最佳实践 | DataEase 图表样式解析

Greeny · 2023 年4 月 21 日 06:30

当我们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。

本贴子将介绍饼图、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 DataEase 的多种图表样式进行解析，帮助大家更好地展现数据并深入地理解数据的内涵。

图表介绍

饼图

一、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。

二、适用场景

当符合以下条件时，更适合使用饼图进行展现：

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。

三、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。

2. 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。

四、不适用场景

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。

2. 当图表需要展现的类型过多时，不建议选择饼图。

柱状图

一、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。

2. 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。

3. 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）。

二、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。

三、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。

折线图

一、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。

二、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。

2. 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。

三、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。

2. 同一图中指标数据过多，多折线造成堆积，难以聚焦到重点。

3. 变量数值大多数情况为0。

四、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。

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。

2. 设置预警线，辅助识别“标准值”以外的数据。

五、注意事项

当你以时间作为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。

漏斗图

一、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。

二、适用场景

数据是有序的，彼此之间有逻辑上的顺序关系，阶段最好大于3个；
反映的流程应该是“消耗性”的流程，例如在电商领域中从用户注册到下单的转化情况，在人力领域中从收到简历到入职的转化情况等。具体如下图所示：

3. 在实际的应用中，漏斗图非常适合于跟踪用户的转化率和保留率、跟踪点击广告/市场营销活动的进度和成功率，以及揭示线性流程中的瓶颈。在新闻领域，漏斗图也较适合社会平等、阶层分化、资源分配等的话题。

三、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。

雷达图

一、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。

二、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。

2. 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。

3. 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）。

三、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。

瀑布图

一、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。

二、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。

2. 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。