文章对常见的数据可视化图表进行了简单的汇总分析，希望对你有益。

什么是数据可视化？

数据可视化，简简单单就是把数据展示出来吗？非也非也，其终极是为了满足用户对数据的价值期望，利用数据，借助可视化工具，还原和探索数据隐藏价值，描述数据世界。

(⊙o⊙)…还是说人话吧，就是以下两步。

1. 分析需求，熟悉数据，制定目标。
2. 选用合适图表（柱状图、折线图、散点图、饼图、雷达图、漏斗图）进行组合进行数据展示。

为什么要做数据可视化？

你难道不欣赏折线图那婀娜多姿的曲线？柱状图那美丽的大长腿？

1. 美丽！
2. 直观！
3. 有魅力，吸引人眼球。

好吧~ 其实是老板说要做的！

常用图表详解

柱状图（bar chart）

优点：人眼对高度较敏感，直观各组数据差异性，强调个体与个体之间的比较

缺点：不适合大量的数据集数据（项数较多）

适用场景：一个维度数据比较、数据单纯性展示、排序数据展示

适用数据： 数据集不大， 二维数据

饼图（Pie）

优点： 直观显示各项占总体的占比，分布情况，强调整个与个体间的比较。

缺点：数据不精细，不适合分类较多的情况

适用场景：一个维度各项指标（一般不超过5个项目）占总体的占比情况，分布情况。（例如：不同状态下的车辆分布，公司内各个团队营收收入）

适用数据：具有整体意义的各项相同数据

折线图（line chart）

折线图分为 直线折线图和曲线折线图，直线折线图一般适用于离散变量，曲线折线图一般适用于连续变量。

优点： 直观反映数据变化趋势

缺点：数据集太小时显示不直观

适用场景：需要反映变化趋势，关联性。

适用数据：时间序列类数据、关联类数据（如电流跟随电压变化而变化）

散点图（scatter plot）

优点： 直观反映数据集中情况，对离散数据线性回归等曲线预测性的拟合辅助作用

缺点：适用场景比较少

适用场景：两个维度比较（地图某地区某项数据集中分布），对离散数据进行预测时

适用数据：离散值数据

数据分析类常用图（Data Analysis）

在做数据分析和运营图表时，基础的报表可能满足不了用户对图表的要求，故有一些数据分析类常用的图，以下我列举一部分，剩下的图表，大家可以根据业务需求，在echars官网上进行搜寻。

• 热力图（密集程度）

• 漏斗图（数据转化类关系）

• 仪表盘（适用于指标类数据）

• 最重要核心数据（大数字显示，直观）

以上图表均来自echars

图表总结

常用图表总结

T1 为优先选择项，T2位次选项

图表组合

在更多的实际情况，我们需要结合某两种图或者某三种图。能让用户能再最短时间内了解到数据所带来的信息，能用一个图，为啥要用三个图呢？

例如，比较 + 趋势 + 占比

设计图表前要充分理解数据展示的目的，如（比较功能、趋势功能等），按照总结表格，自由组合吧！！当然，我们需要考虑组合的可行性，不是所有的图表都是可以进行组合的。

再强调一遍，从需求和目标出发，设计图表的展示，数据实用性为主。

图表使用注意事项

• 面对To C端用户，应使用常用图表进行设计，虽然使用独特表格（如：河流图等），你会发现很有美感，很有创意，但是不应该让用户去学习如何阅读你的图表
• 饼图类别不超过5个，区块越多，用户提取数据的能力也就越弱
• 合理整理图表颜色，要有清晰的可识别度
• 在只有一种类型的数据时，请不要使用图例。

以上就是个人的分享，如有更好的意见或者建议，欢迎留言交流。

作者：敖学军，初级数据产品经理，主要负责平台型大数据产品的设计，专注于数据产品。

本文由 @敖学军 原创发布于人人都是产品经理。未经许可，禁止转载。