数据可视化常用的数据分析图表总结

一图以蔽之：

数据分析重要的不是你用什么图表，而是你的分析目的是什么？

比如，你想要作比较分析，就要用柱图、雷达图等；你想要看数据分析的占比情况，就要用漏斗、饼图；想要看数据的趋势有线形图；想要看数据与数据之间的关系，有树状图……而每个分类里各个可视化图表的应用场景和优缺点也都是不尽相同的。

正好最近在做数据可视化的分析，就系统地将可视化图表做一个全面详细地介绍：

一、比较类图表

主要目的：在数据分析时对比各个值之间的差别

1、多系列柱状图

应用场景：用于对比多个维度的数值差别分析，不同的系列指标进行不同的对比区分

评价：最常用的比较图表，但是不适合大数据集的对比

2、堆积柱状图

应用场景：用于显示单个项目与整体之间关系的数据分析，比较各个类别的每个数值所占总数值的大小

评价：只能对比某个维度内的项目情况，只能纵向对比、无法横向对比

3、对比柱状图

应用场景：一个维度、两个指标的时候可以使用对比柱状图

评价：更直观的看出对比差距，可以调整柱状图的大小，差别更加明显

4、分区柱状图

应用场景：并列展示不同维度下各个分类指标的柱形图，比如不同大区下不同品类的销售额和毛利对比

评价：用于展示大数据集的数据分析，但是比较杂乱，建议添加颜色区分度

5、雷达图

应用场景：雷达图用以显示独立的数据系列之间，以及某个特定的系列与其他系列的整体之间的关系，必须拥有相同的指标

评价：一般适合不同维度的比较分析，对比表达比较明显

6、漏斗图

应用场景：展示每一阶段的占比情况，提供转化率的数据分析

评价：适用于业务流程比较规范、周期长、环节多的单流程单向分析，通过漏斗各环节业务数据的比较能够直观的发现和说明问题所在的环节，进而做出决策

7、迷你图

应用场景：用于多个维度、多个指标的数据对比分析，用大小和颜色表示指标的数据情况

评价：没有具体数值的对比

8、词云图

应用场景：直观展示数据频率，对出现频率较高的“关键词”予以视觉上的突出，形成“关键词云层”，从而过滤掉大量的文本信息

评价：不适合展现数据太少的数据集，不适展现区分度不大的数据，即无重点关键词

二、占比类图表

目的：在数据分析时查看部分占总体的百分比

1、玫瑰饼图

应用场景：玫瑰图用来显示的是每一数值相对于总数值的大小。

评价：不适合较大的数据集(分类)展现，数据项中不能有负值；而且当比例接近时，人眼很难准确判别

2、仪表板图

应用场景：直观展示KPI数值的组件，可直接显示所选字段的数值，比如展示销售额、毛利、毛利率等指标数值

评价：展现维度只能有一个，展现指标不宜过多，而且只是数字面板，不具有图形的各种优势

3、矩阵树图

应用场景：矩形树图是用来描述层次结构数据的占比关系，能够进行逐级钻取显示下层数据情况

评价：不够直观、明确、不像树图那么清晰，而且分类占比太小时不容易排布

4、雷达图

上面说过了，这里不展示了

三、相关类图表

主要目的：数据分析时显示各个值之间的关系

1、散点图

应用场景：显示若干数据系列中各数值之间的关系，类似XY轴，判断两变量之间是否存在某种关联，或者发现数据的分步或者聚合情况

评价：散点图看上去比较乱，基本上只能看相关、分布和聚合，其他信息均不能很好展现

2、甘特图

应用场景：直观地表明任务计划是在何时进行及实际进展与计划要求的对比

评价：主要用于项目进展，其他情况使用很少

3、树状图

应用场景：用于表示各个节点之间的上下级关系，同时还能展示每个节点的的值

评价：多用于框架图，逻辑关系比较明确，但没有数据数值的对比

4、矩形树图、仪表板图

上面说过了，这里不展示了

四、趋势类图表

主要目的：展示数值随维度的变化情况

1、线图

应用场景：数据在一个有序的因变量上的变化，它的特点是反应事物随类别而变化的趋势，可以清晰展现数据的增减趋势、增减的速率、增减的规律、峰值等特征

评价：不适合多个指标进行趋势对比

2、面积图

应用场景：范围面积图用来展示持续性数据，可很好地表示趋势、累积、减少以及变化

评价：大多用来展示差值变化

3、瀑布图

应用场景：当用户想表达两个数据点之间数量的演变过程时，即可使用瀑布图，比如应发工资与实发工资之间的消长变化

评价：同样基本表示差值的变化趋势

4、柱状图

上面介绍过来，这里不展示了

五、地图类图表

主要目的：根据地区或者区域展示数值的情况

1、热力地图

应用场景：用来表示地理范围内各个点的权重情况

评价：对比不会很精准，只能进行大体的对比

2、流向地图

应用场景：流向地图多应用于区际贸易、交通流向、人口迁移、购物消费行为、通讯信息流动、航空线路等场景

评价：不好展示数值的大小、对比、趋势等情况

3、点地图

应用场景：想要查看的是某个区域各个网点(特定位置)的数据时，用地图实现起来会比较复杂，并且精准性不高，那么就可以使用点地图，可精准快速定位到位置

评价：精准、快速，但是不适合多数据集中展示，不容易区分。