图表样式解析

使用数据可视化分析工具时，图表样式是展现数据的关键因素之一。在 DataEase 开源数据可视化分析平台上，提供了多种图表样式，包括折线图、柱状图、饼图、雷达图、散点图等。不同的图表样式适用于不同的数据类型和数据分析需求，因此在使用 DataEase 时选择合适的图表样式非常重要。

以下将介绍饼图、柱状图、折线图、南丁格尔玫瑰图、漏斗图、雷达图、瀑布图、词云图等图表样式,对 DataEas 的多种图表样式进行解析，旨在帮助用户更好地展现数据并深入地理解数据的内涵。

1 饼图

释义： 饼图，或称饼状图，是一个划分为几个扇形的圆形统计图表，用于描述量、频率或百分比之间的相对关系，每个扇区的弧长（以及圆心角和面积）大小为其所表示的数量的比例。

适用场景：

• 想要突出表示某个部分在整体中所占比例；
• 分类数量最好不大于 5 个；
• 各不同分类间的占比差异明显。

辅助使用方式:

• 显示出各扇区占比数据，可以起到辅助阅读的作用；
• 将数值进行排序，扇区按照大小顺序依次展示，可以起到辅助阅读的作用。

不适用场景：

• 需要精确表达信息时或者数据之间差异较小的情况下;

  部分统计学家认为，将饼图用于表达信息的效果很差。虽然饼图在商业领域和杂志中的使用非常广泛，但在科学文献中却很少用到饼图。原因是饼图用面积取代了长度，这样就加大了对各个数据进行比较的难度。由于感知力的差异与实际差异呈线性相关，长度更适宜用于量度。考虑到这种情况，当数值较为接近时或在信息上我们更倾向于精确的表达时，比起饼图更建议使用柱状图。

• 当图表需要展现的类型过多时。

2 柱状图

释义： 柱状图是一种以长方形的长度为变量的统计图表。柱状图用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析，柱状图亦可横向排列。

作为人们最常用的图表之一，柱状图也衍生出了多种多样的图表形式。例如，将多个并列的类别聚类、形成一组，再在组与组之间进行比较，这种图表叫做“分组柱状图”或“簇状柱形图”；将类别拆分称多个子类别，形成“堆叠柱状图”；也可以将柱形图与折线图结合起来，共同绘制在一张图上，形成“双轴图”。

分组柱状图： 由子类别来划分一组有几条柱子，形成分组柱状图

堆叠柱状图： 由堆叠项将一个类别拆成多个子类别形成堆叠柱状图。

双轴图： 双轴图的指标分为左侧指标和右侧指标，对应的坐标轴分别为坐标 Y 轴的左轴（主轴）和右轴（副轴）。通常采用柱状图与折线图搭配使用的方式，下图展示了一年中各个月份的销量（柱状图）与目标完成率（折线图）

适用场景：

• 柱状图最适合对分类的数据进行比较，尤其是当数值比较接近的时候。由于人眼对于高度的感知优于其他视觉元素（例如面积、角度等），因此使用柱状图更加合适。

不适用场景：

• 柱状图最核心的功能是比较，比较的核心是高度。如果人为地改变高度，那么数据间的比例关系会失常。如下图，当柱状图的起始值不为 0 时，则很难通过柱状图体现出数据间的差值和比例关系。

3 折线图

释义： 折线图是把许多的点用直线连接形成的统计图表。折线图是许多领域都会使用到的基础图表，常用来观察数据在一段时间之内的变化，因此其X轴常为时间，这种折线图又称为趋势图。折线图用于分析事物随时间或有序类别而变化的趋势。如果有多组数据，则可用于分析多组数据随时间变化或有序类别的相互作用和影响。折线的方向表示正/负变化，折线的斜率则表示变化的程度。

适用场景：

• 同一变量随时间或有序类别的变化。如下图所示，该折线图可以表现某公司一年中各个月份的销量数据变化趋势；

• 多个变量随时间或有序类别的变化，可同时观察单变量的走势以及多变量的对比，例如以下两个场景：
  不同年份下各个月之间的销售额对比；不同指标变量之间是否存在影响关系。

不适用场景：

• 节点过多，整体展示过于密集，对于每个点的信息很难准确地对应；
• 同一图中指标数据过多，多折线造成堆积，难以聚焦到重点；
• 变量数值大多数情况为 0。

辅助用法：

• 使用缩略轴辅助 X 轴数据点过于密集的情况。

  做成可交互版本，打开图表的缩略轴，设置一个默认展示范围，让用户集中在一个特定的时间选区。

• 设置预警线，辅助识别“标准值”以外的数据。

分析数据时可以拖动缩略轴查看不同的时间段，或是拖动缩略轴的起始/终止点，用来扩大/缩小每次的数据展示范围。

当以时间作为 X 轴画折线图时，数据必须有着一致的时间间隔，否则数据会产生误导（如下图所示）。画图时需务必保证时间间隔的一致性。

4 南丁格尔玫瑰图

释义： 南丁格尔玫瑰图又名鸡冠花图、极坐标区域图。尽管外形很像饼图，但本质上来说，南丁格尔玫瑰图更像在极坐标下绘制的柱状图或堆叠柱状图，只不过它是用半径来反映数值（而饼图是以扇形的弧度来表示数据的）。

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。因此，当我们追求数据的准确性时，南丁格尔玫瑰图不一定是个好的选择。但反过来说，当我们需要对比非常相近的数值时，适当的夸大会有助于分辨数据的差异性。

适用场景：

• 对比不同分类的大小，且各分类值差异不是太大。

不适用场景：

• 分类过少的场景。例如，只有 2 类时，可直接用饼图或者环图来表示。
• 当数值差异较大、或者希望精确地比较数值大小。南丁格尔玫瑰图是将数值映射到半径上，而扇形的面积和半径是平方关系，这样从视觉上看，数值的差异会被扩大。因此，当数值差异较大、或者希望精确地比较数值大小时，推荐使用柱状图。

5 漏斗图

释义： 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。

漏斗图的起始总是 100%，并在各个环节依次减少，漏斗图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。漏斗图从上到下，有逻辑上的顺序关系，表现了随着业务流程的推进业务目标完成的情况，比如用户的转化情况、订单的处理情况、招聘的录用情况等。一般来说，所有梯形的高度应该是一致的，这有助于用户辨别数值间的差异。

适用场景：

对比不同分类的大小，且各分类值差异不是太大。

不适用场景：

• 漏斗图不适合没有逻辑关系的数据。换句话说，如果数据不构成“流程”，那么就不能使用漏斗图。如下图所示，该漏斗图展示了大学一些课程的学生到课率，每门课之间的到课人数没有逻辑上的影响关系，不构成漏斗的流程。

作为一种统计图表，漏斗图的“长相”本质上是由数据决定的。梯形的高度、面积都是有意义的，不可以随意篡改。在传达数据时，漏斗图是通过面积表示的，对于人眼来说，面积的识别本来就不太容易，因此如果我们在制作漏斗图时，改变漏斗中每一个梯形的高度，那么识别起来就十分困难。

6 雷达图

释义： 雷达图是一种显示多变量数据的图形方法。雷达图通常从同一中心点开始等角度间隔地射出三个以上的轴，每个轴代表一个定量变量，各轴上的点依次连接成线或几何图形。每个变量都具有自己的轴，彼此间的距离相等，所有轴都有相同的刻度。在将数据映射到这些轴上时，需要注意预先对数值进行标准化处理，保证各个轴之间的数值比例能够进行同级别的比较。

适用场景：

• 雷达图可以用来在变量间进行对比，或者查看变量中有没有异常值。如下图所示，该人员在所需的各项技能上，数据分析这一项明显较为薄弱。
• 多幅雷达图之间或者雷达图的多层数据线之间，还可以进行总体数值情况的对比。以下面两张图为例，对甲乙两位员工的技能进行对比，可以较明显地比较出两位员工分别擅长与不擅长的事情。
• 在某一数据对象由多个特征类别构成的情况下，用雷达图来描绘这个数据对象，例如食品的营养成分（糖、维生素、矿物质、脂肪、水等）。

不适用场景：

• 分类类型过多，导致轴过多，显示混乱；
• 不可在统一程度上标准化的情况；
• 雷达图中层叠的多边形过多的情况。

7 瀑布图

释义： 瀑布图是由麦肯锡顾问公司所独创的图表类型，因为形似瀑布流水而称之为瀑布图。此种图表采用绝对值与相对值结合的方式，适用于表达数个特定数值之间的数量变化关系

在瀑布图中，图表的每个柱子的起始位置为上一根柱子的顶端，若数值增加（正数），柱子则向上延伸，若数值减少（负数），柱子则向下延伸；每个柱子的顶端即为当前变化情况下的最终数量，即小计，最后的柱子即为最终数据的最终数量，即总计。通常我们将上升与下降的柱子使用不同的颜色标识，更加有利于查看。

适用场景：

• 显示结果累积的过程，解释从一个数字到另一个数据的变化过程，表达数量的变化关系。如下图所示，该瀑布图展示了公司每年的人员流动情况，每年的入职与离职人数变化。
• 展示总分结构，通过柱图垂直高度展示数据，直观地展示指标的构成，可以帮助用户快速地找到影响总值的关键因素。相比饼图或常规的柱形图，瀑布图可以将总体值与细分维度值同时展示出来。如下图所示，该瀑布图展示了公司各项成本的支出情况，左侧各个柱子为各项子类的数值，数值越大则对应的柱子高度越高，最右侧的柱子则展示了各个子类所汇总的总数据，即公司总的支出金额。

不适用场景：

• 如果数据没有共同的基线，那么就无法在同一标准线上衡量各个子类的详细数值差异。

8 词云图

释义： 词云图又称文字云，是文本数据的视觉表示，由词汇组成类似云的彩色图形，可以用于展示大量文本数据。每个词的重要性以字体大小或颜色显示，文本出现次数越多，字体就越大，更容易被看到。

词云图可以对出现频率较高的“关键词”予以视觉上的突出展示，形成关键词云层，从而过滤掉大量冗余的文本信息，使浏览者只要一眼扫过文本就可以接收到重点。词云图的优势在于可以快速感知最突出的文字信息，或者区别权重不同的文字，而且可以展示大量文本。

适用场景：

• 显做用户画像，对用户进行聚类，实现精细化营销；
• 直观展示文本频率，对比文字重要程度，突出重点文字。

不适用场景：

• 不适合展现数据太少的数据集；
• 不适合展现区分度不大的数据，即无重点关键词的情况；
• 在展示时无法区分出各个数值之间具体的差异大小。

DataEase 开源数据可视化分析平台中的多种图表样式，包括饼图、柱状图、折线图、南丁格尔玫瑰图、漏斗图、雷达图、瀑布图和词云图，这些图表样式可以帮助用户更好地展示和解析数据，满足不同场景的需求。

在未来的产品迭代中，DataEase 将会提供更多的图表样式，满足用户更多的场景需求，帮助用户根据不同的数据特点，灵活准确地解析和展示数据