导语
随着数据在各行业中的应用越来越广泛，大家也逐渐认识到数据可视化在企业生产经营中的重要作用，在数据可视化过程中，图表是处理数据的重要组成部分，因为它们是一种将大量数据压缩为易于理解的格式的方法。数据可视化可以让受众快速Get到重点。
今天，数维图小编将为大家介绍数据可视化图表类型 —— “分布类”图表。
关于图表 - About Chart
数据的理解需要技巧，也许我们无法快速记住一连串复杂的数据，也无法理解它们之间的关系及趋势，但是，我们可以利用工具对数据进行可视化，可视化图表能帮助我们更好的看懂数据，传递数据价值。
#1 分布类 — 密度图
密度图 (Density Plot) 又称为「密度曲线图」。用于显示数据在连续时间段内的分布状况。这种图表是直方图的变种，使用平滑曲线来绘制数值水平，从而得出更平滑的分布。密度图的峰值显示数值在该时间段内最为高度集中的位置。
密度图其中一个比直方图优胜的地方，是由于它们不受所使用分组数量(典型直方图中所使用的条形)的影响，所以能更好地界定分布形状 。
#2 分布类 — 脊线图
脊线图(Ridgeline chart)，有时称为Joyplot，可以同时显示几个组的数值分布情况，分布可以使用直方图或密度图来表示，它们都与相同的水平尺度对齐，并略有重叠。常常被用来可视化随时间或空间变化的多个分布/直方图变化。
#3 分布类 — 直方图
直方图(Histogram)，又称质量分布图，是一种在视觉上类似于柱形图的图表。用于展示分组数据分布的一种图形，它是用矩形的宽度和高度(即面积)来表示频数分布。
#4 分布类 — 径向直方图
径向直方图只是直方图的变体，列环绕着一个圆圈。它的功能与常规直方图相同。它很容易吸引读者的注意力。
#5 分布类 — 单值图
单值图是一种散点图，但它只有一个分类轴和一个数值轴。它是用于说明许多单个一维值的分布的图表。这些值看起来像此图表中沿单个(类别)轴定位的点。如果某些点具有相同的值，它们可以重叠。
#6 分布类 — 抖动图
抖动图是单值图的替代，也称为抖动单值图，它用于可视化测量变量和分类变量之间的关系。与带状图的主要区别在于，图表中使用的点在水平 y 轴上移动，以避免重叠(过度绘制)，这反过来又可以避免缺乏清晰度。
#7 分布类 — 一维热图
如果要放大一个类别并关注该变量的演变，则可以仅在一个维度中使用热图。这些图表在气候通信中非常受欢迎，并且通常可视化温度。
#8 分布类 — 蜂群图
蜂群图就像一个点图，每个类别都有很多值。这些值分别由一个点表示，点群表示在数据中找到的分布。这些点不是将它们包装在垃圾箱中，而是分散在彼此周围并绘制在一个轴上。当您想一次显示大量数据点时，这种图表非常有用。
#9 分布类 — 箱形图
箱形图(又称为「盒须图」或「箱线图」)能方便显示数字数据组的四分位数。从盒子两端延伸出来的线条称为「晶须」(whiskers)，用来表示上、下四分位数以外的变量。异常值 (Outliers) 有时会以与晶须处于同一水平的单一数据点表示。这种箱形图可以垂直或水平的形式出现。
#10 分布类 — 小提琴图
小提琴图使用密度曲线描绘一个或多个组的数值数据的分布。每条曲线的宽度对应于每个区域中数据点的近似频率。密度通常伴随着叠加图表类型(如箱形图)，以提供其他信息。
总结
综上所述，分布类图表用于显示频率、数据分散在一个区间或分组的情况，使用图形的位置、大小、颜色的渐变程度来表现数据的分布，通常用于展示连续数据上数值的分布情况；对个人和企业来说是很有用的数据可视化工具，它可以辅助我们用清晰易懂的图表方式展示数据，从而更好地进行数据分析，快速做出正确的决策。同时，也要注意到此类图表的适用场景，避免在不适合的场景使用而带来错误的效果。
希望本文能帮助您了解“分布类”可视化图表，如果你想为数据快速创建漂亮合适的数据可视化，可以尝试用 Sovitchart 在线数据可视化工具中设计，可以轻松制作出符合需求的图表。
