10大数据可视化图表最佳实践

数据可视化是一门艺术，需要在形式和功能上取得平衡。选择正确的风格、颜色和设计来传达正确的见解，突出关键领域，并帮助你的浏览者根据数据中的事实得出合乎逻辑的结论，这不是一件简单的事情。

在 ，我们发现，四种最常见的图表类型--柱状图、折线图、表格和数字框--占了一个组织的图表的 90% 左右。这些图形之所以常见，有几个原因：它们能清楚地显示趋势和异常值，它们为大多数人所熟悉，因此需要较少的解释，它们允许轻松地进行比较，而且它们清楚地显示变量之间的关系。

但一些替代方案可能会更恰当地展示你的数据。例如，如果你想显示在某一天、某一周或某一月购买了你的产品的客户之间的共同行为，那么队列表会更有效。另外，如果你要看一个特定区域的数据，比如一个区域内的交通流量，那么地理分布图会更合适。

为你的数据选择正确的可视化技术本身就是一项任务，这就是为什么我们在这里提供帮助。下面，我们探讨了10种最常用的可视化图形，以及如何和何时使用它们。

柱状图

定义和用途

柱状图最好用于分类数据，你需要显示彼此不同的项目的信息。它们显示的是离散的而不是连续的数据。例如，如果你的组织销售几种产品，那么你的公司的全球概览仪表板可能会有一个条形图，在特定的时间范围内按产品分列总销售额。

相关图表

条形图可以使用聚类图和堆积图进一步划分。聚类图允许你比较两个不同类别的变量，而不是只比较一个。因此，举例来说，如果你有两所房子，并需要每所房子的预算，你可以用分组条形图把它们绘制在同一X轴上，用不同的颜色来代表每所房子。

堆积条形图的工作原理与此类似，但子类别被堆积在一个条形上，而不是多个条形。当你需要显示某样东西的总数并进行比较时，这种技术效果很好，比如同一部门的几个产品与另一部门的产品。

尽管直方图看起来与柱状图相似，但主要区别在于数据：直方图绘制的是连续数据，柱状图绘制的是分类数据。

最佳做法

• 条形图可以是垂直或水平的，但如果你有很多类别，水平条形图是最合适的。在类别较少的情况下，垂直条往往效果更好，因为它们能更有效地填充空间。
• 类别应按升序或降序排列。
• 项目可以用分隔线放在子类别中。
• 离散数据只能取某些值，例如，鞋子、袜子、整数（1,2,3,4）。
• 连续数据可以在一个范围内取任何值（例如，高度、时间）。

线状图

定义和用途

线形图绘制了一些点，然后用一条线连接起来，以显示价值的变化。主要用于成本趋势和销售量等数据，折线图显示特定时间段内的进展情况。线形图最适合用于连续数据，而柱状图最适合用于离散数据。

相关的图表

你可以用直方图来展示频率分布，但直方图不允许对数据集进行简单的比较。另一方面，折线图在显示一个以上的数据集方面特别好，便于对比。例如，如果你想显示两种不同产品的销售趋势或突出某物的价值如何变化（如货币波动），它们是一个不错的选择。折线图突出了异常情况，便于利益相关者有效阅读。

折线图经常与柱状图结合使用，以创造一种视觉上的多样性，帮助利益相关者轻松识别哪一个数据系列。例如，下面是一个典型的气候图，显示12个月的温度和降雨量。

最佳做法

• 使用多于一行来显示不同的数据集，但不要使用太多。否则，数据会变得很拥挤，难以阅读。七条线就足够了，正如这张来自世界银行的许多国家的人均GDP比较图所展示的那样。
• 不要试图用光滑的弧线连接所有的数据点。虽然这看起来更美观，但它扭曲了分析。线形图的重点是展示价值在陡峭或平坦的速度下的变化。平滑的弧线可能意味着不正确的额外数据点。
• 虽然折线图不需要有一个零基线，但包括一个零基线仍被认为是好的做法。然而，如果与零的关系没有意义，那么基线应该从第一个合乎逻辑的数字开始 - 测量华氏温度就是一个例子。

区域图

定义和用途

面积图是线图和柱状图的混合体。像折线图一样，面积图应该用于连续数据，点被绘制出来并以线连接。线条下面的区域有阴影，使它们具有条形图的一些优点，特别是在堆叠的图表中吸引人们对线条之间关系的注意。

例如，在按地区衡量COVID-19的进展情况时，下面的叠加图清楚地显示了印度是如何 "掀起浪潮 "的。然而，如果不突出这些线，就不清楚每条线是否受到它下面那条线的影响，或者它是否完全独立。

相关图表

在某些情况下，条形图或折线图的效果比面积图更好。面积图在阅读上有一定的难度，只应在特定情况下使用，如数据以总数表示，有时间段需要比较，或需要展示趋势而不是单个数据点时。

在下面的例子中，面积图并不适合。这是因为你需要对多个类别进行比较，而堆叠它们会掩盖观众想要看到的其他线条。在这种情况下，线图会更合适。

最佳做法

• 确保你有正确的数据来制作区域图。为了使区域图成为最好的选择，你需要几个不同时期的数据集，显示出随时间推移的显著变化和改变。
• 关闭自动标签，在每个区域内添加你自己的标签，以确保清晰度。
• 考虑把最大或最稳定的群体放在底部，把变化最大或最小的群体放在最后和上面。这将使图表对你的利益相关者来说更容易阅读。

数字箱图

定义和用途

这不是严格意义上的可视化技术，但尽管如此，数字框在仪表盘上还是有威力的。它们显示了一个特定时间范围内的标题值，如过去30天的销售额。这个标题值可以很容易地与之前相同时间段的相关值进行比较，比如前30天的销售额或前年同期的销售额。

相关图表

数字框是展示仪表盘中标题性关键绩效指标的理想选择，如销售或增长，以帮助浏览者一目了然地了解企业的表现。然而，它们最好与其他图表类型结合使用，如柱状图或散点图。这些图表提供了更深入的洞察力，并帮助浏览者得出结论。

最佳做法

• 数字框只是头条新闻，很难从中得出准确的见解。与其他图表搭配，以确保你的利益相关者能够获得他们所需要的分析和洞察力。
• 尽可能简明的标题和标签--数字框不应该需要周围有很多解释。

散点图

定义和用途

散点图或散点图显示了由沿两根轴绘制的点代表的两个变量。它们最好用于展示变量之间的关系，并突出数据中的模式或关系。

散点图的数据必须是相关的，以显示相关性。例如，你可以把学习的小时数和考试成绩放在一起，或者把惠灵顿靴的销售量和每日温度值放在一起。数据点可以被分为几组，这取决于一组点聚集在一起的紧密程度。某一区域内缺少点，也可以表明你在数据中存在差距。你的点之间越接近，趋势或关系就越强。

变量之间的关系可以采取不同的形式，并被确定为正或负、强或弱、线性或非线性。确定这些关系及其统计意义是一个值得长期讨论的独立话题。

相关图表

直接的散点图可以通过增加一条趋势线来更清楚地展示数据点之间的关系/模式。还可以添加第三个变量来进行更复杂的数据分析，使用颜色或气泡大小来区分并进行更深入的比较。

最佳做法

• 相关性并不意味着因果关系。当解释你的散点图时，你的利益相关者绝不能假设一个变量的变化是另一个变量变化的原因。
• 不要过度绘制。如果有太多的数据点，你的散点图将成为一个圆球而不是一个图形。至少，随着数据集的增大，要减少所用标记的大小。

饼状图

定义和用途

饼图是常见的图形，因为它们是人们熟悉的、简单的，易于理解和创建。饼图是一个圆形的图形，通过将圆圈划分为相应的片断来比较整体的各个部分。例如，它们被用来比较类别，如特定地区的选民或区域人口统计。

饼图需要一组非常具体的数据，而且是非常基本的，所以只有当你有一个东西的总量和一个将这个量分成若干部分的数据集时，才可以使用饼图。当加在一起时，所有的圆片必须等于一个整体（如100%）。

相关图表

饼状图经常被人感叹。受人尊敬的数据可视化专家爱德华-图夫特说。"**饼图是不好的，唯一比一个饼图更糟的是有很多饼图"**。这是因为饼图往往不能说明完整的数据故事，而且会使我们的眼睛难以正确区分各部分，除非它们是戏剧性的或已知的--例如，一半（50%）、三分之一（33%）或四分之一（25%）。饼状图的良好替代品是线状图或堆叠的柱状图，这取决于你试图讲述的数据集和数据故事。

最佳做法

• 限制切面的数量。如果你有太多的类别需要比较，饼状图就会变得过于复杂，无法显示完整的数据故事。五到六个类别被认为是最佳做法。如果你有很多较小的类别，可以考虑将它们合并，并将这个部门称为 "其他"。还要考虑切片的顺序，从最大的开始，绕到最小的。
• 尝试使用甜甜圈式的图表，而不是饼状图。它们被视为更有活力，不那么基本。
• 饼状图将每个组或类别与整体进行比较。如果你想将各个类别相互比较，请使用不同类型的图表--例如，散点图或折线图会更合适。

树状图

定义和用途

树状图最好用于具有层次结构的大型数据集。树状图由嵌套的矩形组成，显示两种不同类型的信息：单个数据点的价值和层次结构。

树状图经常被用在数据仪表盘上，可以显示数以万计的数据点，使它们成为销售数据的理想选择，因为它们展示了相对的类别规模，使浏览者能够看到子类别的相对贡献。例如，一个超市的销售仪表板可能包含一个代表服装销售的大矩形（以及所有其他类别，如面包店、家庭用品、杂货店等）和进一步深入到校服、短裤或雨衣的子类别，使销售总监能够看到每个类别和子类别中哪些产品销售良好。

动态树状图是钻研数据的完美选择。例如，最著名的树状图之一是2016年美国政府预算互动树状图。在这个图表中，可以看到主要类别（如国防）的支出，以及每个子类别（如军事人员）的支出。

相关图表

树状图比饼状图要复杂得多，同样，只有在有一个类别的总和达到100%时才可以使用。树状图可以是非常强大的工具，但它们需要一些工作，并且可能需要为你的利益相关者进行解释。

最佳做法

• 树状图只应在有大型数据集和一些数值在父类下相互联系的情况下使用。
• 如果需要的话，每个矩形都应该清楚地标明附加信息。尽量保持不乱，以确保利益相关者的清晰度。
• 应仔细部署颜色，以帮助区分不同类别。

地理地图

定义和用途

地理地图是显示国家、大陆或世界的图表，将数值应用于这些地区。如果你的数据有地理元素，如交通流量、飞行数据或区域信息，如天气，那么地理图将是讲述你的数据故事最有效的方式。

地图很醒目，可以非常有效地传递信息。例如，如果你想展示某些地方的天气模式，你可以使用区域热力图，这样你的商店就知道是否应该储存更多的靴子或冰激凌。

相关图表

有许多不同类型的地理图，从热图到统计图，从点图到气泡图。你的地图的复杂程度可以和你的知识一样深入--从二维和三维到动态的、完全互动的地图。你的数据是点数据（即指特定的位置）还是多边形数据（即指特定的地理边界）将帮助你决定哪种地理图最合适。

最佳做法

• 在决定哪种类型的地理地图最有效之前，试着思考你的数据故事。保持你的地图的重点；当你只需要西南地区的时候，显示整个国家的地图是没有意义的。
• 位置数据对你的故事至关重要吗？办公地点对你的数据需要传达的内容来说是核心吗？如果不是，考虑不同的图表可能更合适，比如线图或散点图。
• 最好的地理图都有层次--弹出式或额外的悬停信息，提供更深入的故事。

表格

定义和用途

表格提供了最原始的数据呈现方式。虽然严格来说，它们并不能实现数据的可视化，但对于利益相关者来说，它们很容易和有效地阅读，让他们快速了解他们感兴趣的数据。当精确的数字或具体的数据很重要的时候，它们是最好用的--例如，英超联赛的足球表显示了谁在联赛中排名第一，比赛的数量，以及每支球队赢了多少场，输了多少场，或平了多少场。

相关图表

条形图和数字框可以进行一些比较，而表格可以让你在一个图表中比较更多不同的类别。更重要的是，与数字框相比，表格可以将一个数值与更多以前的数值进行比较，使你的利益相关者能够快速而容易地发现一个异常值是否真的是一个异常值。

最佳做法

• 使用缩进的方式来展示类别和子类别。这可以帮助你的利益相关者在决定是否阅读更多内容之前首先看到最相关的信息。
• 你可以用颜色进一步突出有趣或异常的数据点；例如，高于X或低于Y的销售额。
• 如果你有一系列的利益相关者，你可以使你的表格可以搜索，以帮助他们每个人更快地找到他们需要的具体信息。

队列表

定义和用途

队列分析提供了对用户行为以及业务或产品性能的深入见解。队列是一组具有类似特征的用户或客户，例如所有在6月从你的网站购买产品或在12月注册你的应用程序。

通过跟踪和分析这些客户在一段时间内根据某个指标的行为，例如他们是否每周登录应用程序或使用任何高级功能，队列分析可以成为促进客户保留和避免客户流失的有力工具。通过显示客户或用户的行为，群组分析对业务规划和准确预测未来收入也非常有用。

相关图表

当涉及到对客户行为的深入研究时，队列图是独立的。作为一种表格，它们对利益相关者的解释是具有挑战性的，所以经常与折线图相结合。通过将队列表的数据绘制成折线图，可以更清楚地了解客户保留率曲线，从而立即深入了解客户何时停止购买或使用你的应用程序。

最佳做法

• 使用颜色阴影来展示趋势。一个最佳做法是，指标越高，就使用越深的颜色（例如，每个客户的收入或在应用程序上花费的时间）。
• 队列图可以帮助利益相关者根据你的数据做出坚实的战略决策，所以尽管要花很多精力，但它们还是值得挑战。
• 从小处着手。你拥有的队列数据越多，你的故事就越好--但它可能很快就会被淹没。从你知道的相关数据开始，当你觉得有信心时，可以增加更多的数据来定义你的群组。

漏斗图

定义和用途

漏斗分析跟踪个人（如用户或公司）通过一个有多个步骤的过程，显示达到特定阶段的数量和各阶段之间的转换百分比。

它们最好用在商业或销售背景下。例如，营销和销售漏斗图首先显示了在一个活动之后有多少用户获得了对产品的认识。接着显示这些用户是如何发展成为合格的营销线索（MQLs），然后是合格的销售线索（SQLs）。它以购买的用户数量或百分比结束。这使得利益相关者很容易准确地看到人们或公司何时退出了这个过程，并相应地修正他们的策略。

相关图表

漏斗图与条形图密切相关。然而，柱状图是对准X轴或Y轴的，而漏斗图则是从中心线开始的。通常情况下，条形图（尤其是堆叠的条形图）可以更好地传达信息，因为读者可以更容易地看到每个阶段的比例变化。

最佳做法

• 将你的过程限制在五或六个阶段。如果超过这个数目，就会变得混乱。
• 漏斗图只能告诉你一个用户或客户何时从流程中退出；它们不能告诉你原因，因为这需要进一步分析。
• 使用不同大小的条形图来反映数字比例。例如，如果你在第一阶段有1000名客户，第二阶段有500名客户，那么就把第二条的长度改为一半。
• 使用不同的颜色来帮助读者轻松地区分各条。

总结

我们知道选择正确的数据可视化技术是具有挑战性的。在这里，我们的目标是帮助你避免踩坑，发现能够简洁、清晰、有创意地讲述你的数据故事的技术。