做数据可视化，经常不知道怎么用图表？做出来的图表难看，没有趋势。今天番软君就和大家分享一下如何更好的利用图表。

根据数据之间的关系，统计图可以分为四类。可以根据自己的目的(也就是想表达的内容)选择合适的图表，最终达到“一图抵千言”的效果。

对比类别:柱形图、对比柱形图、分组柱形图、堆积柱形图、分割线图、雷达图、字云、聚合气泡图、玫瑰图。

比例类别:饼图、矩形块图、百分比堆积柱形图、多层饼图、仪表盘。

趋势相关类:折线图、面积图、面积图、瀑布图。

分布类别:散点图、地图、热面积图、漏斗图。

为了方便大家记忆，我把每一种图表和优势场景都做成了思维导图，你可以收藏起来以备不时之需。

思维导图可能不太清楚，下面我再解释一下完整版图表的分类。图表制作工具有:FineBI。

评论并私信回复“BI”获取工具体验地址

第一，比较类

1、对比柱形图

简介:使用向前和向后列显示类别之间的数值比较。

特性:用于表示含义相反的数据的比较。如果不是相反的意思，建议用分组柱形图。

场景示例:

美国大选中“民主党”和“共和党”所得票数的比较。

2.分组柱形图

简介:分组直方图常用于比较同一分组下不同种类的数据。用列高显示数值比较，用颜色区分不同类型的数据。

特点:同一分组下，数据的类别不能太多。

场景示例:

对比2018年第一季度饮料、日用品、零食单月销量。

3.堆积柱形图

介绍:可以比较组的总数，检查每个组所包含的每个小类的大小和比例，非常适合处理局部和整体的关系。

特点:适合显示总额，但不适合比较同一类别的不同组。

场景示例:

对比周一到周日的访问，显示每天用户从哪些渠道访问的次数和大概比例。

4.分割线图

简介:分区折线图可以将多个指标分开，反映事物随时间变化的趋势。

特点:适合比较趋势，避免多条折线图交叉在一起。

场景示例:

比较两个城市同一时间的风速趋势。

5.雷达图

简介:雷达图也叫蜘蛛网图。雷达图的每个变量都有一个从中心向外辐射的轴。所有轴之间的夹角相等，每个轴的刻度相同。

特点:雷达图中变量过多会降低图表的可读性，非常适合显示性能数据。

场景示例:

对比一下市面上两款手机的性能。

6.词云

简介:词云是文本大数据可视化的重要方式，常用于突出大量文本中的高频句子和词汇，快速感知最突出的词，常用于网站高频搜索领域的统计。

特点:不适合数据量大的文本数据，也不适合数据区分度小的数据处理。

场景示例:

使用词云显示搜索关键词，搜索次数越多，关键词字体越大。

7.聚合气泡图

简介:聚合气泡图中的维度和定义了每个气泡，度量定义了气泡的大小和颜色。

特点:不适合区分度不大的数据。

场景示例:

用聚合泡沫图展示各省的招生情况，招生最多的江苏省泡沫面积最大。

8、玫瑰图

简介:南丁格尔玫瑰图的作用与柱形图类似，主要用于比较，将数值映射到玫瑰图的半径上。

特点:数据相近时，饼状图不适合，南丁格尔玫瑰图适合。

场景示例:

支付金额的大小映射到各省的弧度和半径，最终形成玫瑰图。

第二，比例范畴

1.矩形框图

介绍:适合显示分层数据，可以直接反映出同行之间的比较。父节点与子节点嵌套，每个节点被划分成不同面积大小的矩形，用面积的大小来表示节点对应的属性。

特点:非常适合加权树型数据，比较各个类别的大小关系和相对于整体的比例关系。

场景示例:

展示2011-2017年的合同金额，2016年合同金额最大。

2.百分比堆积柱形图

简介:比较同一分组数据中不同类别的比例。

特点:同一组内不同分类的数量不能太多。

场景示例:

例如，下图显示了从1986年到2016年人们对体罚儿童的态度的对比变化。

3.饼图/多层饼图

简介:多层饼图是指有多个层次，并且这些层次之间存在包含关系的饼图。多层饼图适用于显示地理数据、公司层级、季度、月份和时间层级等。

特点:层次和类别不要太多，会导致切片太小，干扰阅读。

场景示例:

内环不同颜色的弧度分别映射了各个区域的销量，外环浅色的剪裁代表了不同品牌在这个区域的销量。

4.仪表盘

简介:仪表盘设定目标值，然后用来显示速度、温度、进度、完成率、满意度等。，而且在很多情况下也是用来表示比例的。

特点:只适合单个指标的数据显示。

场景示例:

前10家商店的销售额占总销售额的百分比

三、趋势相关类

1.折线图(多系列折线图)

引言:反映事物随时间变化的趋势或其他有序的类别。

特点:折线数量不宜过多，会导致图表可读性差。

场景示例:

图表显示了从1800年到2017年世界的能源消耗。图中不同颜色的虚线代表不同的能量类型。

2、区域地图的范围

简介:用于展示持续性的数据，可以很好的表示趋势、积累、减少、变化。

特征:表示两个连续变量之差的变化趋势。

场景示例:

展示访问次数和跳转次数的变化趋势，通过面积的变化来映射两者之差的变化趋势。

3.普通区域地图

简介:常见的面积图是在折线图的基础上演变而来的，也便于反映事物随时间变化的趋势或其他有序的类别。由于面积填充，比折线图更能反映趋势变化。

特点:最好不要超过五条区域线。

场景示例:

用两条面积线分别表示“合同金额”和“付款金额”，不仅可以显示2011年到2017年的趋势，还可以显示付款金额占合同金额的比例。

4.瀑布图

简介:瀑布图显示的是加值或减值时的累计汇总，通常用于分析一系列正值和负值对初始值的影响(例如净收入)。

特点:通过挂空柱形图，可以更直观的展示数据的增减情况。

场景示例:第四栏应付工资=第一栏基本工资+第二栏绩效工资+第三栏加班工资。

第四，配送类

1.散点图

简介:散点图可以显示数据簇的形状，分析数据的分布情况。通过观察散乱点的分布，推断变量的相关性。

特点:散点图可以在数据较多的情况下更好的反映数据分布。

场景示例:

比如用散点图和警戒线，可以看出大部分是身高体重都在平均水平以上的男生。

2、热力区域图

简介:通过特殊高亮显示坐标范围内各点的权重。

特点:效果偏软，不适合精确的数据表达。主要用来看分布。

场景示例:

显示一个月24小时的温度分布。

3.地图

介绍:地图组件即使是地理位置反映的数据，FineBI也提供了各种地图组件，包括热图、区域图、流向图、点图等等。

特点:非常直观的观察不同地区的数据关系。

场景示例:

每个城市的销售值都映射在该点的面积上。销量越多，积分越大。

4.漏斗图

简介:漏斗图也叫倒三角图。漏斗图具有自上而下的逻辑顺序关系，常用于流程分析，比如分析哪个环节周转率异常。

特征:顶部和底部之间必须有逻辑顺序关系。如果没有逻辑关系，建议用柱形图进行对比。

场景示例:

观察从搜索到交易成功的人数变化，定位比较每一步流失的人数。

在解决实际问题时，如何选择一个统计图，取决于这个统计图是否能真实高效地反映数据，是否符合题目的实际要求。并不是说我们学完折线图之后所有的题目都选择条形图，而是要根据每个条形图的特点来决定。