔上的卡林神
- Juniper ScreenOS 路由策略配置
- Spark开发指南（0.8.1中文版）
- Smart3D系列教程5之 《案例实战演练2——大区域的地形三维重建》
- win7系统任务栏不见了怎么办
- 汽车电子-AUTOSAR基础简介
- 嵌入式Linux驱动笔记(四)------USB键盘驱动程序
- HTML学习总结 基础篇 图像标签imag的使用及其属性
- 如何查看 安卓证书 的签名
- Ubuntu16.04 安装字体库
- Zabbix Server trapper 命令注入漏洞 (CVE-2017-2824)
- dxp全称_DXP中常用的元器件中英文名称对照