七析BI图表配置基本原理深度解析

道一云黑板报

已于 2024-04-29 11:12:40 修改

阅读量1.3k

点赞数 27

文章标签：信息可视化数据分析数据挖掘低代码

于 2024-04-29 11:00:00 首次发布

本文链接：https://blog.csdn.net/Daoyiyun/article/details/138271019

版权

本文介绍了图形可视化在BI分析中的重要性，如何选择合适的图表类型，以及七析BI的配置原理，包括直角坐标系、极坐标系和地理坐标系的应用，以及如何通过颜色、大小、标签和角度等视觉配置提升数据的可读性和交互性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

概述

图形可视化是BI分析最基本的呈现形式，拥有一个能自由灵活配置的可视化工具对于数据分析来说至关重要。七析BI采用业界可视化主流标准，基于可视化视觉语言设计灵活的视觉效果配置。

为什么需要可视化？

人是视觉动物，对于图像的阅读比文字的阅读更容易集中注意力，也更方便理解。一个好的数据可视化看板，不需要太多的文字说明即可让人关注重点、发现问题。

如何选择合适的图表？

常见的图表类型有很多，比如：柱状图、折线图、饼图、雷达图等等。

如何从几十种甚至上百种图形中选择合适的可视化图表？

可视化图表的本质目的是用来传递信息，所以选择图表的第一要素就是能准确表达信息，其次才是美观。

数据可视化第一步，要明确传递信息的目的，即期望表达什么信息。

有了明确目的，才能进一步的指导我们后续的工作。

例如：销售人员期望看见的是本月的销售排名，销售管理者期望看见总店在近年的销售额变化趋势。

根据数据表现的目的，图表的表现形式可以区分为以下几种常见类型：

使用图表的目的	适合的图表类型
对比型	多系列条形图、分组条形图、雷达图、玫瑰图
趋势型	分组折线图、多色折线图、面积图
占比型	饼图、环形图、堆积条形图
分布型	区域地图、点地图、直方图
关键值型	KPI指标图

对比型

在数据处理的过程中，对数据进行比较、排序，是对数据最常见的处理方式。

柱形图常用于相同分组下，同类数据值之间的比较。用柱子高度显示数值比较，用颜色来区分不同类的数据，清晰地比较出同一维度下不同指标的数据量差距。此外，按照顺序将柱子的数据进行有序排序后，能够直观展现出分组之间的排名。

雷达图、玫瑰图用于比较多个量化的变量，强调相对值的对比，突出同一事物不同维度的之间的比较。

例如：

年级成绩排名。
各地区之间四个季度的销售额。
本学期个人德智体美评分综合对比。
上半年花费在A产品上的预算支出占比数据。

趋势型

多色折线图、面积图常用对比在时间趋势的增长下，数据值的大小变化。

例如：

近一年，公司某几款产品的销售额的变化趋势。
过去十年，我国平均薪资的涨幅。

占比型

饼图、环形图、堆积条形图都能较清晰的比较出某数据在整体中的占比值。通过颜色的渲染，从视觉上给用户直观的视觉占比感受。

例如：

某食品的营养成分含量占比。
公司某几款产品分别占公司总销售额的比值。

分布型

通过地域之间的区块或地区之间的打点数据，来表示区域之间数据的对比关系，通过地图来展现数据的分布特征。

例如：

过去一年各省份的人口增长数量。
某省地级市销售额。

关键值型

在数据的展现过程中，不关心数据的对比、趋势等，仅需突出展现特定的指标值。

例如：

一月份某市进出口成交量同比上涨35.86％。
本季度净资产营收25100万元。

七析BI配置原理

图表拆解分析

一个图表的构成，可以抽象总结为3个元素：坐标系、数据、图形。

1.坐标系：决定数据的呈现位置。例如，柱状图的展现基于直角坐标系，雷达图的展现基于极坐标系。

2.数据：要展示的数据信息。例如：一年级各班级的期末考试语文平均分。

3.图形：数据的一种表现形式。例如：柱状图的柱子、折线图的线段、饼图的扇形等。还有额外的附属属性：颜色、大小、角度、形状等。

坐标系

对数据进行可视化时，需要将数据放在空间的某个位置进行展示。描述该数据在空间中位置信息的方法，就称之为“坐标系”。

在一维空间（线）上，我们只需要一个值，就可以定位这条线上一个点的位置。

在二维空间（平面）上，我们则需要两个值来定位一个点（x,y）。

更高维的度的空间，就需要更多的值来描述一个点的位置信息，比如三维空间中的（x,y,z）。

但是，更高维空间的数据可视化在BI工具中并不常见，需要依赖特定的建模工具加以实现。实际在图形的可视化中，图表通常在二维空间（平面）上展示。因此，需要对二维空间的坐标系有了解，以便选择更合理的图形进行数据可视化表达。二维空间的坐标系有三种：直角坐标系、极坐标系、地理坐标系。

直角坐标系

在二维空间（平面）上，我们需要两个值来定位一个点。首先，将二维空间的任意点定义为极点O。从极点O衍射出两条相互垂直的射线，这两条线定义为X轴，Y轴。定义点的水平位置为x，垂直位置为y。从而，该平面上的任意点，都可以由(x,y)定义。这个平面称为直角坐标系。

直角坐标系中，基于数据点的确定后，对点做图形化展示，可以演变出条形图、折线图、面积图等类型的图表。

直角坐标系	衍生出的图表

极坐标系

在二维空间（平面）上，我们则需要两个值来定位一个点。首先，将二维空间的任意点定义为极点O。从极点O衍射出一条射线，定义为极轴。定义点到极点的距离为ρ，极轴到点线的角度θ。这样，平面上的任意点，都可以由(ρ,θ)定义。这个平面称为极坐标系。

极坐标系中，基于数据点的确定后，对点即角度做图形化展示，可以演变出饼图、玫瑰图、雷达图等类型的图表。

极坐标系	衍生出的图表

地理坐标系

地理坐标系是对现实地理的一种二维平面化、缩略化展示。地理坐标系可以通过「经度」、「纬度」来确定地球上任何一点的位置，大到国家、小到省市区，都有其特定的经纬度坐标。因此，在平面的地理坐标系上，可以将省市区具体地理位置上的信息数据用点或色块表示。

数据

数据是图表组成的重要部分，图表呈现是数据的可视化形式，在数据分析领域，数据通常被定义为「维度」和「度量」。

维度与度量

「维度」是看事物的视角，比如，时间，地点等；度量是衡量事物的尺度。

数据信息拆解：任何一个需要进行数据可视化的需求或问题，都可以从中提取数据信息的「范围」、「视角」以及「结果」。

范围：比如“2022年广东省的销售额总和”与“2023年广东省的销售额总和”，由于数据范围的不同，数据聚合的结果值就截然不同。
视角：比如“全国的销售额”比“广东省的销售额”更加抽象，表示了数据信息展现的详情级别。
结果：比如“广东省份的销售额总和”与“广东省份的利润总和”，是两个不同的结果值。

我们将“数据视角”与“数据结果”，用更精确的名称即定义为“维度”与“度量”。可以总结出，维度是查看数据的视角，度量是衡量数据的大小。根据维度、度量的定义，将文本、日期、日期时间归类为维度字段；整数、小数归类为度量字段。

字段	类型	定义
维度	文本、日期、日期时间	看待事物的角度，进行数据的分类或分组
度量	整数、小数	明确的计量单位，展现数据的数值、趋势、占比值等

坐标系与数据的关系

用直角坐标系描绘数据时，一般用横轴放置维度，纵轴放置度量。即横轴作到一个数据的分组，纵轴作数值的展现，清晰直观地反映变量与数值之间的对应关系。

常见的极坐标系的玫瑰图，图表整体在极坐标系的中心。每个扇形的圆心角大小以及半径，表示该分组占总体的比例，以极点逆时针将数据角度展开。所以，视觉通道的角度、大小，相当于直角坐标系图表的度量的占比，直接影响视觉的扇形的面积。

根据国际标准，每个地理名称都有已定义的经纬度。因此，在地理坐标系中，地理名称都可准确找到对应的点位。在图形可视化过程中，可以将每个省市区具体地理位置上的信息数据用描点或色块表示。

多维度

维度是数据在图表中的分类和分组的依据，决定了观察和分析数据的视角和深度。

当我们在一个图表上同时使用多个维度时，不同维度之间的相互作用也会产生对应的分类，这可以揭示数据之间更加深层次的关联与规律。

例如：通过对比以下图表，发现在多维度字段的情况下，产品类别的基础上继续划分出子类别，对数据进行了更深一个层次的分组，将数据切分得更加细致。

一维度

多维度

多度量

在我们已经选择了需要展现数据维度的基础上，接下来思考的是，需要展现维度的什么数据？比如：销售额、数量、人数、占比等。度量是明确的计量单位，决定了数据在坐标系中的位置或大小，反映了维度数值的直观映射，帮我们观察数据之间的差异。

当我们在一个图表上同时使用多个度量时，可以展示同一分组数据内更多角度的数据信息。

例如：通过对比以下图表，发现在多度量的情况下，图表数据在同一分组中展现了多组数值，可以更加多元化地分析维度中的分组。

一度量

多度量

图形

坐标系决定图表呈现的位置，那么图形就是决定图表呈现的视觉效果。七析BI针对图形效果配置做了原子粒度拆分，可以自定义配置想要的视觉呈现效果。

图形根据呈现效果，可以分为三种：点、线、面。

点

常见的散点图即是在直角坐标系的空间中进行准确地打点渲染。

线

线将坐标轴中的点与点之间进行连线，构成了基础的折线图。

面

在点的基础上，在向坐标轴填满面积区块，即形成柱状图或面积图。

以上总结出的“点”“线”“面”，进而演化出了圆点，三角点，星点，折线，曲线，省市面积，扇形等，我们将这些坐标系内，基于数据所构建出的图形形态，统一称之为“图元”。

样式视觉配置

坐标系+图形可以完成基本图形可视化构造，相当于构建了图形的骨架，但是图形如果需要展示更好看，更具备可读性和可交互性，还需要依赖样式视觉配置。七析BI把样式视觉配置提炼为：颜色、大小、标签、详情、以及角度。其中角度是针对「极坐标系」下的一个配置，其余配置都是针对视觉效果的配置。

颜色

颜色通道在视觉效果上可以做到最为明显的区分。当图表展示多个分类的数据时，可以使用不同的颜色来区分不同的分类，通过颜色的深浅判断数据的大小。

在了解图表颜色的渲染规则前，我们需要知道什么是色相、饱和度、明度。

而在图表的视觉通道中，使用色相来区分维度，一个色相代表一个数据。使用饱和度来标识度量的大小，数据值越高，颜色越深。当前，七析BI提供了多种主题配色，在颜色通道放置维度或度量字段时，在图表的渲染上会有不同的效果：

以下为颜色通道放置字段后展示的效果示例：

颜色通道配置前	颜色通道配置后

注意：颜色视觉通道是为了带来更有效的信息，在数据分组较多的情况下，颜色信息可能反而会带来干扰因素。不要为了“有颜色”而配置无意义的、混乱颜色。

大小

图元的面积也是图表使用过程中，能直观影响用户感知的一个重要因素。通过改变图元的大小，来突出显示数据，扩大数据在视觉中的占比，使得重要的数据更为突出明显。

大小用于控制图形的形状、条形、线形的宽窄、图案的形状的大小、极坐标图形的轴半径等。而每个省市区已经是定义好的法定边界面积。因此，“大小”作用的目标形状对象是柱、线、饼、圆。

大小的作用效果有两个：

1.控制图元在整个坐标系中的大小。

2.使得放置的字段的数据差别在视觉效果上更加明显。

以下为大小通道放置字段后展示的效果示例：

大小通道配置前	大小通道配置后

详情

数据可视化和图表设计中使用详情视觉通道，可以在保持图表的整体直观性的同时，通过简单的鼠标互动提供更加详尽的数据信息展示。

以下为详情通道放置字段后展示的效果示例：

详情通道配置前	详情通道配置后

角度

使用角度的大小来映射不同数据的数量、占比、维度等。角度的大小，间接的利用了面积占比的视觉刺激，突出显示重点的数据内容。

在饼图、环形图、玫瑰图中，每个扇形的圆心角大小，表示该分组占总体的比例。所以，视觉通道的角度相当于直角坐标系图表的度量，直接影响视觉占比的扇形的面积。

尽管饼图与环形图常被当做是同一类图表，但是饼图的视觉暗示是圆形中的相对角度，即扇形的面积。环形图的视觉暗示是弧长，因为环形图可以表示角度的圆心被切除了。

以下为角度通道放置字段后展示的效果示例：

角度通道配置前	角度通道配置后

以上就是七析BI图表设计器的基本原理，为了方便大家对图形可视化有更深的认识，推荐常见的可视化学习网站，希望能帮助大家更好的学习数据分析和数据可视化。