高手總結的15個技巧，讓你輕鬆玩轉數據可視化！

大數據時代，數據驅動決策。處理很差龐大、複雜的數據，其價值將大打折扣。

那如何縮短數據與用戶的距離?讓用戶一眼抓到重點?讓老闆爲你的彙報方案鼓掌?

本文經過連環15關，層層深刻，傳你數據匹配圖形神功，讓數據可視化更高效。

不管數據總量和複雜程度如何，數據間的關係大多可分爲三類：比較/構成/分佈&聯繫。

推薦下我本身建立的Python學習交流羣960410445，這是Python學習交流的地方，無論你是小白仍是大牛，小編都歡迎，不按期分享乾貨，包括我整理的一份適合零基礎學習Python的資料和入門教程。

1、比較

基於分類/時間的數據對比，一般需用到比較型圖表。用戶經過圖表輕鬆識別最大/最小值，查看當前和過去的數據變更狀況。

常見場景：哪一個地區的收件量最多?今年的收入和去年相好比何……

1. 條目少 – 柱狀圖

比較條目較少時，如5個地區收件量的對比，可選用柱狀圖表示。

​

△ 柱狀圖

2. 條目多 – 條形圖

當條目較多，如大於12條，移動端上的柱狀圖會顯得擁擠不堪，更適合用條形圖。通常數據條目不超過30條，不然易帶來視覺和記憶負擔。

​

△ 條形圖

3. 看趨勢 – 折線圖

當X軸爲連續數值(如時間)且注重變化趨勢時，則適用折線圖。

​

​

△ 折線圖

4. 擴大差別 – 南丁格爾玫瑰圖

除柱狀圖外，有無更新穎的表現方式呢?那就屬南丁格爾玫瑰圖了。

​

△ 南丁格爾玫瑰圖

因爲扇形的半徑和麪積是平方的關係，南丁格爾玫瑰圖會將數值之間的差別放大，適合對比大小相近的數值。它不適合對比差別較大的數值，由於數值太小的類目會難以觀察。

此外，由於圓有周期性，玫瑰圖也適於表示週期/時間概念，好比星期、月份。依然建議數據量不超過30條，超出可考慮條形圖。

5. 雙向 – 雙向條形圖

前面的例子都是單維度比較，當比較正反兩類甚至更多維度的數據時，可嘗試雙向條形圖，下圖爲各大區的重點地區的收派件量的對比。

​

△ 雙向條形圖

用顏色區分大區，空心/實心區分收件量和派件量，既能總體比較大區，又能詳細對比地區的狀況。

打怪升級，再加點難度。在雙向圖上再增長一個維度，以下表，比較5個地區的利潤及相應的收入和成本。請先思考一下，再下滑看推薦圖表。

​

△ 業務數據

​

△ 雙向條形圖(多維度)

經過圖形一眼就能看出深圳區的利潤低於廣州區，即便它的收入高於廣州區，但成本相對來講高於廣州區。

6. 目標達成 – 子彈圖

實際業務中，常要考察指標的達成狀況，如收入達標狀況及所處區間(優、良、差)，以下表，你會怎麼可視化呢?動手畫一畫吧!

​

△ 業務數據

​

△ 子彈圖

子彈圖，由於像子彈射後帶出的軌道。相較於儀表盤，它可以在狹小的空間中表達豐富的數據信息，在信息傳遞上有更大的效能優點。

若還要比較4個季度的收入狀況，只需用不一樣顏色區分。以下圖，一眼便知第二季度表現較好，而第一季度則不佳。

​

△ 子彈圖

7. 性能 – 雷達圖

對於一些多維的性能數據，如綜合評價，經常使用雷達圖表示。指標得分接近圓心，說明處於較差狀態，應分析改進;指標得分接近外邊線，說明處於理想狀態。

​

△ 雷達圖

以上就是「比較」類的經常使用圖表，可概括以下。

​

此表並不是一成不變的「鐵表」，相互之間還會串聯交叉，你們還需靈活應用。

2、構成

部分相較於總體，一個總體被分紅幾個部分。這類狀況會用到構成型圖表，如五大區的收件量佔比、公司利潤的來源構成等。

1. 單層 – 餅狀圖

第1關中，對比5個地區的收件量時用到了柱狀圖。若看佔比狀況，餅狀圖更合適。

​

△ 餅狀圖

若是變成17個地區，會怎樣?

​

像不像彩色七星瓢蟲?

因此餅圖分類通常不超過9個，超過建議用條形圖展現。

除餅圖外，環形圖(甜甜圈圖)亦可表示佔比，其差別是將餅圖的中間區域挖空，在空心區域顯示文本信息，好比標題，優點是其空間利用率更高。

​

△ 環形圖

2. 分層 – 環形圖、旭日圖

對於管理層而言，需先把握大局和重點。好比大區負責人需一眼看到重點地區及重點分部的狀況(以下圖)，如何展現?

​

​

△ 環形圖

​

△ 旭日圖

這個叫旭日圖，逐層下鑽看數據，大區的重點地區及相應分部的構成狀況一目瞭然。

3. 累計趨勢 – 堆疊面積圖

接下來，看看數值構成隨時間變化的案例：第一大區(包含四個重點地區)近四年收入構成的趨勢要如何可視化?本身想想，再下滑看推薦方案。

​

△ 業務數據

​

△ 堆疊面積圖

推薦方案是堆疊面積圖，能夠展示份量(地區)對於總量(大區)的貢獻，並顯示總量(大區)的變化過程。須要說明的是，地區收入的起點並不是從 y=0 開始，而是在下面的地區基礎上逐層疊加，最後組成一個總體。

4. 累計比較 – 堆疊柱狀圖

若是將上圖X軸的標籤文字(即年份)和圖例(即地區)互換(以下圖A)，用來看每一個地區近四年的收入構成，用哪一個圖更合適?

​

​

△ 堆疊柱狀圖

是否是以爲均可以?那圖中 X1 有何含義?堆疊面積圖 A 方案和堆疊柱狀圖 B 方案均可以表現累加值。差異在於，堆疊面積圖的 x 軸是連續數據(如時間)，堆疊柱狀圖的 x 軸是分類數據。此案例中的 x 軸是非連續的分類數據，所以用 B 方案更適合。

5. 累計增減 – 瀑布圖

若想表達兩個數據點間數量的演變過程，可以使用瀑布圖。開始的一個值，在通過不斷的加減後，獲得一個值。瀑布圖將這個過程圖示化，經常使用來展示財務分析中的收支狀況。

​

△ 瀑布圖

以上就是「構成」類經常使用圖表，可概括以下。

​

3、分佈&聯繫

經過分佈&聯繫型圖表能看到數據的分佈狀況，進而找到某些聯繫，如相關性、異常值和數據集羣。

常見使用場景：客戶的年齡段分佈?單票成本與收件量的關係?

1. 兩個變量 – 散點圖

仍以業務爲例，下圖爲全國網點的單票成本/收入分佈狀況。

​

△ 散點圖

單單這樣看，可能看不出什麼，若是加兩條平均線就不同了。

​

加了平均線，就知道哪些網點高於平均線，哪些低於平均線。但網點那麼多，總不能逐個點擊查看是哪一個大區的，給散點加上顏色後，就頗有意義了。

​

經過此圖，能夠看出哪些大區單票利潤較低，急需提高，好比普遍彙集於右下角的第四大區，單票收入低於平均線，單票成本卻高於平均線。

2. 三個變量 – 氣泡圖

你們都知道，網點總利潤除了和單票利潤有關，還和體量(即收件量)有關，用散點的面積大小表示收件量，就變成了氣泡圖。

​

△ 氣泡圖

3. 結合地圖 – 熱力圖

氣泡圖與地圖結合可演變爲熱力圖。經過熱力圖，能看到哪些網點收派件量較多，需進行資源調配。

​

△ 熱力圖

以上是 「分佈&聯繫」類的經常使用圖表，可概括以下：

​

小結

當咱們拿到數據後，先提煉關鍵信息，明確數據關係及主題，再選擇合適的圖表進行可視化。但願下圖能給各位一些參考(結合可視化專家 Andrew Abela 的圖表選擇指南，進行了簡化調整)。

數據可視化設計只要多練習、多總結，總有一天會駕輕就熟。

​