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”的最重要目的和较高追求吗?

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较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。

多维度雷达图怎么做_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...相关推荐

  1. python饼状图颜色一样_python数据可视化:折线图、条形图、饼状图显示

    前言 本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. matplotlib是Python的一个强大的2D图形绘制库,使用需要安装 ...

  2. python雷达图怎么做_使用Python绘制雷达图

    假设某天某地每三个小时取样的气温为 0时 3时 6时 9时 12时 15时 18时 21时 24时 3℃ 5℃ 6℃ 3℃ 1℃ 3℃ 3℃ 2℃ 3℃ 针对温度变化趋势绘制雷达图: 代码如下: im ...

  3. arcgis风向_数据可视化之风向图

    很多人都见过风向图,直观形象,也是地图数据和现实数据在可视化上很好的结合. 这是我见的第一个风向图,记得是2012年吧,当时觉得很有意思,作为一名技术人员,自然好奇它是如何做到的,是Canvas还是S ...

  4. echarts 折线图 设置y轴最小刻度_数据可视化—Echarts图表应用

    <错误>郑愁予 我打江南走过, 那等在季节里的容颜如莲花的开落,东风不来,三月的柳絮不飞.你的心如小小寂寞的城,恰若青石的街道向晚.蛩音不响,三月的春帷不揭,你的心是小小的窗扉紧掩.我达达 ...

  5. R 数据可视化 02 | 火山图

    R 数据可视化 02 | 火山图 文章目录 R 数据可视化 02 | 火山图 一. 示例数据准备 二. 环境需求 三. 绘制火山图 1. 火山图 2. 标记基因的火山图 四. 保存为图片 五. 详细参 ...

  6. echart雷达图数据图形的填充颜色_数据可视化,职场数据分析都需要哪些常用的图表?...

    数据可视化是为了使得数据更高效的反应数据情况,便于让读者更高效阅读,而不单是自己使用,通过数据可视化突出数据背后的规律,以此突出数据中的重要因素,并且,数据可视化可以将数据变得更加直观. 使用图表数据 ...

  7. Echarts数据可视化series-radar雷达图,开发全解+完美注释

    全栈工程师开发手册 (作者:栾鹏) Echarts数据可视化开发代码注释全解 Echarts数据可视化开发参数配置全解 6大公共组件详解(点击进入): title详解. tooltip详解.toolb ...

  8. python 桑基图_数据可视化之 Sankey 桑基图的实现

    什么是桑基图 Google 搜索桑基图,可以搜到一大堆定义.简而言之,桑基图是一种数据流图,展示了数据是如何从左到右流向最后的节点,每条边代表一条数据流,宽度代表数据流的大小.桑基图常用于流量分析,可 ...

  9. 数据可视化之雷达图:自助数据集处理,完美演绎球员数据可视化

    数据可视化,不只应用于工作或者财务报告,在某些场合通过使用图表展示数据,进行信息可视化表达,不仅可以省去繁冗的文字,还能更为清晰直观地展示,化平庸为神奇,让任何人有认真看的欲望. 当今世界人们越来越崇 ...

最新文章

  1. SQLServer怎样把本地数据导入到远程服务器上(转载)
  2. MySQL 大表优化方案
  3. iOS APP与APP之间的通信方式
  4. R语言timevis包的学习
  5. SpringBoot 项目war包部署 配置外置tomcat方法
  6. C语言查找单链列表的第k个元素的算法(附完整源码)
  7. [BZOJ1260][CQOI2007]涂色paint 区间dp
  8. jax-rs jax-ws_迟来总比没有好:SSE或服务器发送的事件现在已在JAX-RS中
  9. ap模式和sta模式共存_AP+AC组网下的本地转发及集中转发
  10. 使用kettle导入数据到ADB for PostgreSQL
  11. Spring技术社群,欢迎加入
  12. vSAN其实很简单-5分钟学会如何向VMware报修故障(内含福利)
  13. linux大文件分包压缩和批量解压命令tar // tar 排除指定目录
  14. android for 语句,Android中消息循环
  15. 钉钉 e应用 mysql_钉钉E应用入门总结
  16. 【创建交互式 Dice Roller 应用】
  17. FMEA-MSR步骤五:风险分析(三)
  18. VBA 复制同文件夹下多工作簿中同名工作表 分别粘贴至同一工作簿的不同工作表
  19. quartz 每月一次_quartz cron表达式 每周一0点怎么设置
  20. 八卦는 生命의 運動 (韓長庚 易學原理總論)

热门文章

  1. 中国超高分子量聚乙烯产业调研与投资前景报告(2022版)
  2. 2022云数据库技术年度盘点
  3. Day04 数据中心与网络架构基础知识
  4. 「 C++ 函数 」 “ZeroMemory()使用”讲解
  5. 网络编程--多线程 , socketserver
  6. 2021遥感应用组二等奖:基于多源遥感数据的武夷山毛竹林提取研究及扩张特征分析
  7. vue中keepAlive组件的作用及使用方式
  8. 018:realm数据库使用
  9. matlab如何更简单表示单位阶跃信号,matlab单位阶跃函数
  10. leetcode589.N叉树的前序遍历C++