柱状图与条形图
简介:
柱状图是使用垂直的柱子显示类别之间的数值比较。其中一个轴(横轴)表示需要对比的分类维度,另一个轴(纵轴)代表相应维度下的数值
条形图是柱状图的转置,正常工作中条形图应用居多。
基础用法:
条形图或柱状图描述的是分类数据,回答的是每一类中“有多少?”的问题。此外,柱状图也可以用于展示时间序列
数据; 需要注意的是,当柱状图显示的分类很多时会导致分类名层名称重叠等情况,可以考虑用条形图代替。其与
直方图的区别是柱状图无法显示连续数据在一个区间的变化趋势。
柱状图主要展示对比差异,此外如果是时间序列可以看柱状图的趋势(对比)。
折线图
简介:
折线图用于显示数据在一个连续的时间间隔或者时间跨度上的变化,它的特点是反映变量随时间或有序类别的变化趋势。
基础用法:
折线图中,数据是递增还是递减、增减的速率、增减的规律(周期性、螺旋性等)、峰值、凹值等特征都可以被清晰地反映出来。
所以,折线图常用来分析数据随有序变量(时间)的变化趋势,也可用来分析多组数据随时间变化的相互作用和相互影响。例如可用来分析某类商品或是某几类相关商品随时间变化的销售情况,从而进一步预测未来的销售业绩。
在折线图中,一般水平轴(横轴)用来表示时间或有序维度的推移,并且间隔相同;而垂直轴(纵轴)代表不同时刻和维度的数据的大小。
特点:可以反映变量的周期性、趋势性、季节性、无序性等,通过折线能对变量的趋势有全面的认知和预判。
饼图与环形图
简介:
饼图或环形图用于显示分类数据中各类占整体的多少,用饼图或环形图的面积或弧长展示各类别占整体的多少,更多的用于展示静态分类数据(与时间序列数据区别);所有区块(弧长或圆心角占比)的加和等于 100%。
注意只能用各分类加总等于整体的情况,对于去重的数据不太适用。
基础用法:
有饼图、环形图、二维饼图等多种类型。用饼图的面积或圆心角度大小代表相应的分类数据的数值大小。
饼图的主要缺点:
饼图不适用于多分类的数据,原则上一张饼图不可多于 6个分类,因为随着分类的增多,每个切片就会
变小,最后导致大小区分不明显,每个切片看上去都差不多大小,这样会失去使用饼图的意义。所以饼
图不适合分类很多的情况。
相比于具备同样功能的其他图表(比如百分比柱状图、环图),饼图需要占据更大的画布空间。
很难进行多个饼图之间的数值比较。
饼图小技巧:
超过6种的分类将不重要的归为“其他”一类。
最重要的类别放在12点钟方向。
同等重要就按照从大到小排列。
散点图与气泡图
简介:
散点图用来展示或探索变量之间的变化关系,也经常用来展示数据点在直角坐标系平面上的分布,散点图也可表示因变量随自变量的变化情况,通常在做拟合、回归时会会先做散点图分析确定相应的拟合函数。
气泡图(bubble chart)可用于展示三个变量之间的关系也可用于展示两个变量变量之间的关系。它与散点图类似,绘制时将一个变量放在横轴,另一个变量放在纵轴,而第三个变量则用气泡的大小来表示(气泡的大小是用气泡的面积进行映射的,非半径);两变量时,分类变量放在横轴,数值变量放在纵轴,气泡的大小和高度代表数值变量大小;气泡图也可用于分析数据之间的相关性。
区别:气泡图与散点图相似,不同之处在于:气泡图允许在图中额外加入一个表示大小的变量进行对比。
基础用法:
散点图一般用于两个变量之间的关系展示,气泡图常用于三个变量之间的关系分析。
应用场景:
- 关系数据探索(譬如年龄与平均手机使用时长散点图)。
- 多变量映射,用于分析数据的相关性(譬如上面营销费用与DAU的关系)
- 和地图的结合使用,用于在地图上展示不同地区某些变量的度量大小等情况(较多)。
箱线图
简介:
基础箱线图,又称盒须图、盒式图或箱型图,是一种用作显示一组数据分布情况的统计图。
基础用法:
如果一个数据集中包含了一个或多个分类变量,同时分类变量对应的多个连续变量,那么可以用箱线图展示连续变量会如何随着分类变量的变化而变化,也可以展示不同分类变量下的数据结构。
箱线图用5个数字对分布进行概括,即一组数据的最大值、最小值、中位数、下四分位数和上四分位数。对于数据集中的异常值,通常会以单独的点绘制(异常值一般为较大或较小的个别值,一般为上下四分位点的1.5QR Inter-Quartile Range内距,)。
箱形图可以水平或横置进行对分组数据的对比。箱形图多用于数值统计,虽然相比于直方图和密度曲线较原始简单,但它不需要占据过多的画布空间,空间利用率高,非常适用于多组数据分布情况的比较。
雷达图
简介:
将多个维度的数据映射到坐标轴上,这些坐标轴起始于同一个圆心点,通常结束于圆周边缘,像这样将同一组点用线连接起来的图形称为雷达图。它可以将多维数据进行展示和对比,但点的相对位置和坐标轴之间的夹角是没有任何信息的。
每一个维度的数据都分别对应一个坐标轴,这些坐标轴具有相同的圆心,以相同的间距沿径向排列,并且各坐标轴的刻度相同。连接各坐标轴的网格线通常只作为辅助元素。将各坐标轴上的数据点用线连接起来就形成了一个多边形,这些坐标轴、点、线、多边形是雷达图不可缺少的元素。
基础用法:
雷达图的主要缺点:
不能用于展示过多的变量。
展示变量的信息必须标准化到同一个度量单位下。
对于第二张的面积雷达图的实现步骤:
第一步:先做成二维面积图(调节好横纵坐标和网格)
第二步:将最外层的填充改为纯色填充,并且透明度改为100%,也就是纯透明
第三步:选中最外层面积的边框,将边框改为实线并加粗更改颜色
第四步:右键将面积图改为面积雷达图,调节雷达图纵坐标为合适宽度即可
应用场景:
- 更多用于展示多分类型数据,在同一数据类型下的展示或对比情况。
- 多变量映射,用于分析数据的相关性(城镇消费水平在同一指数下的消费水平是否相关)
瀑布图
简介:
瀑布图有助于理解依次引入正值或负值的累积效应变化。瀑布图也被称为飞行砖图或马里奥图,因为看起来像悬挂在空中的砖头。
基础用法:
瀑布图通常用于了解初始值如何受到一系列中间正值或负值的影响后最终的数据结果。
瀑布图的一种变体也可以称为甘特图,常用在项目管理中。
漏斗图
简介:
用于业务流程规范、周期长、环节多的单流程分析,通过漏斗各环节业务数据的比较能够直观地发现和说明问题所在的环节,进而支持业务策略改进和后期的新策略的评估。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。漏斗图从上到下,有逻辑上的顺序关系,展示了随业务流程的推进业务目标完成的状况。
基础用法:
常适用于工作中的流量分析、用户行为分析、渠道对比分析等找出运营中的问题环节从而来调整运营策略,提升运营效率。
组合图
简介:
组合图是为了方便展示多种信息,把多种信息用不同的图形展示在一张图上,从而更直观的实现各种信息之间的对比和相关性的探索。
基础用法:
1、常用的有柱状图的和折线图的组合,柱状图和柱状图的组合等。
2、遵循少量原则,组合图一般真是信息不要多于两个,否则会导致看起来比较混乱,信息表达不集中。
旭日图
简介:
旭日图(Sunburst Chart)是一种现代饼图,它超越传统的饼图和环图,能表达清晰的层级和归属关系,以父子层次结构来显示数据构成情况。在旭日图中,离圆点越近表示级别越高,相邻两层中是内层包含外层的关系。
基础用法:
旭日图可以更细的溯源和分析数据,真正了解数据的具体构成。
树状图
简介:
树状图采用矩形表示层次结构里的节点,父子节点之间的层次关系用矩形之间的相互嵌套隐喻来表达。从根节点开始,屏幕空间根据相应的子节点数目被分为多个矩形,矩形的面积大小通常对应节点的属性。每个矩形又按照相应节点进行分割,直到叶子节点为止。
用法:
树状图的好处在于,相比起传统的树形结构图,其能更有效得利用空间,并且拥有展示占比的功能。树状图的缺点在于,当分类占比太小的时候文本会变得很难排布。表达的不够直观、明确。
表格图形
简介:
表格图形是excel表格数据和图形的结合来寻找规律发现和定位问题。
常用图形:
mini图
热力图
柱状数据条
行业结合
流量数据(分渠道、分业务线):
DAU (Daily Active User) : 日活跃用户数
MAU (Monthly Active User) :月活跃用户数
DAU/MAU(活跃度) : 反映月活用户中每天登陆用户所占百分比
用户数据(分渠道、分业务线):
MTU(Monthly transaction user) :月度交易用户数
ATU(Annual transaction user) : 近12个月交易用户数
供给数据(分品类、分平台或渠道):
商户
品类
行业数据:
流量
用户
市占
雷达图主要用于多种分类型数据,用来展示和对比不同维度下的数据分布特征。
组合图把多维度信息放在一张图中展示,希望达到对比、相关性,从而更加突出主要结论。
瀑布图用于展示汇总数据内部的结构变化,多用于可以直接加减汇总的数据。
漏斗图用来展示多环节、单流程的单向分析,通过漏斗各环节业务数据的比较能够直观地发现和说明问题所在的业务环节,进而支持业务运营策略调整。
旭日图和树状图展示数据结构和各节点数据的大小。
表格图形可以快速准确的找到数据趋势的变化规律,一般在问题的拆解过程中用到的最多。