常用27个图表的特点及用途

常用26个图表的特点及用途

柱形图：

特点：

(1)能够使人们一眼看出各个数据的大小。

(2)易于比较数据之间的差别。

(3)能清楚的表示出数量的多少。

应用场景：

适用于二维数据，一个维度数据进行比较、数据单纯性展示、排序数据展示。可以直观地表示数据量的大小并进行比较，可以比较明显地显示出各数据之间的比例差异。

适用：对比分类数据。

堆叠柱状图

特点：

 一般的堆叠柱状图：每一根柱子上的值分别代表不同的数据大小，各层的数据总和代表整根柱子的高度。非常适用于比较每个分组的数据总量。

 百分比的堆叠柱状图：柱子的各个层代表的是该类别数据占该分组总体数据的百分比。

 堆叠柱状图的一个缺点是当柱子上的堆叠太多时会导致数据很难区分对比，同时很难对比不同分类下相同维度的数据，因为它们不是按照同一基准线对齐的。

应用场景：

适用于：对比不同分组的总量大小，同时对比同一分组内不同分类的大小。观察分类占比情况。

条形图：

特点：

简单直观，很容易根据柱子的长短看出值的大小，易于比较各组数据之间的差别。

应用场景：

适用：类别名称过长，将有大量空白位置标示每个类别的名称。

饼状图：

特点：

能很直观的看到每一个部分在整体中所占的比例。

适合用于反映某个部分占整体的比重

应用场景：

饼图是以扇形区域大小表示每一个数值相对于总数值的占比。

饼图适用于二维数据，即一个分类字段，一个连续数据字段，当用户更关注于简单占比时，适合使用饼图。

适用：了解数据的占比与分布情况。

多层饼图：

特点：

能很直观的看到每一个部分在整体中所占的比例。

应用场景：

多层饼图在饼图基础上引入了层级的概念，且各层级之间具有包含关系，通过点击操作可以查看不同层级的数据。

多层饼图适合展示具有父子关系的复杂树形结构数据，如区域数据，公司上下层级等等。

环形图：

特点：

能很直观的看到每一个部分在整体中所占的比例。 适合用于反映某个部分占整体的比重

应用场景：

适用于展示分类的占比情况，与饼图用法相似，但环图相对于饼图空间的利用率更高

南丁格尔玫瑰图

特点：

和饼图差不多，能很直观的看到每一个部分在整体中所占的比例。

应用场景：

对比不同分类的大小，且各分类值差异不是太大时。由于半径和面积之间是平方的关系，视觉上，南丁格尔玫瑰图会将数据的比例夸大。

折线图：

特点：

能够显示数据的变化趋势，反映事物的变化情况。

应用场景：

适用于二维大数据集，需要反映变化趋势、关联性的场景，能直观的反映数据的变化趋势，数据量较小时显示效果不够直观。

适用：有序的类别

面积图：

特点：

能很好的展现沿某个维度的变化趋势，能比较多组数据在同一个维度上的趋势，适合展现较大数据集。

堆积面积图：同类别各变量和不同类别变量总和差异。

百分比堆积面积图：比较同类别的各个变量的比例差异。

应用场景：

面积图是强调数量随时间而变化的程度，可用于引起人们对总值趋势的注意的图形。

利用面积统计图，可以将排列在工作表的列或行中的数据绘制到面积图中。通过显示所绘制的值的总和，面积图还可以显示部分与整体的关系。

    适用于：注重随时间的趋势变化和累计的值时，适用于面积图。

堆叠面积图

特点：

堆叠面积图上的最大的面积代表了所有的数据量的总和，是一个整体。各个叠起来的面积表示各个数据量的大小，这些堆叠起来的面积图在表现大数据的总量分量的变化情况时格外有用

1、比折线图看起来更加美观。

    2、能够突出每个系别所占据的面积，把握整体趋势。

    3、不仅可以表示数量的多少，而且可以反映同一事物在不同时间里的发展变化的情况。

    4、可以纵向与其他系别进行比较，能够直观地反映出差异。

    5、可以用于商务报表、数据汇报等场景。

应用场景：

所以堆叠面积图不适用于表示带有负值的数据集，分类数据的比较不要使用面积图

非常适用于对比多变量随时间变化的情况。

玉块图：

玉玦图（又名，环形柱状图），是柱状图关于笛卡尔坐标系转换到极坐标系的仿射变换。其意义和用法与柱状图类似。

特点：

    玉玦图有半价反馈效应。由于玉玦图中是用角度表示每个玦环数值的大小，角度是决定性因素。所以，哪怕外侧（半径大的）玦环的数值小于内侧（半径小的）玦环，外侧的每个玦环会相对的比里面的玦环更长。这会造成视觉上的误解。

适用场景：

玉珏图的适用场景和柱形图一样，要用于多个分类间的数据（大小、数值）的对比，可以用来显示一段时间内的数据变化或显示各项之间的比较情况。但是玉珏图有半价反馈效应，所以哪怕半径大的珏环的数值小于半径小的珏环，外侧的每个珏环会相对的比里面的玦环更长，造成视觉上的误解，而且因为我们的视觉系统更善于比较直线，所以笛卡尔坐标系更适合于比较各个分类的数值比较。

    不适用场景

    玉珏图不适合用于表达趋势的数据，这种数据更适合用折线图或者面积图，也不适合用于表达占比的数据，这种数据更适合用于饼图。 

简介中提到玉玦图具有半径反馈效应。视觉上半径越大的玦环会看起来更大，半径小的则小。造成玉玦图的误用（见左图）。所以，我们认为玉玦图使用时必须进行排序（见右图）。

错误的用法：

正确的用法：

仪表盘：

特点：

直观地表现出某个指标的进度或实际情况，主要用于进度或占比的展现。

应用场景：

展现某个指标的完成情况。

适合：展示项目进度。

雷达图：

雷达图又称蜘蛛网图，将多个维度的数据量映射到起始于同一个圆心的坐标轴上，结束

于圆周边缘，然后将同一组的点使用线连接起来。

特点：

利用雷达图，可以直观地展现多维数据集，查看哪些变量具有相似的值、变量之间是否有异常值。雷达图表也可用于查看哪些变量在数据集内得分较高或较低，因此非常适合显示性能。

应用场景：

适合展现某个数据集的多个关键特征，适合展现某个数据集的多个关键特征和标准值的比对，适合比较多条数据在多个维度上的取值。将多个分类的数据量映射到坐标轴上，对比某项目不同属性的特点。

适用于多维数据（四维以上），且每个维度必须可以排序,局限，就是数据点最多6个，否则无法辨别，因此适用场合有限

适用：了解同类别的不同属性的综合情况，以及比较不同类别的相同属性差异。

散点图：

散点图又称散点分布图，是因变量随自变量而变化的大致趋势图。数据点是在直角坐标系平面上，以一个变量为横坐标，另一变量为纵坐标，利用散点（坐标点）的分布形态反映变量统计关系的一种图形。

特点：

直观表现出影响因素和预测对象之间的总体关系趋势；能通过直观醒目的图形方式，反

映变量间的形态变化关系情况，以便于来模拟变量之间的关系。用于发现各变量之间的关系。

应用场景：

利用散点图，显示若干数据系列中各数值之间的关系，类似XY轴，判断两变量之间是否存在某种关联，或者发现数据的分步或者聚合情况。

适用：存在大量数据点，结果更精准，比如回归分析。

气泡图：

特点：

直观表现出影响因素和预测对象之间的总体关系趋势；能通过直观醒目的图形方式，反映变量间的形态变化关系情况，以便于来模拟变量之间的关系。

应用场景：

气泡图是可用于展示三个变量之间的关系。它与散点图类似，绘制时将一个变量放在横轴，另一个变量放在纵轴，而第三个变量则用气泡的大小来表示。

利用气泡图，可以显示若干数据系列中各数值之间的关系，类似 XY 轴，判断两变量之间是否存在某种关联，或者发现数据的分步或者聚合情况。

漏斗图/金字塔图：

特点：

每个阶段的比例关系直观的展示出来,适用于进行流程优化的数据跟踪。用梯形面积表示某个环节业务量与上一个环节之间的差异。

漏斗图是由多个梯形从上而下叠加而成，从上到下的项有逻辑上的顺序关系，梯形面积表示某个业务量与上一个环节之间的差异。

应用场景：

漏斗图适用于业务流程比较规范、周期长、环节多的单流程单向分析，通过漏斗各环节业务数据的比较能够直观地发现和说明问题所在的环节，进而做出决策。

适用：有固定流程并且环节较多的分析，可以直观地显示转化率和流失率。

词云：

特点：

根据关键词的大小直观地展示数据频率，可以比较明显地显示出各数据之间的比例差异。展现文本信息，对出现频率较高的“关键词”予以视觉上的突出,比如用户画像的标签。

应用场景：

词云以关键词字体的大小直观展示数据的数值大小。

通常用来展示物料的领用、计算机辅助外语学习的新形式、小说阅读中的关键词和主题索引等场景。

适合：在大量文本中提取关键词。

螺旋图

  

    螺旋图，基于阿基米德螺旋坐标系，常用于绘制随时间变化的数据，从螺旋的中心开始向外绘制。

特点：

    绘制大量数据：螺旋图节省空间，可用于显示大时间段数据的变化趋势；

    绘制周期性数据：螺旋图每一圈的刻度差相同，当每一圈的刻度差是数据周期的倍数时，能够直观的表达数据的周期性。

适合的场景：

展示大量数据的变化趋势，或者展示数据的周期。

甘特图：

特点：

甘特图较为简单直观，易于普通用户理解。一般适用于不超过 30 项活动的中小型项目，且无须担心复杂计算和分析。

应用场景：

甘特图直观展示任务计划是在何时进行以及实际进展与计划要求的对比，可用来评估当前工作进度或工作计划的执行情况  适用于项目管理进度

框架图：

特点：

简单直观，不仅适合比较各组数据之间的差别，也适合那些趋势比单个数据点更重要的数据集。

应用场景：

可以比较明显地显示出各数据之间的比例差异，也可以显示随时间或有序类别而变化的趋势。

组合图：

特点：

简单直观，不仅适合比较各组数据之间的差别，也适合那些趋势比单个数据点更重要的数据集。

应用场景：

可以比较明显地显示出各数据之间的比例差异，也可以显示随时间或有序类别而变化的趋势。

矩形树图：

特点：

图形更紧凑，同样大小的画布可以展现更多的信息，可以展现成员间的权重。

应用场景：

矩形树图是用来描述层次结构数据的占比关系，能够进行逐级钻取显示下层数据情况，采用矩形表示层次结构的节点，父子层次关系用矩阵间的相互嵌套来表达。

从根节点开始，空间根据相应的子节点数目被分为多个矩形，矩形面积大小对应节点属性。             

每个矩形又按照相应节点的子节点递归的进行分割，直到叶子节点为止。

矩形树图适合展现具有层级关系的数据，能够直观体现同级之间的比较。

适用：展示父子层级占比的树形数据。

地图：

特点：

对数据的地理分步显示直观，通过颜色深浅很容易判断出数据量的大小。

应用场景：

区域地图适用于带有地理位置信息的数据集展现，展现的通常是以某个地区为单位的汇总的连续信息。

适合：展现呈面状但属分散分布的数据，比如人口密度等。

钻取地图：

特点：

钻取地图在普通地图的基础上，实现了钻取交互式数据查询效果。通过点击操作，可以钻取国家>省>市>区等不同地理层级的数据。

应用场景：

不同区域的某个特点分布。可以实现由省到市的逐级钻取，也可以实现对于某一特点的不同程度进行颜色、标签等区分。

热力地图：

特点：

和地图结合，对数据的地理分步显示直观，通过颜色深浅、气泡大小等容易判断度量的大小，可以直观清楚地看到页面上每一个区域的访客兴趣焦点。

应用场景：

热力地图是使用地图作为背景，用热力的深浅来展示数据的大小和分布范围，以及地理范围内各个点的权重情况。

适合带有地理位置信息的数据集展现，展现的通常是以某个地区为单位的汇总的连续信息。

适合：可以直观清楚地看到页面上每一个区域的访客兴趣焦点。

流向地图：

特点：

特效炫酷，展示效果极佳，独有大数据模式

应用场景：

流向地图多应用于区际贸易、交通流向、人口迁移、购物消费行为、通讯信息流动、航空线路等场景。

指标卡：

特点：

突出显示一两个关键的数据结果，比如同比环比。

应用场景：

适合：展示最终结果和关键数据。

缺陷：没有分类对比，只展示单一数据。

图表对比：

基本图表对比

图表	维度	注意点
柱形图	二维	只需比较其中一维
折线图	二维	适用于较大的数据集
饼图	二维	只适用反映部分与整体的关系
散点图	二维或三维	有两个维度需要比较
气泡图	三维或四维	其中只有两维能精确辨识
雷达图	四维以上	数据点不超过6个

柱形图OR条形图

    分类项目的标签文本比较长，柱形图的标签会出现重叠或倾斜，需要阅读者歪着脖子看。这时推荐条形图

面积图OR折线图

    当比较多个数据系列的趋势时，建议采用折线图

饼图OR条形图

饼图很多情况下可以用条形图替代，但是当需要表现份额和构成关系时建议采用饼图

柱形图OR折线图

柱形图	折线图
强调各数据点的值及其之间的差异	强调数据起伏变化的趋势(带数据点的折线图则同时具备二者的特点)
表现离散型的时间序列	表现连续型的时间序列
适用于数据点较少时	适用于数据点较多时
	需要放大波动幅度而使用非零起点坐标时