作者 | Destiny
来源 | 木东居士
0x00 前言
之前已经分享过「趋势型(时间序列)」、「比例型」、「对比型」、「分布型」数据的可视化图表方式。
今天这篇,是数据图表选择的最后一篇,准备分享下可视化中几类比较特殊、但是常用的数据的可视化方式。
主要包含如下如下几类数据:
0x01 区间型数据可视化
区间型数据,一般可分为两种情况:
1.条形进度图
进度图,适合比例型区间数据的可视化,通常用来表示某项任务的进度情况。比如,显示某个APP的当前下载进度,当前设备的电量剩余情况,电商网站交易额的完成率等。
重叠条形图的绘制,有几个要点,以电商网站的交易额为例说明:
(1)根据统计期间,交易额的目标值T,交易额的实际完成值A,计算出交易额的完成率R,R=A/T*100%。
(2)对交易额的完成率进行区间划分,然后和定性指标进行关联。通常,定性指标可以是文字表示(差、一般、好、极好…),但是更常见的做法是拿区间和颜色来进行映射。
示例如下:
指标区间的划分和颜色的选取,可以根据具体业务的实际情况自行决定。但是要注意一个要点,在不同的文化中,不同颜色具有不同的寓意,实操过程中,要因地制宜的进行颜色映射。
2.仪表盘
仪表盘,由表盘刻度、指针、指针所在角度三者构成,可以直观的展示某项指标的进度(比例型)或实际情况(数值型)。
仪表盘三要素:
通常,为了视觉展示的美观和降低映射的次数,建议指针的数量不超过 3 根。
3.环形进度图
环形进度图,它除了可以表示比例型的数据以外,还可以表示数值型的数据,并将其和定性指标相关联,可以看成是仪表盘和条形进度图的结合体。
和仪表盘相比,环形进度图没有指针;和条形进度图相比,环形进度图的内部可以展示和定性指标关联的结果。
环形进度图展示的数据指标,其区间划分既可以和颜色映射,也可以和定性文字表达映射,具体方法参照条形进度图部分的表格示例。
0x02 关系型数据可视化
数据之间的关系,主要包含如下几种关系类型:
1.韦恩图
作为表示集合之间关系的可视化图形,韦恩图是展示数据集之间包含关系的绝佳方式,它通过面积的大小来映射集合元素的个数,重叠部分的面积,则代表多个数据集重合元素的个数。
在工作中,我们要研究多个数据集之间的包含关系,就可以使用韦恩图来展示数据。比如,购买啤酒的用户和购买尿布的用户有多少是重合的,收过某快递公司包裹的用户和选择某快递公司寄件的用户,有多少是重合的。
当然,韦恩图的使用并不仅仅局限于人群的包含关系展示,只要你需要研究多个数据集的包含关系,都可以使用韦恩图,但是前提是:多个数据集描述的对象维度需要相同,比如都是用户ID或商品名称等。
2.漏斗图
漏斗图,适合作为具有层级关系的数据的可视化方式,特别是流程类或具有先后关系步骤的数据,且一般是用来描述单变量在不同环节的变化情况。
在网站或APP分析中,通常使用漏斗图来比较完整流程中,各关键步骤的转化率,以此来发现各个环节的问题并进行改进。在电商类购物网站中,常用漏斗图来分析用户从浏览商品至最终交易成功的各个关键环节的转化率,具体如下图所示:
通过纵向对比各个环节的用户转化率和流失情况,可以发现业务流程中各环节存在的问题,从而采取相应的措施来改进。除了纵向对比以外,在实际业务中,也经常会横向对比不同时间周期的转化率情况,从而来评估某项改进措施的效果或发现现阶段的问题。
3.矩形树图
在分布型数据可视化中讲到过,矩形树图适合具有「树状结构」的层级关系数据的可视化,它通过「面积」来映射数据大小或者数据占比,通过颜色来区分类别。
且当矩形树图有多级结构时,通常需要一些交互来辅助数据细节的展示,如鼠标悬停显示实际数或占比、单击某个类别区域进入该类别细分视图、单击面包屑返回指定层级等。
4.桑基图
桑基图,是一种描述数据分流关系的可视化图表方案,它的优势是可以直观的展现数据流动。
它主要由边、流量和支点组成,其中边代表了流动的数据,流量代表了流动数据的具体数值,节点代表了不同分类。边的宽度与流量成比例地显示,边越宽,数值越大。
桑基图有一个重要特点就是保持能量守恒,即:所有主分支的高度总和=所有分出去的分支高度之和,因此桑基图也称为「桑基能量平衡图」。起初,桑基图主要用于分析能源的用途流向和行业损耗、工业生产材料的成分构成、金融领域的资金流向等。后来,桑基图使用领域扩大,比如可以用于分析用户在网站或APP上行为路径和分流情况,比如分析家庭收入来源和支出流向,世界人口迁移等。
总之,如果需要展示数据的分流情况,桑基图是一种绝佳的可视化方案。
5.节点关系图
节点关系图,常用来表示两个或多个对象之间的关系。节点关系图,主要有如下几个要素:
比较常用的场景有,剧集中人物关系的可视化、个人的社交网络拓扑等。
0x03 地理型数据可视化
地理型数据,是指数据的维度属性中包含地理信息,如国家、省份、城市、区、街道等。对于地理型数据的可视化,我们首先想到的可视化方案是使用地图。
从可视化的空间维度上划分,地图分为二维地图和三维地图。二维地图,包括区域地图、道路地图、室内地图等,在出行类APP如高德地图、百度地图、腾讯地图中都有广泛应用;三维地图,即我们通常所说的全景地图,它具有真实感强、易于沉浸的特点,可以真实的展现现实的空间场景,如室外天气情况、人群多寡等。
本次分享的地理型数据可视化,侧重于地图与其他图表组合的可视化方案。
三者的共同点是,数据中的地理属性都会映射到地图上的具体位置;不同点是,散点地图是通过散点的颜色来映射数值的大小,气泡地图是通过气泡面积来映射数值大小,热力地图是通过区域颜色的深浅来映射数值大小。
2.地图+线图
地图和线图结合的场景,一般是用于数据中具有两个维度的地理信息,用于展示数据的流入&流出情况,其数据格式一般为:「地理信息1+地理信息2+数值」。
地理信息1(Departure)地理信息2(Desination)流入人口(Value)黑龙江省广东省100,000海南省广东省80,000….….….
其经常使用的场景包括:世界范围或者全国范围内的人口迁移,不同地区飞机/船舶/高铁等交通航线的繁忙程度和流向情况,不同地区包裹的寄出量或收货量等。
3.地图+饼图
当既要显示不同地理区域某一指标的数据总量,同时又要显示各地区某一指标总量的各构成部分占比时,可以使用「地图+饼图」结合的方式来进行可视化。
和普通的堆叠柱状图相比,「地图+饼图」可以显示更多的数据项,同时更加直观的展示数据和地理位置的关联性。但是要注意一个点,地图上的饼图的扇区个数,最好保持在2~4个左右,如果总体分类过多,饼图在地图上就会显得比较杂乱,可以考虑适度重新分组,以保证可视化呈现的最终效果。
0xFF 总结
在开篇《数据可视化之旅(一):数据可视化过程》中有讲到,数据关系是决定图表选择的关键因素。
作为数据图表选择的最后一篇,我们一起来回顾下【数据图表的选择】部分的内容,以下为常见的数据关系和可供选择的图表类型。
*重要的内容多看几遍
后记
下一篇,会结合实际业务场景中的数据案例,来对比常用图表的差异,总结根据数据特点选择图表类型的套路。感觉对自己有帮助的朋友请持续关注我们吧,小编非常乐意给大家分享分享个人的学习心得和经验总结!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29