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
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14