数据可视化之旅（二）图表的选择

在数据可视化的过程中，明确了数据之间的关系，我们就要选择相应的图表来进行展示。这里主要针对两类数据进行分析，一个时序数据，另外一个是比例型数据。

时序数据

离散时间

单一柱状图

• 适合场景
  适合单类别的离散时间的数据趋势展示，但是柱状图的条数不宜过多最好不要超过12个
• 不适合场景
  数据条数过多导致柱状图过多显得臃肿，并不适用于连续时间数据

并列柱状图

并列柱状图的使用场景基本和单一柱状图一致，更多的是并列柱状图适合多类别的离散时间的数据趋势展示，但是类别最多不要超过三个。

堆叠柱状图

单一柱状图，是表示各个离散时间点总体数值的一个方式。但是，当我们想知道各个离散时间点总体的构成部分，是如何随着时间而变化的，这个时候，就需要引入堆叠柱状图。
堆叠柱状图，按照堆叠的部分，展示的是实际体量还是相对体量，可以分为两类：

• 普通堆叠柱状图：展示实际体量。
• 百分比堆叠柱状图：展示相对体量。

普通堆叠柱状图
百分比堆叠柱状图

散点图

散点图，通常用来表示两个变量间的相关关系。在表示离散时间数据时，其表达的是某一变量随时间的变化关系。
柱状图是用高度作为数值的映射，而散点图则是用位置来作为数值的视觉通道。

同样的当比较数据的类目过多时虽然可以用不同的颜色不同的几何图案来标识不同的数据类目，同样会造成一种混乱的感觉使可视化结果并不直观，所以不适用于数据类目较多的情况

连续时间

折线图

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。在折线图中，一般水平轴（X轴）用来表示时间的推移，并且间隔相同；而垂直轴（Y轴）代表不同时刻的数据的大小。

折线图主要包括三类：点线图、折线图、曲线图。

• 点线图：当数据集中的数据项有限，不超过12个时，采用此种点线图比较合适。有时候，对应日期的数据点上方，会直接显示数值。
• 折线图：当数据集中的数据项比较多，大于12条时，采用点线图，会让整条线上的点很密集，影响看数据的趋势，此时采用折线图是不错的选择。
• 曲线图：相比于折线图，曲线图相邻节点的连线更加平滑，可视化效果也更加美观。

点线图

折线图

曲线图

阶梯图

阶梯图常用来表示，某两个相邻的时间节点，后一个节点的数据相对于前一个节点数据的升降变化，常用于商品价格变动、股票价格波动、税率变化等场景中。

拟合曲线图

拟合曲线图，在数据预测中应用较多，可以根据多个离散点拟合一个最接近的一个连续函数关系。比如，某一电商网站要预测今年双十一的GMV，那么它可以根据往年每月的交易额趋势，今年每月与去年同期的数据等多个变量，去拟合出交易额与时间等其他因素所满足的关系

比例型数据

饼图

饼图是通过角度来映射各类别对应的数值。
因此，对于饼图来说，建议扇区个数最大值在5～7个之间。当数据项超过一定数量时，可以按照占比，把排名最末的几项归位「其他」。通常的做法是：

• 当数据项n<=6时，直接显示各扇区原始类别的名称。
• 当数据项n>6时，直接显示占比排名TOP5扇区的原始类别名称，剩余的数据项则归为「其他」。

环形图

饼图通过各扇区角度去映射各分类项对应的数值，「环形图」则通过各弧形的长度来衡量数值。
环形图中心部位是空的，可以放置标签、整体数值、平均数值或其他内容。环形图中，数据项的分类和饼图类似。

、

百分比面积图

当比例数据中存在多个父系列，且父系列的数据类型为时间，要分析父系列的各构成部分占比随时间的变化趋势，此时可以采用堆叠面积图来表示比例关系的变化。
如果从某一点上对堆叠面积图进行垂直切片，那么就可以得到该时间段上的比例分布情况。

矩形树图

矩形树图，是一种基于面积的可视化方法。外部矩形代表父级类别，内部矩形代表子类别。相比于其他表示比例型的数据，矩形树图更适合展示具有树状结构的数据。

实战