echarts一个柱状图两组数据_数据之美 · 屠夫的数据可视化三节课之三：可视化的思考...

文：屠夫1868

欢迎关注：基业长红

转载需获本人授权，并注明作者和出处

金钱永不眠，屠夫问候各位早安。

一连三周的数据可视化系列在今天将迎来尾声，在此之前我们先回顾一下上周《可视化的使用》为大家介绍的「D·R·C·C·T」：

Distribution · 分布：展现数据的分布情况，是洞察的基础

Relationship · 关系：表达数据之间的关系，突出的是关联

Comparison · 比较：对比数据的不同表现，重点的是差异

Composition · 构成：呈现数据内部的成分，关注的是比例

Trend · 趋势：考虑数据随时间、流程等维度变化的情况

这5个大类，既是可视化辅助表达的5种【目的】，也是可视化辅助推理的5种【思路】。

无论是将可视化用在结果表达还是过程分析，充分理解DRCCT，有助于我们在选取可视化方案时有的放矢。

『数据可视化三节课』的最后一节课里，屠夫想分享自己对数据可视化的一些思考。

01 点与线

散点图是最基础的可视化方案之一，很多人却把它用得很单调。

如果把“点”和“线”结合起来，往往会有奇效，比如说趋势线：

来源：ECharts官方实例

除此之外，使用直线进行标注，也能让散点图的信息量大为丰富。

比如下面的例子里，标注出男女样本的平均值、最大值和最小值后，两个群体的差异一目了然：

来源：ECharts官方实例

02 线与面

人眼对长度的敏感性高于面积。

还是上次的例子，同样想对比A~E这5类的数量多寡，上方的饼图就远不及下方的柱状图。

所以，想使用可视化的「比较」功能时，请尽量使用直线元素。

来源：图之典·柱状图

另外，由于面积比长度高出一个维度，会放大了可视化方案中的差异，这样的情况可能发生在气泡图和南丁格尔玫瑰图里。

在使用气泡图时，屠夫通常将数值开平方后再作为气泡半径，让 x=2a 的气泡面积正好是 x=a 的两倍，成比例地反映数值差异。

而南丁格尔玫瑰图本来就是为了放大差异、突出比较的，一般不做这样的处理，但是会向图表使用者说明情况。

比如下面的例子中，上海 (500+) 和北京 (200+) 在视觉上差了不止一倍，因为作者选取半径长度代表店铺数量，而扇形面积却和半径的平方成正比：

来源：唐也钦，DT财经 (by 图之典·南丁格尔玫瑰图)

03 面与点

散点图可能是最被低估的一种可视化方案，落到“面”上的“点”其实可以做很多文章。

通过控制散点的颜色深浅和半径大小，全球最繁华的区域一目了然：

来源：ECharts官方实例

将点的移动轨迹 (飞线) 铺到地图上，又成了非常精彩的航线图：

来源：ECharts官方实例

04 系列和堆叠

使用柱状图和折线图时，我们可以通过“系列”将多个样本群体放在同一个坐标系下，起到「比较」的作用：

来源：ECharts官方实例

对于区域图 (折线下的区域用颜色填充) ，将多个系列【堆叠】在一起，可以在「趋势」和「比较」之余，额外展示「构成」：

来源：ECharts官方实例

05 下钻和上卷

数据分析绕不开数据粒度问题，通常来说，可视化只能表达一个粒度的数据。

比如按年、按月、按周、按天汇总的营收数据，通常会分开在不同的图表。

但是，我们可以通过「下钻」和「上卷」将不同粒度的数据，整合在一个可视化作品里。

比如下面旭日图的例子，点击第1层分类 (设计/社科/心理……) ，可以触发「下钻」，旭日图变形至以第1层作为整体再展示向下层级的比例构成。

这个例子不但可以再向下延伸 (第2层是星级，3/4/5星)，如果点击旭日图正中央的圆，则会触发「上卷」，将数据粒度往上一层：

来源：ECharts官方实例

06 时间轴

不同于平面图表和数据大屏，BI (商业智能) 可以通过一些交互组件实现“超维度”的效果。

比如下面的气泡图，原本只能展现3个维度的信息：人均收入 (横轴) 、平均寿命 (纵轴) 和总人口 (半径)。

但是增加一条时间轴后，就可以额外增多一个维度 —— 时间 —— 大大强化了「对比」和「趋势」的功能：

来源：ECharts官方实例

07 在线和离线

屠夫在工作中曾考虑过这么一个问题：

如果一款BI的在线可视化足够灵活和强大，

那么它还有必要提供离线报表导出功能吗？

答案是肯定的，原因很简单：

为了突出重点，可视化必定省略了一部分元素。

三节课里屠夫举的所有例子，都是为了突出数据集的某些特征，而有选择性地进行展示。

但是对于有一定分析经验的人来说，可视化方案会限制了他们的观察角度，远不如离线报表自由。

比如说，可视化方案中的数据波动有明显周期性，有经验的分析师可能会导出离线报表，计算一下移动平均值，可以更准确地看到平滑后的真实数据趋势。

再比如说，可视化方案中的数据出现明显异常，有经验的数据使用者也可能会导出离线报表，尝试通过IQR方法进行数据清洗，才再进行可视化。

在屠夫看来，在线可视化和离线报表的差异，就好比“看纪录片”和“亲自旅游”。

前者是有人预设镜头，向你展现选定的画面和场景；

后者是亲临其境，靠自己去探索、去体验、去尝试。

纪录片可以看，但亲自旅游，少不了。

以上就是「数据之美 · 屠夫的数据可视化三节课」的第3节内容，感谢你的耐心阅读。

如果三节课对你有所启发，别忘了在下面点个【赞】哦！