比较两组数据的差异用什么图更直观_用好这11种可视化图表,数据可视化技能秒提升...

可视化不是单纯的数据展示,其真正价值是设计出可以被读者轻松理解的数据展示。数据与合适的图形结合,不仅能够让复杂的统计数字简单化、形象化,还能给读者一种视觉的享受。

今天,就让我们根据数据分析软件亿信ABI来解读一下各类统计图的使用场景以及优缺点。希望掌握这11种可视化图表,能够快速提升和巩固你的数据可视化展示,一起来看看吧!

1、 柱状图

17d756018f59a009906e844a6ceb5ee9.png

适用场景:以柱子的高度用来比较两个或以上数值之间的差异。

优点:人眼对高度较敏感,直观各组数据差异性,强调个体与个体之间的比较。

局限:分类过多则无法展示数据特点。

相似图表:

系列堆积图:系列堆积起来可以更直观看到总数和各系列分布情况。

多系列柱状图:将一个维度多个指标进行比较。

百分比堆积柱状图:适合展示同类别的每个变量占比和分布情况。

2、 饼图

a4f4b5724f93c7aa65b1d454c73bdd4f.png

适用场景:展示数据分布情况,比如:某一时期各个行业的销售占比。

优点: 直观显示各项占总体的占比,分布情况,强调整体与个体间的比较。

局限:分类过多,则扇形越小,无法展现图表。

相似图表:

· 嵌套圈饼图:用于一个指标在不同维度的占比。

· 跑道图:看到占比的同时,可以直观看到指标在当前维度下的排名情况。

· 而圈饼图和南丁格尔图,只是普通饼图的不同表现形式。

3、 条形图

a443365d54a24e0e4e861984aebe7127.png

适用场景:根据数量的多少绘成不同的直条,通过直条中清楚的看出各省的生产值差异。

局限:分类过多则无法展示数据特点。

相似图表:

· 堆积条形图:比较同类别各变量和不同类别变量总和差异。

· 交错正负轴标签:数据有正有负,将坐标轴标签分别放在坐标轴两边。比如盈亏情况、人员增减情况。

· 双向柱状图:比较同类别的正反向数值差异。比如男女占比。

4、 线状图

2bf18aa0cf74cdf2e1dada24ffcdf6cb.png

适用场景:以线条来动态展示各个时间段的数值,通过折线的趋势变化,反映出销售额变化情况。

优点: 直观反映数据变化趋势

局限:无序的类别无法展示数据特点。

相似图表:

· 阶梯线图:线在数据点之间形成一系列步骤。

· 折点曲线和平滑曲线图,只是折线样式不同,用来展示数据趋势。

5、 面积图

bc9741b0006e85d188fd8a03248da8be.png

适用场景:面积图除了可以像折线图一样表达变化趋势,还可以通过层叠的阴影面积反映差距变化。

优点:颜色的填充可以更好的突出趋势信息。

相似图表:

· 数据监控面积图:用于显示每个数值所占大小随时间或类别变化的趋势线,展示的是部分与整体的关系。比如服务器CPU、内存等监控场景。

· 横向面积图:用横向面积来展示趋势信息。只是与竖向面积图的不同展现样式。

6、 地图

d1efaa8f3fecf2c56ec57fd074dbb10b.png

适用场景:地图是用颜色的深浅来展示区域范围的数值大小。

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:

· 流向图:展现运动轨迹。比如人员迁移、飞机航线等。

· 渲染图:一个指标在地图上用颜色来展现,比如天气、人口、收入等。

· 标点图:用描点展现数据在区域的分布情况。与渲染图用途类似。

· Gis渲染图:集成Gis地图,在地图上着色从而实现预警的一种方式。

· Gis统计图:地图与其他统计图的组合,表现该指标在另一维度的分布情况。

7、 雷达图

352c615bb03fed3a6a4d048cf7365b1e.png

适用场景: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。

相似图形:

圆形雷达图和多边形雷达图只是表现形式不一样。

8、 气泡图

d33d21889a83eac47a8b80b506823338.png

适用场景:通过气泡图,可以清晰的看出各产品在市场占有率的大小。

优点: 直观反映数据集中情况,对离散数据线性回归等曲线预测性的拟合辅助作用

局限:数据量小的时候会比较混乱。

相似图表:

· 散点气泡图:用于展示一个维度在2个变量之间关系,比如男女身高体重情况。

· 螺旋气泡图:一个维度按大小排列,比如收入情况。

9、 仪表图

901e851017234f939bcfa62b2cd5a33e.png

适用场景:展现指标并分等级,用于数据预警。应用于经营数据分析、财务指标跟踪和绩效考核等方面。

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。

相似图形:

· html5占比:重点关注一个指标的当前占比情况。

· flash柱:作用同仪表盘,只是外形上有所区别。

10、 组合图

集柱状图和线状图优势于一身,更加清晰展示数据之间的差异与变化趋势。

3eeb276686538edaf6dc85e03ce8d9a9.png

11、 高级统计图

除了基础统计图,亿信ABI中还拥有各种高级统计图,总有一款适合你。

fc4b6c9da4f9c5b751ed66969d8d7299.png
e60e8af0bfedbc3f3ef034fc1c802b3e.png

亿信ABI是一款融合了数据源适配、ETL数据处理、数据建模、数据分析、数据填报、工作流、门户、移动应用等核心功能而打造的全能型数据分析平台。其内置百余种统计图,每种统计图都适用于各种不同的场景,善于选择合适的统计图能够更好的展示数据。而且在ABI中,可以通过设计与搭配,可以衍生出成千上万种炫酷的可视化效果,让数据更加生动!

  • 4
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,针对这个数据集进行数据可视化的步骤可以如下: 1. 确定可视化目的和受众:首先需要确定数据可视化的目的,例如探索学生的表现、分析学生数据的特点或者提供学生表现的决策支持等。同时还需要考虑受众的需求和背景,以确保可视化结果能够被受众理解和使用。 2. 收集和准备数据:在进行数据可视化之前,需要收集和准备数据。这包括数据清洗、转换、整合等过程,以确保数据的准确性和一致性。比如,可以使用Python Pandas库读取Higher_Education_Students_Performance_Evaluation.csv文件中的数据,并对数据进行清洗和预处理。 3. 选择合适的可视化类型:根据数据的特点和可视化目的,选择合适的可视化类型。比如,如果要探索学生的表现,可以使用散点或热力;如果要分析学生数据的特点,可以使用直方或箱线。 4. 设计和布局:在进行可视化设计时,需要考虑颜色、字体、标签等因素,以提高可视化结果的易读性和美观性。同时还需要设计合适的布局,包括标题、例、坐标轴等。比如,在绘制散点时,可以设置不同的颜色或形状来表示不同的学生群体,以便于观察和分析。 5. 分析和解释:在进行数据可视化之后,需要进行分析和解释,以确保受众能够理解数据中的含义和趋势。这需要结合实际业务场景和数据特点,进行深入的分析和解读。比如,在分析学生表现时,可以通过散点或热力观察学生成绩和其他因素之间的关系,进而提出相应的分析和建议。 6. 反馈和优化:最后,需要根据受众的反馈和实际应用效果,对数据可视化进行优化和调整,以提高可视化的效果和价值。比如,在绘制直方或箱线时,可以尝试调整分组间隔或箱线的显示方式,以达到好的视觉效果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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