如何选择正确的数据可视化图表

news2024/11/15 18:44:17

数据可视化是数据分析的重要组成部分,因为它们能够以图形格式有效地汇总大量数据。有许多可用的图表类型,每种类型都有自己的优势和用例。分析过程中最棘手的部分之一是选择使用这些可视化效果之一的正确方法来表示数据。

在本文中,我们根据需要执行的任务类型来处理选择数据可视化的任务。

数据可视化的常见角色包括:

  • 显示随时间变化的图表
  • 显示部分到整体的图表
  • 查看数据分布方式的图表
  • 用于比较组间值的图表
  • 观察变量间关系的图表
  • 用于查看地理数据的图表

数据可视化选择的图表会直接影响可视化的效果,所以在我们在进行数据分析时,需要选择合适的图表才能将需要分析的数据正确的展示出来,下面就来具体介绍下不同类型的可视化图表。

用于显示随时间变化的图表

可视化数据的最常见应用之一是查看变量值随时间的变化。这些图表通常在水平轴上有时间,从左到右移动,其它变量值在垂直轴上。有多种方法可以对这些值进行编码:

  • 条形图按基线中条形的高度对值进行编码。
  • 折线图按线段连接的点的垂直位置对值进行编码。
  • 当需要绘制每个时间段的值分布时,箱形图非常有用。
  • 金融领域有许多专业图表类型,如烛台图或 Kagi 图。

用于显示部分到整体构图的图表

有时,我们不仅需要知道总数,还需要知道构成该总数的组成部分。虽然其他图表(如标准条形图)可用于比较组件的值,但以下图表更能展示部分到整体:

  • 饼图用一个圆圈表示整体,按切片划分为多个部分。
  • 堆积条形图通过将每个条形划分为多个子条来修改条形图,在每个主条形中显示部分到整体的构图。
  • 堆积面积图通过折线图下的阴影将总数划分为子组值来修改折线图。
  • 其他更复杂的显示层次结构关系的图表类型,包括玛莉美歌图和树状图。

用于查看数据分布方式的图表

可视化的一个重要用途是显示数据点的值是如何分布的,当试图建立对数据特征属性的理解时:

  • 当变量是定性的并且采用多个离散值时,将使用条形图。
  • 当变量是定量的,采用数值时,使用直方图。
  • 使用密度曲线代替直方图,作为基础分布的平滑估计值。
  • 小提琴图通过绘制每个组的密度曲线来比较组之间的数值分布。
  • 箱形图是比较组间分布的另一种方法,但使用统计量汇总而不是估计的分布形状。

用于比较组间值的图表

数据可视化的另一个非常常见的应用是比较不同组之间的值。这通常与其他角色结合使用以进行数据可视化,例如显示随时间的变化,或查看数据的分布方式。

  • 条形图通过为每个组分配一个条形来比较组之间的值。
  • 点图可以类似地使用,但值由点位置而不是条形长度指示。
  • 折线图可用于通过绘制每组一条线来比较组之间的值。
  • 分组条形图允许通过在每个位置(而不仅仅是一个位置)绘制多个条形来比较两个不同分组变量的数据。
  • 小提琴图和箱形图用于比较组之间的数据分布。
  • 漏斗图是一种专业图表,用于显示数量如何在流程中移动,例如跟踪从看到广告到最终进行购买的访问者数量。
  • 项目符号图是另一个专业图表,用于将真实值与一个或多个基准进行比较。
  • 平行坐标图(及其特殊情况使用斜率图)和哑铃图也可用于组之间的值比较。

用于观察变量之间关系的图表

数据探索中显示的另一项任务是了解数据特征之间的关系。下面的图表类型可用于绘制两个或多个变量,以观察它们之间的趋势和模式。

  • 散点图是显示两个变量之间关系的标准方法。
  • 散点图也可以通过向每个点添加颜色、形状或大小作为指标来扩展到其他变量,就像在气泡图中一样。
  • 当第三个变量表示时间时,散点图中的点可以与线段连接,从而生成连接的散点图。
  • 时态第三变量的另一种替代方法是双轴图,例如绘制具有共享水平轴的折线图和条形图。
  • 当要比较的一个或两个变量不是数值时,热图可以显示组之间的关系。

用于查看地理数据的图表

有时,数据包括纬度和经度等地理数据或国家或州等地区。虽然绘制此数据可能只是将现有可视化扩展到地图背景上(例如,在地图上的散点图中绘制点),但还有其他图表类型会考虑映射域。下面重点介绍其中两个:

  • 分区统计就像一个热图,在地缘政治区域而不是严格的网格中着色。
  • 制图采用不同的方法,使用每个区域的大小对值进行编码。这种方法需要在形状和拓扑中出现一些失真。

结语

为数据选择正确的图表取决于我们要处理的数据信息。以上只是一般准则,突破标准模式可能会收获不一样的效果。不仅要试验不同的图表类型,还要试验变量在每个图表中的编码方式。请记住,通常最好使每个单独的图尽可能简单明了,使用多个图进行比较、显示趋势并演示多个变量之间的关系。

Tips:

数据可视化工具 - SovitChart

SovitChart 是新一代数据可视化设计开发平台,提供丰富的模板组件,拖拽式自由布局,全局图形化编辑,5分钟快速搭建数据可视化页面。可用来制作可视化大屏、数据仪表盘、领导驾驶舱等常用的可视化Web页面,还可以用于项目案例、动态原型、系统演示等的快速制作。

SovitChart 提供简单快捷的方式与第三方系统进行集成,支持在线集成、离线集成。并且支持私有部署。可视化组件设计发布后,通过〈iframe〉〈div〉简单的几行JS代码即可引入到第三方系统中。无论软件产品设计者、UI设计师、系统售前人员还是程序开发工程师,SovitChart都能满足您的数据可视化需求,并且基础版可永远免费使用。

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/488104.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

基于redis和threadlocal实现登录状态校验和拦截

1.流程图 单机节点下的登录状态校验 分布式节点下的登录状态校验 2.代码实现 实现步骤分为如下几步 实现WebMvcConfigurer接口,添加拦截器定义拦截器,需要配置两个interceptor,第一个用于刷新token,写threadlocal&#xff…

AI绘图实战(八):制作游戏人物原稿三视图 | Stable Diffusion成为设计师生产力工具

S:AI能取代设计师么? I :至少在设计行业,目前AI扮演的主要角色还是超级工具,要顶替?除非甲方对设计效果无所畏惧~~ 预先学习: 安装及其问题解决参考:《Windows安装Stable Diffusion …

【机器学习 - 10】:PCA和梯度上升法

文章目录 了解PCA使用梯度上升法求解第一主成分使用梯度上升法求解第二主成分求数据前n个主成分使用sklearn中封装的PCA使用真实数据集 了解PCA PCA的概念:主成分分析(Principal Component Analysis,PCA),是一种统计方法。通过正交变换将一组…

10分钟如何轻松掌握JMeter使用方法?

目录 引言 安装jmeter HTTP信息头管理器 JMeter断言 HTTP请求默认值来代替所有的域名与端口 JSON提取器来替换变量 结语 引言 想要了解网站或应用程序的性能极限,JMeter是一个不可或缺的工具。但是,对于初学者来说,该如何上手使用JMe…

【LLM】低成本部署大语言模型, 并且还能达到部署在GPU上差不多的效果

目录 前言 部署 效果 问题1:人类为什么需要睡觉? 问题2:世界上最高的山峰是什么? 前言 点进来看本文的应该都知道模型对硬件的要求很高, 那我也不废话了, 直接安排最近发现的一个开源项目, 它可以帮助我们降低部署模型的成…

按摩仪市场的AB面:暗战不止,迷雾未散

配图来自Canva可画 由于生活节奏的加快以及来自各方的压力,再加上熬夜、长时间低头玩手机等不良生活习惯,导致不少人的身体都出现了亚健康状态。不过,随着当下健康理念逐渐深入人心,人们对于健康的重视程度也持续提升。无论是刘畊…

如何挖到人生中第一个漏洞?保姆级漏洞挖掘教学

前言 有不少阅读过我文章的伙伴都知道,我从事网络安全行业已经好几年,积累了丰富的经验和技能。在这段时间里,我参与了多个实际项目的规划和实施,成功防范了各种网络攻击和漏洞利用,提高了安全防护水平。 也有很多小…

Java微服务商城高并发秒杀项目--013.SentinelResource的使用

在shop-order-server模块中新建AnnoController: RestController Slf4j public class AnnoController {RequestMapping("/anno1")SentinelResource(value "anno1",blockHandler"anno1BlockHandler",fallback "anno1Fallback&qu…

使用Stream流写出优雅的高质量代码

前言 我们在开发中会大量的用到集合,少不了对集合进行一些操作,如何优雅的遍历集合,操作集合,不仅能体现出代码的质量,更能体现出程序员本身对自我的要求。 文章目录 前言一、Stream初体验二、Stream流的使用2.1 获取…

python实现人脸识别(face_recognition)

一、定义 1、介绍 本项目是世界上最强大、简洁的人脸识别库,你可以使用Python和命令行工具提取、识别、操作人脸。 本项目的人脸识别是基于业内领先的C开源库dlib中的深度学习模型,用Labeled Faces in the Wild人脸数据集进行测试,有高达99…

ESP32(一):Win10配置 IDF+VSCode

一、安装包下载: Git:Git for WindowsPython:Download Python | Python.org以Windows x86-64开头的是 64 位的 Python 安装程序;以Windows x86开头的是 32 位的 Python 安装程序。ESP-IDF(选择Offline版本&#xff09…

Kettle安装与使用

一、Kettle简介 Kettle最早是一个开源的ETL(Extract-Transform-Load的缩写)工具,全称为KDE Extraction, Transportation, Transformation and Loading Environment。后来Kettle重命名为Pentaho Data Integration 。它由Java开发,…

数据结构学习记录——堆的删除(思路图解、代码实现、逐段解析)

目录 堆的删除(最大堆) 思路 代码 解析 堆的删除(最大堆) 思路 代码 ElementType DeleteMax( MaxHeap H ) { /* 从最大堆H中取出键值为最大的元素,并删除一个结点 */int Parent, Child;ElementType MaxItem, X…

戴尔Alienware m18r1原厂win11中文系统 带F12 Support Assist OS Recovery恢复功能

戴尔Alienware m18r1原厂win11中文系统 带F12 Support Assist OS Recovery一键恢复功能 恢复各机型预装系统,带所有dell主题壁纸、dell软件驱动、带戴尔SupportAssist OS Recovery恢复功能,一次性恢复成新机状态,并且以后不用重装系统&#…

手把手教你学习IEC104协议和编程实现 十三-写定值

直接进入主题,要想写入定值,首先要确定写入的是那个定值区,毕竟按照iec104的规定,定值区有8个为0~7,那么就首先涉及到了,切换定值区的过程,执行过程如下: 切换定值区 我们看到,TI=200=0xC8h 我们先设计一个按钮,用于切换定值区。如下图: 在这个按钮的相应的消息上…

【Docker_image_source】docker设置国内镜像源

关于Docker镜像源的设置 国内加速地址 1.Docker中国区官方镜像 https://registry.docker-cn.com 2.网易 http://hub-mirror.c.163.com 3.ustc https://docker.mirrors.ustc.edu.cn 4.中国科技大学 https://docker.mirrors.ustc.edu.cn 5.阿里云容器 生成自己的加速地址 登录&am…

升级企业数智化底座 用友iuap拉满长期主义

本文转自 深度 我们普遍认为,人类社会经历了工业革命、电气革命,现在正奔赴从信息革命到智能革命的道路上,这一过程迫切且不可逆。 因此,《“十四五”数字经济发展规划》指出,以数字技术与实体经济深度融合为主线&a…

JavaScript:数组---双指针法

文章目录 双指针法27.移除元素为什么返回值是整数,但输出的答案是数组?双指针法 977.有序数组的平方暴力法:先平方再排序双指针法 总结双指针 双指针法 27.移除元素 为什么返回值是整数,但输出的答案是数组? 双指针法…

阿里工作7年,肝到P8就剩这份学习笔记了,已助朋友拿到20个Offer

在阿里工作了7年,工作压力大,节奏快,但是从技术上确实得到了成长,尤其是当你维护与大促相关的系统的时候,熬到P7也费了不少心思,小编也是个爱学习的人,把这几年的工作经验整理成了一份完整的笔记…

3.13 结构体嵌套、大小及位域

目录 结构体嵌套结构体 结构体的大小 位域 结构体嵌套结构体 含义 结构体中的成员可以是另一个结构体 语法 struct 结构体名 { struct 结构体名 成员名; }; 结构体中共同的变量可以单独放出来,单独封装一个结构体 结构体的大小 字节对齐 含义 …