数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息,数据真相的展示离不开数据图表的合理选用,那么如何正确的选用呢?常见的图表类型一般分类:柱状图、折线图、、条形图、面积图和饼环图。

图表类型的特点对比

1.柱状图VS折线图

折线图:主要表示一段时间内数据变化趋势。

柱状图:用于描述分类数据之间的对比。

横向条形图 python 横向条形图的特点_前端

如果不需要展示数据的变化趋势,建议选择柱状图,相对于折线图,柱状图更多是关注数据之间的对比而非趋势。

2.柱状图VS条形图

条形图:横向长短的敏感性高过竖向、标签较长以及涉及到排行时选用条形图。

柱状图:分类数据之间的动态对比,标签简短时优先考虑柱状图。

横向条形图 python 横向条形图的特点_echarts_02

大多数情况下折线图和柱状图是可以相互替换的,在实际的情况下,跟据内容显示区域的大小选择更合理利用空间的图表。

3.柱状图VS饼环图

饼环图:各项类别的值对比较大、需要强调单个数据在整体中的占比,突出数据在群体中的特点。

柱状图:类别的数值大小差异不大时建议使用柱状图。

横向条形图 python 横向条形图的特点_javascript_03

 基于人的认知特征,如果对面积、角度的敏感性较强时,类别的值大小差异比较大,且考虑占比关系时,选择饼环图。

4.折线图 VS 面积图

面积图:表示数据变化趋势之外,还可以强调数据的累计,适合数据较少时的选择。

折线图:仅表示数据的变化趋势,折线数量不宜超过5条,若超过5条时,默认高亮显示最重要的部分,带有交互展示。

横向条形图 python 横向条形图的特点_javascript_04

 5.饼图VS环图

 饼图:扇形的大小展现数据的分类和占比情况。

 环图:弧长的长短体现视剧的分类和占比情况,环图中心凸显重要数据。 

横向条形图 python 横向条形图的特点_javascript_05

6.堆叠柱状图VS饼图

堆叠柱状图:同一条件下,需要增加多个数据的对比时可使用堆叠柱状图,即可以在满足用户的单一数据对比,又可以实现整体数据的对比关系。

横向条形图 python 横向条形图的特点_前端_06

7.堆叠面积图VS堆叠柱状图 

堆叠面积图:强调部分和整体的变化趋势,数据类别建议保持在3个以内,同时适合X轴较多数据点时。

堆叠柱状图:既可以强调整体的对比,也可以直观的显示某一单位的综合以及个系列值得比重,适合X轴数据比较少的情况下。

横向条形图 python 横向条形图的特点_前端_07

图表应用的细节

1.折线图

折线图线的数量建议不要超过5条。当超过5条时,默认情况下高亮最重要的部分,当用户点击某条线时高亮显示相对应的数据。(全部高亮的视觉可读性比较差)

折线图的折线使用实线,可提高数据的阅读性,不会分散用户的注意力。

当线条的每一个点都需要对应具体的数据时,慎用曲线,因为在实际拐点与感官上的拐点有差异,给人数据趋势呈现不精准。

2.面积图

数据图表有“累计”的含义时,面积建议使用渐变的手法对应“累计”的含义,同时建议将最重要的值置于图标底部。

3.柱状图

 柱子之间的间距建议不要大于1/2柱子宽度,增加数据的易读性。同时柱子宽度不易过细,会降低数据图表的易读性。

同一组数据图表中,柱子高低是传递数据的信息,故柱子颜色只需要使用同一种即刻,降低用户获取数据的认知成本。

4.堆叠柱状图

堆叠柱状图的数据必须是可以相加,且有意义的。

5.条形图

 某分类数据为0时,依旧显示此数据分类,否则会让人感觉分类出错,数据未能涵盖全部范围,导致让人质疑数据的严谨性。

6.饼环图

所有的占比加起来的和数值必须为100%。

类别建议不要超过9个,若类别很多时,考虑将多个极小值合并在一起,确保重要信息不被隐藏,同时如果极小值不合并,很难看得清楚,也很难选中该数值。

扇形正确的排列方式:从12点开始按顺时针方向降序排列各部分,乱序排列,不利于用户对信息的获取。

数据可视化的设计,是具有易读性、突出数据价值、易于分析、美观为一体的,最终是让该数据变得更加简单,方便交流。如果在设计过程中,将数据变得更为复杂,则会带来错误的诱导。