可视化小目标--时序数据可视化与比例型数据可视化

时序数据，是指任何随着时间而变化的数据，如一天中气温随时间的变化。

要进行时序数据的可视化，我们首先需要了解「时间」所具有的特征：

• 有序性：时间都是有序的，事件之间有先后顺序。

• 周期性：许多自然或商业现象都具有循环规律，如季节等周期性的循环。

• 结构性：时间的尺度可以按照年、季度、月、日、小时、分钟、秒等去切割。

「时间数据」按是否连续可分为：离散型时间和连续型时间两类，时间类型的差异决定了图表的表现形式也不同。

1、根据单个指标查看项目的变化情况，并可视化此差异的顺序和数量，那么发散条是一个很好的工具。它有助于快速区分数据中组的性能，并且非常直观，并且可以立即传达这一点 

 

2、直方图显示给定变量的频率分布。下面的表示基于分类变量对频率条进行分组，从而更好地了解连续变量和串联变量。

连续时间：连续时间数据的可视化和离散时间数据的可视化相似。因为就算数据是连续的，我们采集的数据大部分还是离散且有限的。

连续型数据和离散型数据，在数据结构上并没有差别，区别在于它们所反映的真实世界的数据是否是不断变化的。如一天当中的气温变化，就是连续型数据，因为你在一天中的任何时候都可以进行测量，且气温在不同时刻是变化的。

时间序列图用于显示给定度量随时间变化的方式。在这里，您可以看到1949年至1969年间航空客运量的变化情况。 

 

比例数据，通常是按照类别、子类别、群体进行的划分。对于比例型数据，我们进行可视化的目的，是为了寻找整体中的最大值、最小值、整体的构成分布、以及各部分之间的相对关系。 

饼图是显示群组成的经典方式。然而，现在通常不建议使用它，因为馅饼部分的面积有时会变得误导。因此，如果您要使用饼图，强烈建议明确记下饼图每个部分的百分比或数字。 

树形图类似于饼图，它可以更好地完成工作，而不会误导每个组的贡献