可视化图表总结

已于 2025-03-24 08:51:14 修改
阅读量821 收藏 9
点赞数 23
文章标签： 信息可视化 数据分析 可视化图表
于 2025-03-17 20:18:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_77327865/article/details/146323974
版权

一、柱状图 (Bar Chart)

        柱状图是一种用于展示和比较不同类别数据的可视化图表。它通过矩形条的长度或高度来表示数据的大小，从而直观地展示各类别之间的差异。

1.柱状图的特点

  • 直观性: 通过矩形条的长度或高度直接反映数据的大小，易于理解。

  • 对比性: 适合比较不同类别之间的数值差异。

  • 灵活性: 可以垂直（柱状图）或水平（条形图）排列，适应不同的数据展示需求。

  • 多维度支持: 可以通过堆叠、分组等方式展示多维数据。

2.柱状图的应用场景

  • 柱状图广泛应用于以下场景：

  • 比较不同类别的数值:例如：不同产品的销量、不同地区的人口数量、不同月份的销售额等。

  • 展示排名或排序:例如：学生成绩排名、国家GDP排名、热门商品排名等。

  • 显示数据的分布:例如：不同年龄段的人数分布、不同评分的电影数量分布等。

  • 多维度数据对比:例如：不同年份的销售额对比、不同部门的预算对比等。

3.柱状图的类型

根据数据展示的需求，柱状图可以分为以下几种类型：

  • 垂直柱状图 (Vertical Bar Chart): 矩形条垂直排列，适合类别名称较短的情况。

  • 水平柱状图 (Horizontal Bar Chart):矩形条水平排列，适合类别名称较长的情况。

  • 分组柱状图 (Grouped Bar Chart):将多个数据系列分组展示，便于比较不同组别之间的差异。

  • 堆叠柱状图 (Stacked Bar Chart):将多个数据系列堆叠在一起，展示总量的同时显示各部分的占比。

  • 百分比堆叠柱状图 (100% Stacked Bar Chart):将多个数据系列堆叠为100%，展示各部分的比例。

4.柱状图的实现工具

以下是使用常见工具绘制柱状图的方法：

(1）Python (Matplotlib)

import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.pyplot as plt

# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 数据
categories = ['A', 'B', 'C', 'D']
values = [10, 20, 15, 25]

# 绘制柱状图
sns.barplot(x=categories, y=values, palette='viridis')

# 添加标题和标签
plt.title('柱状图示例')
plt.xlabel('类别')
plt.ylabel('数值')
# 显示图表
plt.show()

（2）Excel

  1. 选择数据区域。

  2. 点击“插入”选项卡。

  3. 选择“柱状图”或“条形图”。

  4. 根据需要调整图表样式、颜色和标签。

(3) Tableau

  1. 将类别字段拖到“列”区域。

  2. 将数值字段拖到“行”区域。

  3. 选择“柱状图”图表类型。

  4. 根据需要调整颜色、标签和排序。

5. 柱状图的优缺点

        优点：直观易懂，适合展示数据的对比和排序。支持多维数据的展示（如分组、堆叠）。实现简单，适用于各种工具和场景。

        缺点:当类别过多时，图表会显得拥挤，难以阅读。不适合展示连续数据或趋势变化（此时折线图更合适）。

6. 柱状图的示例

以下是一个简单的柱状图示例：

类别: A   B   C   D

数值: 10  20  15  25

绘制结果：

二、条形图 (Horizontal Bar Chart)

        条形图是柱状图的一种变体，主要用于展示和比较不同类别的数据。与柱状图不同的是，条形图的矩形条是水平排列的，适合类别名称较长或类别数量较多的场景。

1. 条形图的特点

  • 水平排列: 矩形条水平排列，适合展示较长的类别名称。

  • 直观性: 通过矩形条的长度直接反映数据的大小，易于理解。

  • 对比性: 适合比较不同类别之间的数值差异。

  • 灵活性: 可以通过堆叠、分组等方式展示多维数据。

2. 条形图的应用场景

条形图广泛应用于以下场景：

  • 比较不同类别的数值：例如：不同产品的销量、不同地区的人口数量、不同部门的预算等。

  • 展示排名或排序:例如：学生成绩排名、国家GDP排名、热门商品排名等。

  • 显示数据的分布:例如：不同年龄段的人数分布、不同评分的电影数量分布等。

  • 多维度数据对比:例如：不同年份的销售额对比、不同部门的绩效对比等。

3. 条形图的类型

根据数据展示的需求，条形图可以分为以下几种类型：

  • 基本条形图 (Basic Bar Chart):用水平矩形条表示每个类别的数值。

  • 分组条形图 (Grouped Bar Chart):将多个数据系列分组展示，便于比较不同组别之间的差异。

  • 堆叠条形图 (Stacked Bar Chart):将多个数据系列堆叠在一起，展示总量的同时显示各部分的占比。

  • 百分比堆叠条形图 (100% Stacked Bar Chart):将多个数据系列堆叠为100%，展示各部分的比例。

4. 条形图的实现工具

以下是使用常见工具绘制条形图的方法：

(1) Python (Matplotlib)

import matplotlib.pyplot as plt
# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 数据
categories = ['类别 A', '类别 B', '类别 C', '类别 D']
values = [10, 20, 15, 25]

# 绘制条形图
plt.barh(categories, values, color='lightgreen')

# 添加标题和标签
plt.title('条形图示例')
plt.xlabel('数值')
plt.ylabel('类别')

# 显示图表
plt.show()

(2) Excel

  1. 选择数据区域。

  2. 点击“插入”选项卡。

  3. 选择“条形图”。

  4. 根据需要调整图表样式、颜色和标签。

(3) Tableau

  1. 将类别字段拖到“行”区域。

  2. 将数值字段拖到“列”区域。

  3. 选择“条形图”图表类型。

  4. 根据需要调整颜色、标签和排序。

5. 条形图的优缺点

优点:

        适合展示较长的类别名称。直观易懂，适合展示数据的对比和排序。支持多维数据的展示（如分组、堆叠）。实现简单，适用于各种工具和场景。

缺点:

        当类别过多时，图表会显得拥挤，难以阅读。不适合展示连续数据或趋势变化（此时折线图更合适）。

6. 条形图的示例

以下是一个简单的条形图示例：

类别: 类别 A  类别 B  类别 C  类别 D

数值: 10      20      15      25

绘制结果：

三、有序柱状图 (Ordered Bar Chart)

        有序柱状图是柱状图的一种变体，其特点是数据按照大小顺序排列（从大到小或从小到大），从而更直观地展示数据的排名和分布。它适用于需要强调数据排序的场景。

1. 有序柱状图的特点

  • 排序性: 数据按大小顺序排列，便于观察排名和趋势。

  • 直观性: 通过柱子的高度直接反映数据的大小，易于理解。

  • 对比性： 适合比较不同类别之间的数值差异。

  • 灵活性: 可以垂直或水平排列，适应不同的数据展示需求。

2. 有序柱状图的应用场景

有序柱状图广泛应用于以下场景：

  • 展示排名:例如：学生成绩排名、国家GDP排名、热门商品销量排名等。

  • 比较数据大小:例如：不同产品的销售额、不同地区的收入水平、不同部门的绩效等。

  • 分析数据分布:例如：不同年龄段的人数分布、不同评分的电影数量分布等。

  • 监控变化趋势:例如：不同时间点的数据变化（如销售额、用户数量等）。

3. 有序柱状图的类型

根据数据展示的需求，有序柱状图可以分为以下几种类型：

  • 垂直有序柱状图 (Vertical Ordered Bar Chart):柱子垂直排列，适合类别名称较短的情况。

  • 水平有序柱状图 (Horizontal Ordered Bar Chart):柱子水平排列，适合类别名称较长的情况。

  • 分组有序柱状图 (Grouped Ordered Bar Chart):将多个数据系列分组展示，便于比较不同组别之间的差异。

  • 堆叠有序柱状图 (Stacked Ordered Bar Chart):将多个数据系列堆叠在一起，展示总量的同时显示各部分的占比。

4. 有序柱状图的实现工具

以下是使用常见工具绘制有序柱状图的方法：

（1）Python (Matplotlib)

# 数据
data = pd.DataFrame({
    '类别': ['A', 'B', 'C', 'D'],
    '数值': [10, 20, 15, 25]
})

# 按值排序
data = data.sort_values(by='数值', ascending=False)

# 绘制有序柱状图
sns.barplot(x='类别', y='数值', data=data, palette='viridis')

# 添加标题和标签
plt.title('有序柱状图示例')
plt.xlabel('类别')
plt.ylabel('数值')

# 显示图表
plt.show()

(2) Excel

  1. 选择数据区域。

  2. 点击“插入”选项卡。

  3. 选择“柱状图”。

  4. 对数据进行排序后绘制图表。

(3) Tableau

  1. 将类别字段拖到“列”区域。

  2. 将数值字段拖到“行”区域。

  3. 选择“柱状图”图表类型。

  4. 对数据进行排序后绘制图表。

5. 有序柱状图的优缺点

        优点:直观易懂，适合展示数据的排序和对比。支持多维数据的展示（如分组、堆叠）。实现简单，适用于各种工具和场景。

        缺点: 当类别过多时，图表会显得拥挤，难以阅读。不适合展示连续数据或趋势变化（此时折线图更合适）。

6. 有序柱状图的示例

以下是一个简单的有序柱状图示例：

类别: A   B   C   D

数值: 10  20  15  25

排序后：类别: D   B   C   A

数值: 25  20  15  10

绘制结果：

四、棒棒糖图 (Lollipop Chart)

        棒棒糖图是一种数据可视化图表，结合了“点”和“线段”来展示数据的大小。它的名字来源于其形状类似于棒棒糖：每个数据点由一个圆点（棒棒糖的“糖”）和一条线段（棒棒糖的“棒”）组成。棒棒糖图常用于展示数据的排序、对比和分布。

1. 棒棒糖图的特点

  • 简洁直观：通过圆点和线段的组合，清晰地展示数据的大小。比传统的柱状图更轻盈，适合数据量较少的情况。

  • 强调排序：数据通常按大小排序，便于观察排名和趋势。

  • 灵活性：可以垂直排列（垂直棒棒糖图）或水平排列（水平棒棒糖图）。支持单组数据或多组数据的对比。

  • 美观性：视觉效果简洁美观，适合用于报告和演示。

2. 棒棒糖图的应用场景

棒棒糖图适用于以下场景：

  • 展示排名：例如：学生成绩排名、国家GDP排名、热门商品销量排名等。

  • 比较数据大小：例如：不同产品的销售额、不同地区的收入水平、不同部门的绩效等。

  • 分析数据分布：例如：不同年龄段的人数分布、不同评分的电影数量分布等。

  • 监控变化趋势：例如：不同时间点的数据变化（如销售额、用户数量等）。

3. 棒棒糖图的类型

根据数据展示的需求，棒棒糖图可以分为以下几种类型：

  • 垂直棒棒糖图 (Vertical Lollipop Chart)：线段垂直排列，适合类别名称较短的情况。

  • 水平棒棒糖图 (Horizontal Lollipop Chart)：线段水平排列，适合类别名称较长的情况。

  • 分组棒棒糖图 (Grouped Lollipop Chart)：将多个数据系列分组展示，便于比较不同组别之间的差异。

  • 堆叠棒棒糖图 (Stacked Lollipop Chart)：将多个数据系列堆叠在一起，展示总量的同时显示各部分的占比。

4. 棒棒糖图的实现工具

以下是使用常见工具绘制棒棒糖图的方法：

（1）Python (Matplotlib)

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 数据
categories = ['A', 'B', 'C', 'D']
values = [10, 20, 15, 25]

# 绘制棒棒糖图
plt.stem(categories, values, linefmt='-', markerfmt='o', basefmt=' ')

# 添加标题和标签
plt.title('棒棒糖图示例')
plt.xlabel('类别')
plt.ylabel('数值')

# 显示图表
plt.show()

(2) Tableau

  1. 将类别字段拖到“列”区域。

  2. 将数值字段拖到“行”区域。

  3. 更改图表类型。选中视图中的柱状图，然后在 “标记” 卡中，将图表类型从 “自动”（默认是柱状图）更改为 “圆形”。

5. 棒棒糖图的优缺点

        优点：简洁直观，适合展示数据的排序和对比。视觉效果更轻盈，适合数据量较少的情况。实现简单，适用于各种工具和场景。

        缺点：当数据量较大时，图表会显得拥挤，难以阅读。不适合展示连续数据或趋势变化（此时折线图更合适）。

6. 棒棒糖图的示例

以下是一个简单的棒棒糖图示例：

类别: A   B   C   D

数值: 10  20  15  25

绘制结果：

五、哑铃图 (Dumbbell Chart)

        哑铃图是一种用于“比较两个数据点之间差异”的可视化图表。它的名字来源于其形状类似于哑铃：每个数据点由两个圆点（哑铃的“铃”）和一条线段（哑铃的“杠”）组成。哑铃图常用于展示数据的变化、对比和趋势。

1. 哑铃图的特点

  • 强调差异：通过线段连接两个数据点，直观地展示数据的变化或差异。

  • 简洁直观：图形简单，易于理解，适合展示少量数据的对比。

  • 灵活性：可以垂直排列（垂直哑铃图）或水平排列（水平哑铃图）。支持多组数据的对比。

  • 美观性：视觉效果简洁美观，适合用于报告和演示。

2. 哑铃图的应用场景

哑铃图适用于以下场景：

  • 展示变化：例如：不同时间点的数据变化（如销售额、用户数量等）。

  • 比较差异：例如：不同地区、不同部门或不同产品的数据对比。

  • 分析趋势：例如：某项指标在不同时间段的变化趋势。

  • 监控目标完成情况：例如：实际值与目标值的对比。

3. 哑铃图的类型

根据数据展示的需求，哑铃图可以分为以下几种类型：

  • 水平哑铃图 (Horizontal Dumbbell Chart)：线段水平排列，适合类别名称较长的情况。

  • 垂直哑铃图 (Vertical Dumbbell Chart)：垂直排列，适合类别名称较短的情况。

  • 分组哑铃图 (Grouped Dumbbell Chart)：将多组数据分组展示，便于比较不同组别之间的差异。

4. 哑铃图的实现工具

以下是使用常见工具绘制哑铃图的方法：

（1）Python (Matplotlib)

import pandas as pd
import matplotlib.pyplot as plt
# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [10, 20, 15, 25]  # 第一个数据点
values2 = [15, 25, 20, 30]  # 第二个数据点
# 绘制哑铃图
for i, (v1, v2) in enumerate(zip(values1, values2)):
    plt.plot([v1, v2], [i, i], color='gray', linestyle='--', marker='o')
# 添加标题和标签
plt.title('哑铃图示例')
plt.xlabel('数值')
plt.ylabel('类别')
plt.yticks(range(len(categories)), categories)
# 显示图表
plt.show()

(2) Tableau

  1. 将类别字段拖到“行”区域。

  2. 将起始值和结束值字段拖到“列”区域。

  3. 在 “标记” 卡中，将标记类型从 “自动” 改为 “圆” ，此时生成一个圆形图。

  4. 复制并转换图表类型

  5. 设置路径与双轴

  6. 复制并转换图表类型

5.哑铃图的优缺点

        优点：直观展示数据的变化和差异。图形简洁，易于理解。适用于少量数据的对比。

        缺点：当数据量较大时，图表会显得拥挤，难以阅读。不适合展示复杂的数据关系。

6. 哑铃图的示例

以下是一个简单的哑铃图示例：

类别: A   B   C   D

起始值: 10  20  15  25

结束值: 15  25  20  30

绘制结果：

六、平行坐标图 (Parallel Coordinates Plot) 

        平行坐标图是一种用于**可视化高维数据**的图表。它通过多个平行的纵轴表示不同的变量，数据点用折线连接，从而展示多维数据之间的关系和模式。平行坐标图广泛应用于数据分析、模式识别和异常检测等领域。

1. 平行坐标图的特点

  • 高维数据展示：可以同时展示多个变量（维度）的数据。

  • 数据关系可视化：通过折线的走向和交叉，展示变量之间的关系和模式。

  • 灵活性：支持对变量进行排序、缩放和过滤，便于分析。

  • 交互性：在交互式工具中，可以通过刷选、过滤等操作深入分析数据。

2. 平行坐标图的应用场景

平行坐标图适用于以下场景：

  • 高维数据分析：例如：分析多个特征之间的关系（如客户细分、产品属性分析等）。

  • 模式识别：例如：识别数据中的聚类、趋势或异常模式。

  • 异常检测：例如：检测数据中的异常值或离群点。

  • 多目标优化：例如：在多个目标之间进行权衡分析。

3. 平行坐标图的类型

根据数据展示的需求，平行坐标图可以分为以下几种类型：

  • 基本平行坐标图 (Basic Parallel Coordinates Plot)：用折线连接多个变量的数据点。

  • 颜色编码平行坐标图 (Color-coded Parallel Coordinates Plot)：使用颜色区分不同的类别或数据系列。

  • 交互式平行坐标图 (Interactive Parallel Coordinates Plot)：支持交互操作（如刷选、过滤、缩放等）。

  • 4. 平行坐标图的实现工具

以下是使用常见工具绘制平行坐标图的方法：

（1）Python (Pandas)

import pandas as pd
import matplotlib.pyplot as plt
from pandas.plotting import parallel_coordinates

# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 数据
data = pd.DataFrame({
    '特征1': [1, 2, 3, 4],
    '特征2': [10, 20, 30, 40],
    '特征3': [100, 200, 300, 400],
    '类别': ['A', 'B', 'A', 'B']
})

# 绘制平行坐标图
parallel_coordinates(data, '类别', colormap='viridis')

# 添加标题
plt.title('平行坐标图示例')

# 显示图表
plt.show()

(2) Tableau

  1. 将多个变量字段拖到“列”区域。

  2. 将类别字段拖到“颜色”标记卡。

  3. 选择“平行坐标图”图表类型。

  4. 据需要调整颜色、标签和排序。

(3) D3.js

使用 D3.js 的parallelCoordinates插件。加载数据并配置平行坐标图的样式和交互功能。

5. 平行坐标图的优缺点

        优点：可以同时展示多个变量的数据。直观展示变量之间的关系和模式。支持交互操作，便于深入分析。

        缺点：当数据量较大时，图表会显得拥挤，难以阅读。需要一定的学习成本，才能有效解读图表。

6. 平行坐标图的示例

以下是一个简单的平行坐标图示例：

特征1: 1   2   3   4

特征2: 10  20  30  40

特征3: 100 200 300 400

类别: A   B   A   B

绘制结果：

七、热力图 (Heatmap)

        热力图是一种通过**颜色深浅**来表示数据大小的可视化图表。它通常以矩阵的形式展示数据，适合用于分析二维数据的分布、关系和模式。热力图广泛应用于数据分析、统计学、生物学、地理信息系统（GIS）等领域。

1. 热力图的特点

  • 直观性：通过颜色深浅直观地反映数据的大小，易于理解。

  • 二维数据展示：适合展示二维数据的分布和关系。

  • 灵活性：支持对数据进行聚类、排序和过滤，便于分析。

  • 美观性：视觉效果美观，适合用于报告和演示。

2. 热力图的应用场景

热力图适用于以下场景：

  • 数据分布分析：例如：分析不同时间段的活动热度、不同地区的指标分布等。

  • 相关性分析：例如：分析多个变量之间的相关性。

  • 模式识别：例如：识别数据中的聚类、趋势或异常模式。

  • 地理数据可视化：例如：展示地理区域的热度分布（如人口密度、气温分布等）。

3. 热力图的类型

根据数据展示的需求，热力图可以分为以下几种类型：

  • 基本热力图 (Basic Heatmap)：用颜色深浅表示数据的大小。

  • 聚类热力图 (Clustered Heatmap)：对行或列数据进行聚类，展示数据的聚类模式。

  • 地理热力图 (Geographical Heatmap)：在地图上展示数据的分布。

4. 热力图的实现工具

以下是使用常见工具绘制热力图的方法：

（1）Python (Seaborn)

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 数据
data = np.random.rand(10, 10)  # 10x10 的随机数据
# 绘制热力图
sns.heatmap(data, annot=True, cmap='viridis')
# 添加标题
plt.title('热力图示例')
# 显示图表
plt.show()

(2) Excel

  1. 选择数据区域。

  2. 点击“插入”选项卡。

  3. 选择“热力图”图表类型。

  4. 根据需要调整颜色、标签和排序。

(3) Tableau

  1. 将行字段拖到“行”区域。

  2. 将列字段拖到“列”区域。

  3. 将数值字段拖到“颜色”标记卡。

  4. 选择“热力图”图表类型。

5. 热力图的优缺点

        优点：直观展示二维数据的分布和关系。支持聚类分析，便于发现数据模式。视觉效果美观，适合用于报告和演示。

        缺点：当数据量较大时，图表会显得拥挤，难以阅读。需要一定的学习成本，才能有效解读图表。

6. 热力图的示例

以下是一个简单的热力图示例：

数据矩阵:

[[0.1, 0.2, 0.3],

 [0.4, 0.5, 0.6],

 [0.7, 0.8, 0.9]]

绘制结果： 

    

八、排名变化图 (Bump Chart)

        排名变化图是一种用于**展示排名随时间变化的可视化图表**。它通过折线连接不同时间点的排名数据，直观地展示排名的动态变化。排名变化图广泛应用于体育赛事、市场竞争、学术排名等领域。

1. 排名变化图的特点

  • 动态展示：通过折线展示排名随时间的变化，直观反映排名的动态变化。

  • 简洁直观：图形简单，易于理解，适合展示少量数据的排名变化。

  • 灵活性：支持多组数据的对比，便于分析不同对象的排名变化。

  • 美观性：视觉效果简洁美观，适合用于报告和演示。

2. 排名变化图的应用场景

排名变化图适用于以下场景：

  • 体育赛事排名：例如：展示球队在赛季中的排名变化。

  • 市场竞争分析：例如：展示不同品牌在市场中的排名变化。

  • 学术排名：例如：展示学校或研究机构在学术排名中的变化。

  • 其他排名变化：例如：展示个人或团队在竞赛中的排名变化。

3. 排名变化图的类型

根据数据展示的需求，排名变化图可以分为以下几种类型：

  • 基本排名变化图 (Basic Bump Chart)：用折线连接不同时间点的排名数据。

  • 颜色编码排名变化图 (Color-coded Bump Chart)：使用颜色区分不同的类别或数据系列。

  • 交互式排名变化图 (Interactive Bump Chart)：支持交互操作（如刷选、过滤、缩放等）。

4. 排名变化图的实现工具

以下是使用常见工具绘制排名变化图的方法：

（1）Python (Matplotlib)

import matplotlib.pyplot as plt
# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 数据
time_points = ['第1周', '第2周', '第3周', '第4周']
team_A = [1, 2, 3, 2]
team_B = [2, 1, 2, 3]
team_C = [3, 3, 1, 1]
# 绘制排名变化图
plt.plot(time_points, team_A, marker='o', label='队伍 A')
plt.plot(time_points, team_B, marker='o', label='队伍 B')
plt.plot(time_points, team_C, marker='o', label='队伍 C')
# 添加标题和标签
plt.title('排名变化图示例')
plt.xlabel('时间')
plt.ylabel('排名')
plt.gca().invert_yaxis()  # 反转 Y 轴，使排名 1 在最上方
plt.legend()
# 显示图表
plt.show()

（2）Excel

  1. 选择数据区域。

  2. 点击“插入”选项卡。

  3. 选择“折线图”。

  4. 反转 Y 轴，使排名 1 在最上方。

(3) Tableau

  1. 将时间字段拖到“列”区域。

  2. 将排名字段拖到“行”区域。

  3. 将类别字段拖到“颜色”标记卡。

  4. 反转 Y 轴，使排名 1 在最上方。

5. 排名变化图的优缺点

        优点：直观展示排名的动态变化。图形简洁，易于理解。适用于少量数据的排名变化。

        缺点：当数据量较大时，图表会显得拥挤，难以阅读。不适合展示复杂的数据关系。

6. 排名变化图的示例

以下是一个简单的排名变化图示例：

时间: 第1周  第2周  第3周  第4周

队伍 A: 1     2     3     2

队伍 B: 2     1     2     3

队伍 C: 3     3     1     1

绘制结果：

九、词云图 (Word Cloud)

        词云图是一种通过“文字大小和颜色”来表示词频的可视化图表。它的名字来源于其形状类似于云：每个词的大小与其在文本中出现的频率成正比，词频越高，文字越大。词云图广泛应用于文本数据分析、舆情监控、品牌形象分析等领域。

1. 词云图的特点

  • 直观性：通过文字大小直观地反映词频，易于理解。

  • 简洁性：图形简洁，适合展示文本数据中的关键词。

  • 灵活性：支持自定义字体、颜色、形状等，适应不同的展示需求。

  • 美观性：视觉效果美观，适合用于报告和演示。

2. 词云图的应用场景

词云图适用于以下场景：

  • 文本数据分析：例如：分析社交媒体评论、新闻文章、客户反馈等。

  • 舆情监控：例如：监控热点话题、关键词频率等。

  • 品牌形象分析：例如：分析品牌在社交媒体中的提及频率和情感倾向。

  • 教育研究：例如：分析学术论文中的关键词频率。

3. 词云图的类型

根据数据展示的需求，词云图可以分为以下几种类型：

  • 基本词云图 (Basic Word Cloud)：用文字大小表示词频。

  • 颜色编码词云图 (Color-coded Word Cloud)：使用颜色区分不同的类别或情感倾向。

  • 形状词云图 (Shaped Word Cloud)：将词云图填充到特定形状（如圆形、心形、品牌标志等）。

4. 词云图的实现工具

以下是使用常见工具绘制词云图的方法：

(1) Python (WordCloud 库)

from wordcloud import WordCloud
import matplotlib.pyplot as plt
# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 文本数据
text = "Python 是一种广泛使用的高级编程语言，因其简洁性和易读性而受到开发者的喜爱。Python 在数据分析、机器学习、Web 开发等领域都有广泛应用。"
# 生成词云图
wordcloud = WordCloud(font_path='simhei.ttf', width=800, height=400, background_color='white').generate(text)
# 显示词云图
plt.figure(figsize=(10, 5))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

(2) Excel

  1. 使用插件或在线工具生成词云图。

  2. 将文本数据粘贴到工具中，调整字体、颜色和形状。

(3) Tableau

  1. 使用 Tableau 的插件或在线工具生成词云图。

  2. 将文本数据导入工具，调整字体、颜色和形状。

5. 词云图的优缺点

        优点：直观展示文本数据中的关键词。图形简洁，易于理解。支持自定义字体、颜色和形状。

        缺点：当词频相近时，文字大小差异不明显。不适合展示复杂的数据关系。

6. 词云图的示例

以下是一个简单的词云图示例：

文本数据: "Python 是一种广泛使用的高级编程语言，因其简洁性和易读性而受到开发者的喜爱。Python 在数据分析、机器学习、Web 开发等领域都有广泛应用。"

绘制结果：

十、子弹图 (Bullet Graph)

        子弹图是一种用于“展示目标完成情况”的可视化图表。它由条形图和标记点组成，能够直观地展示实际值、目标值和性能区间。子弹图广泛应用于绩效评估、目标跟踪、数据监控等领域。

1. 子弹图的特点

  • 简洁直观：通过条形图和标记点直观地展示实际值、目标值和性能区间。

  • 多功能性：可以同时展示多个指标的目标完成情况。

  • 灵活性：支持自定义颜色、标签和性能区间，适应不同的展示需求。

  • 美观性：视觉效果简洁美观，适合用于报告和演示。

2. 子弹图的应用场景

子弹图适用于以下场景：

  • 绩效评估：例如：展示员工或部门的绩效完成情况。

  • 目标跟踪：例如：跟踪销售目标、项目进度等。

  • 数据监控：例如：监控关键指标的实际值和目标值。

  • 仪表盘展示：例如：在仪表盘中展示多个指标的目标完成情况。

3. 子弹图的类型

根据数据展示的需求，子弹图可以分为以下几种类型：

  • 基本子弹图 (Basic Bullet Graph)：展示实际值、目标值和性能区间。

  • 多指标子弹图 (Multi-metric Bullet Graph)：同时展示多个指标的目标完成情况。

  • 交互式子弹图 (Interactive Bullet Graph)：支持交互操作（如刷选、过滤、缩放等）。

4. 子弹图的实现工具

以下是使用常见工具绘制子弹图的方法：

（1）Python (Matplotlib)

import matplotlib.pyplot as plt
import numpy as np
# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 数据
actual_value = 75  # 实际值
target_value = 80  # 目标值
performance_ranges = [20, 50, 90]  # 性能区间
# 绘制子弹图
fig, ax = plt.subplots()
ax.barh(1, performance_ranges[2], color='lightgray', height=0.2)  # 背景条
ax.barh(1, performance_ranges[1], color='gray', height=0.2)  # 中间条
ax.barh(1, performance_ranges[0], color='darkgray', height=0.2)  # 前景条
ax.barh(1, actual_value, color='black', height=0.1)  # 实际值
ax.axvline(target_value, color='red', linestyle='--', linewidth=2)  # 目标值
# 设置图表样式
ax.set_yticks([])
ax.set_xlim(0, 100)
ax.set_title('子弹图示例')
# 显示图表
plt.show()

(2) Excel

        1.使用插件或在线工具生成子弹图。

        2.将数据粘贴到工具中，调整颜色、标签和性能区间。

(3) Tableau

        1.将指标字段拖到“行”区域。

        2.将实际值、目标值和性能区间字段拖到“列”区域。

        3.选择“子弹图”图表类型。

        4.根据需要调整颜色、标签和排序。

5.子弹图的优缺点

        优点：直观展示目标完成情况。图形简洁，易于理解。支持多指标展示。

        缺点：当数据量较大时，图表会显得拥挤，难以阅读。需要一定的学习成本，才能有效解读图表。

6. 子弹图的示例

以下是一个简单的子弹图示例：

        图中不同灰度的背景区域代表不同的绩效区间，浅灰色表示一般绩效区域，深灰色表示较好绩效区域。这些区间为数据评估提供参考范围。

实际值: 75

目标值: 80

性能区间: [20, 50, 90]

绘制结果：

十一、雷达图（Radar CHart）

        雷达图（也称为“蜘蛛图”或“星形图”）是一种用于“展示多维数据”的可视化图表。它通过多个轴从中心点向外辐射，每个轴代表一个变量，数据点连接起来形成多边形，便于比较多个变量的数值大小。雷达图广泛应用于能力评估、绩效分析、产品对比等领域。

1. 雷达图的特点

  • 多维数据展示：可以同时展示多个变量（维度）的数据。

  • 直观性：通过多边形的形状直观地反映数据的分布和模式。

  • 灵活性：支持对变量进行排序、缩放和过滤，便于分析。

  • 美观性：视觉效果美观，适合用于报告和演示。

2. 雷达图的应用场景

雷达图适用于以下场景：

  • 能力评估：例如：评估球员、员工或学生的综合能力。

  • 绩效分析：例如：分析不同部门或产品的绩效表现。

  • 产品对比：例如：对比不同产品的性能指标。

  • 多目标优化：例如：在多个目标之间进行权衡分析。

3. 雷达图的类型

根据数据展示的需求，雷达图可以分为以下几种类型：

  • 基本雷达图 (Basic Radar Chart)：用多边形展示单个数据系列的多维数据。

  • 多系列雷达图 (Multi-series Radar Chart)：用多个多边形展示多个数据系列的多维数据。

  • 填充雷达图 (Filled Radar Chart)：用颜色填充多边形，增强视觉效果。

4. 雷达图的实现工具

以下是使用常见工具绘制雷达图的方法：

(1) Python (Matplotlib)

import matplotlib.pyplot as plt
import numpy as np
# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 数据
labels = ['速度', '力量', '技巧', '耐力', '敏捷']
values = [4, 3, 5, 2, 4]
# 闭合数据
values += values[:1]
angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False).tolist()
angles += angles[:1]
# 绘制雷达图
fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))
ax.fill(angles, values, color='skyblue', alpha=0.25)
ax.plot(angles, values, color='blue', linewidth=2)
# 设置标签
ax.set_yticklabels([])
ax.set_xticks(angles[:-1])
ax.set_xticklabels(labels)
# 添加标题
plt.title('雷达图示例')
# 显示图表
plt.show()

(2) Excel

  1. 选择数据区域。

  2. 点击“插入”选项卡。

  3. 选择“雷达图”。

  4. 根据需要调整颜色、标签和样式。

(3) Tableau

  1. 将变量字段拖到“列”区域。

  2. 将数值字段拖到“行”区域。

  3. 选择“雷达图”图表类型。

  4. 根据需要调整颜色、标签和排序。

5. 雷达图的优缺点

        优点：可以同时展示多个变量的数据。直观展示数据的分布和模式。视觉效果美观，适合用于报告和演示。

        缺点：当变量过多时，图表会显得拥挤，难以阅读。需要一定的学习成本，才能有效解读图表。

6. 雷达图的示例

以下是一个简单的雷达图示例：

变量: 速度  力量  技巧  耐力  敏捷

值:   4     3     5     2     4

绘制结果：

十二、瀑布图 (Waterfall Chart)

        瀑布图是一种用于**展示数据变化过程**的可视化图表。它通过矩形条表示数据的增减变化，从而直观地展示数据的累积过程。瀑布图广泛应用于财务分析、项目进度跟踪、销售业绩分析等领域。

1. 瀑布图的特点

  • 直观性：通过矩形条的长度和颜色直观地反映数据的增减变化。

  • 累积性：展示数据的累积过程，便于理解数据的最终结果。

  • 灵活性：支持对数据进行分组、排序和过滤，便于分析。

  • 美观性：视觉效果美观，适合用于报告和演示。

2. 瀑布图的应用场景

瀑布图适用于以下场景：

  • 财务分析：例如：展示收入、成本和利润的变化过程。

  • 项目进度跟踪：例如：展示项目预算的增减变化。

  • 销售业绩分析：例如：展示销售额的增减变化。

  • 库存管理：例如：展示库存的增减变化。

3. 瀑布图的类型

根据数据展示的需求，瀑布图可以分为以下几种类型：

  • 基本瀑布图 (Basic Waterfall Chart)：用矩形条展示数据的增减变化。

  • 分组瀑布图 (Grouped Waterfall Chart)：将多个数据系列分组展示，便于比较不同组别之间的差异。

  • 堆叠瀑布图 (Stacked Waterfall Chart)：将多个数据系列堆叠在一起，展示总量的同时显示各部分的占比。

4. 瀑布图的实现工具

以下是使用常见工具绘制瀑布图的方法：

(1) Python (Matplotlib)

import matplotlib.pyplot as plt
# 设置支持中文的字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows 系统常用字体
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # macOS 系统常用字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
# 数据
categories = ['起始', '增加', '减少', '最终']
values = [100, 50, -30, 120]
# 绘制瀑布图
fig, ax = plt.subplots()
ax.bar(categories, values, color=['green', 'blue', 'red', 'green'])
# 添加标题和标签
plt.title('瀑布图示例')
plt.xlabel('类别')
plt.ylabel('数值')
# 显示图表
plt.show()

(2) Excel

  1. 选择数据区域。

  2. 点击“插入”选项卡。

  3. 选择“瀑布图”。

  4. 根据需要调整颜色、标签和样式。

(3) Tableau

  1. 将类别字段拖到“列”区域。

  2. 将数值字段拖到“行”区域。

  3. 选择“瀑布图”图表类型。

  4. 根据需要调整颜色、标签和排序。

5. 瀑布图的优缺点

        优点：直观展示数据的增减变化和累积过程。图形简洁，易于理解。适用于少量数据的展示。

        缺点：当数据量较大时，图表会显得拥挤，难以阅读。不适合展示复杂的数据关系。

6. 瀑布图的示例

以下是一个简单的瀑布图示例：

类别: 起始  增加  减少  最终

数值: 100   50    -30   120

绘制结果：

总结：选择合适的图表是数据可视化的关键。数据可视化技术不断发展，持续学习才能掌握最新工具和方法。

柱状图
也许会有_hui的博客
06-17 632
一、柱状图 条状结构 用于比较各个类别之间的数量 ---用于少量数据的比较 需要类别数目，各个类别的数量 二、绘制柱状图 1.创建画布 import matplotlib.pyplot as plt import numpy as np # 默认不支持中文 想要使用中文，要设置RC参数 plt.rcParams['font.sans-serif'] = 'SimHei' # 设置...
数据可视化图表总结（一）
前景
07-04 2146
数据可视化图表总结（一）
【数字孪生百科】每周认识一个数字孪生要素 ——柱形图（Histogram, Column Diagram）
Shanhaibi的博客
03-08 2640
柱形图（Histogram, Column Diagram），又称柱状统计图、条状图、长条图或者条形图，是一种以宽度相同的长方形的长度为变量的统计图表。
可视化常见绘图（一）堆叠图
pcx171的博客
12-28 1万+
介绍matplotlib实现常见的堆叠图
关于图表使用的一些想法
JISUANJIXIAOHE的博客
05-25 512
关于图标使用的一些想法前言正文1.直方图2.柱状图和条形图3.折线图如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 前言 为什么要写这篇文章？ 由于本人对于图表只知道怎么去画，并未思考图表可以用在哪些方面、哪些问题需要确切用某种图表表示去获得数据，纠结很久决定整理一下常见
柱状图 直方图 条形图 的区别
热门推荐
c_lanxiaofang的博客
07-29 1万+
在Matplotlib中和在pyecharts绘图时我们经常用到的Bar，那Bar这到底是柱状图、条形图还是直方图呢? 目录 1、柱状图 2、条形图 3、直方图 4、柱状图、直方图的选择
powerbi visual 可视化图表资源大合集
09-16
总结，PowerBI Visuals是数据分析师的强大工具，通过熟练运用这些可视化图表，可以提升数据分析的质量和效率，帮助企业在决策过程中更好地利用数据。本合集提供的资源对于学习和探索PowerBI的图表功能极具价值。
大数据风组合图-7-年终总结销售分析可视化图表1.zip
05-01
标题中的“大数据风组合图-7-年终总结销售分析可视化图表1”暗示了这是一个与大数据分析和销售业绩评估相关的项目，特别关注年终总结，并通过可视化图表来呈现数据。在这个场景中，我们可以深入探讨以下几个关键知识...
python+pyecharts生成网页可视化图表
06-10
PyEcharts就是这样一个工具，它结合了Python的简洁性和ECharts的丰富图表类型，为开发者提供了一种方便的方式来创建交互式的、动态的网页可视化图表。在本主题中，我们将深入探讨如何使用Python和PyEcharts生成网页...
数据可视化-基于Pyecharts制作电商销售数据可视化图表
04-22
在这个主题中，我们将深入探讨如何利用Python库Pyecharts来创建电商销售数据的可视化图表。Pyecharts是一个强大的工具，它允许开发者使用Python语法轻松地生成高质量的Echarts图表。 首先，让我们了解Echarts，它是...
柱状图 - Bar Chart
最新发布
wyzx073的博客
04-17 515
在柱状图中，每个分类变量的实体以一个矩形（即“柱子”）表示，数值则决定了柱子的高度。通过分面（facet）技术，我们将数据按物种和性别进行了分组，每个子图显示了一个直方图，便于直观比较不同组之间的差异。
数据可视化之百变柱状图
迪赛智慧数的博客
08-01 789
主要用于多个分类间的数据（大小、数值）的对比，可以用来显示一段时间内的数据变化或显示各项之间的比较情况，象形柱图的整体适用范围和柱形图一致，象形柱图比起实际的应用，更多的是符合人们不同审美的需求，用更形象的图案去展示数据。象形柱图是属于柱形图的一种，用象形图的方式来代替柱子展示，象形图是通过其与物理对象的图画相似来表达其意义的表意文字。如下图运动项目的报名人数与蔬菜的能量含量，都是通过与文字有相似意义的图像来展示的数据。象形标识图与象形柱图，二者相差不大，在象形柱图的基础上多了标识图的显示。........
探索柱状图的详细分析与应用
weixin_42609225的博客
09-25 1475
本文还有配套的精品资源，点击获取 简介：柱状图是一种数据可视化工具，用于比较不同类别的数据量或频率。本文详细介绍了柱状图的基本构成，探讨了不同类型柱状图的特点及其在数据分析、信息呈现和市场研究中的应用。同时，文章提供了在Excel中创建和自定义柱状图的步骤，并强调了数据完整性和图表清晰性的重要性。最后，本文还探讨了柱状图的扩展应用和注意事项。 1. 柱状图的定义和...
数据可视化之柱状图：特点，应用场景，以及效果展示与代码绘制
qq_55006020的博客
10-14 1893
大数据之数据可视化，柱状图：特点，应用场景，以及效果展示与代码绘制
统计图分析（源自Echars图形）——柱状图（条形图）
Ask马小向的专栏
12-01 1万+
1、柱状图和条形图的区别。
Tikz作图教程：使用 pgfplots 宏包作堆叠图（stacked bar chart）
大哉数学之为用
12-16 2096
科研工作者常常需要绘制堆叠柱形图来呈现同一维度中不同数据的差异。 所谓堆叠柱形图是柱状图的变形，拥有更多维度的表现力。柱形图的最大特点就是一目了然、清晰可见，而堆叠柱形图不仅可以清晰地比较某一个维度数据中不同类型数据之间的差异，还可以比较总数的差别。 今天的推文我们详细介绍一下如何用基于Tikz 的宏包 pgfplots来方便地绘制堆叠柱形图（stacked bar chart）。 准备数据 我们需要处理的数据共有六组，每组包含1月到12月共12个数据。见下表： 在这里插入图片描述 现在我们做6个数据文
【大数据处理与可视化】柱形图+折线图+饼图及学习网站的分享
ylwl2258767224的博客
04-16 1217
柱状图，又称长条图、柱状统计图、条图、条状图、棒形图，是一种使用矩形条对不同类别进行数值比较的统计图表。最基础的柱形图，需要一个分类变量和一个数值变量。在柱状图上，分类变量的每个实体都被表示为一个矩形（通俗讲即为“柱子”），而数值则决定了柱子的高度。柱状图通常利用于较小的数据集分析，亦可横向排列，或用多维方式表达。import matplotlib.pyplot as plt # 导入matplotlib的pyplot模块，并简写为plt。
数据可视化：绘制图表（一）——柱状图
Tanzy666的博客
05-28 5749
理解掌握如何用matplotlib库绘制柱状图
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值