数据分析图表可视化（顶级数据分析师都在用的数据可视化图表汇总）

　　我们在做数据分析或是报告时，会用到各种图表，直观的图表可以高效地表达数据情况。数据图表最基础的三种类型是：条形图、饼状图、线形图

　　条形图

　　条形图是最常用的图表，因为大部分人也只会用条形图，这是制作起来最简单的图表。
条形长度代表各项数据具体数量大小情况，条形图越长代表该项数据值越大，反之越短该项数据值越小，这是最直观的表达。

• 优势：数据可直观对比，高低体现数量大小，高度的差异使数据更具象化。
• 劣势：不利于大数据集数据分析。
• 场景：适合二维度数据对比，也就是X值与Y值两个维度，适合小数据集分析。
• 设计：同一维度使用同种色系，避免太花。要清楚图表是为了表达数据情况，不应当让颜色混乱了视觉感受。

　　人眼对高度较为敏感，但是对于横式的条形图来说，视觉感受上就没那么直观了，所以需要将数据进行排序，这样更为直观。

　　进阶：

　　【条形堆积图】

　　表达同一维度，各分类数据的总值大小以及该分类数据集内小分类数据大小与占比情况，体现单项与整体情况。

　　饼状图

　　饼状图是用于表达数据占比的图表，也是最常见的图表之一，就想切饼一样，切大切小，一眼看得出来。

　　依据各项数据占比将圆饼划分为不同大小区块，每个区块的弧度代表了该项数据占总数的比值，弧度大的占比大，小的占比小。

• 优势：可展现各项数据占比情况，反映单项与单项、单项与整体的数据关系。
• 劣势：无法直观看出具体数据值情况，不适用于分析过多数据项，并且仅支持单维度数据对比。
• 场景：适用于单维度多项数据占总数据比重情况对比，以及各项数据大小分布情况。
• 设计：饼状图各项数据占比大小需要有一定的逻辑分布，如数值从大到小，由顺（逆）时针排序。若不进行排序，则过于凌乱，无法明确地对比出各项数据占比情况。

　　将占比最大的数据项以12点为界限开始排序，这才符合普通人的视觉习惯，不需要再通过大脑学习理解我们制作出来的图表逻辑，这样才会更直观。

　　进阶：

　　【玫瑰图】

　　表达各项数据占比情况，相对于基础的饼状图，更突出占比最大的数据项。

　　线形图

　　线形图是体现数据变化情况最好的图表之一，线的变化代表了数据的变化。
　　可以通过线的变化，预测判断未来趋势，这是线形图主要的功能之一，比如我们常见的股票走势图用的就是最基础的线形图。

• 优点：不仅可以表达数据增减情况，还可以表达具体数值，同时可以对比出分类项的关联性。
• 缺点：无法判断各项数据比重，数据集过少时，无法直观地判断数据情况。
• 场景：适用于分析大数据集的数据变化情况以及变化趋势。
• 设计：如果数据集比较散时，可以用直线表示，而数据集较为密并且在不断变化时，可以用曲线表示。

　　分类项的样式不宜过多，会显得过于凌乱。

　　进阶：

　　【数据面积图】

　　表达数据趋势大小，通过将数据与X轴之间进行填充，形成数据面积，更突出数据总值趋势。

　　将这三种基础图表组合起来，可以发挥各自的优势，更为直观地表达出数据情况。

　　【组合图】

　　还有一些常用到的如：

　　【四象限图】

　　【漏斗图】

　　还有很多各式各样的图表，利用好它们，能正确地传达数据信息。

　　可视化图表最终目的还是方便我们展示数据，并且直观地判断数据情况。

　　避免不必要的花哨，干扰了视觉感受，影响了我们的判断，要以数据实用性为主导方向。