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 。
数据可视化的图表类型极其丰富多样,而且每种都有不同的用例,通常,创建数据可视化最困难的部分是确定哪种图表类型最适合手头的任务 。
本文中,数维图小编将为大家介绍数据可视化图表类型的第四篇 —— “部分与整体类”图表,使用这些图表 。
堆积条形图
作为条形图(柱形图)的变体,堆积条形图/柱形图显示堆栈与整个条形或柱形之间的关系 。整个条形/列也可以显示为 100% 。在这种情况下,堆栈以百分比显示整个条形/列的相对部分 。
发散条形图
发散条形图(发散柱形图)是类似于常规条形图的图表 。通常用于显示问卷或调查的结果,但不限于此用例,如上例所示 。在发散条形图中,使用对比色来显示要比较的类别 。此图表的一个非常常见的变体称为“发散堆叠条形图”,它添加了额外的段 。换句话说,它与常规堆叠条形图非常相似,但中间有一个额外的基线 。但是发散堆积条形图是堆积条形图的一个非常好的替代方案,因为它更容易将堆积条图与它进行比较 。
人口金字塔
与发散条形图非常相似,人口金字塔是一种专门可视化人口之间年龄和性别分布的图表 。人口金字塔通常由人口统计学家使用,可以成为许多报告中非常简单和不错的补充 。
图标数组
图标数组是清楚地可视化单位比例的图形 。图标数组使用图标矩阵,通常为 100.这些图标中的每一个都代表某物(即人)的一个单位 。然后将图标的一部分着色以表示我们数据中的数值 。其余图标可能显示为灰色甚至不存在 。图标数组是一种非常常见的图形类型,非常容易解释 。
华夫饼图
华夫饼图与图标数组非常相似 。但是,它不是使用不同的图标,而是由 100 个方形(甚至圆形)单元格组成的网格组成 。每个单元格代表 1% 。此网格模式通常显示实现目标(或完成百分比)的进度,但也可用于显示部分到整体的贡献 。华夫饼图通常被称为饼图的方形替代品,并且非常容易解释 。它们看起来确实像华夫饼 。
饼图
饼图可以说是最受欢迎的图表类型,是一种圆形图,可可视化部分与整体的关系 。它显示了如何将数据划分为具有特定值的类别(切片),但它始终保持一个类别的值与这些类别的总和(饼图)之间的联系 。这意味着切片加起来应该是一个逻辑总和 。如果数据以百分比表示,则总数应向上舍入到一百 。如果数据采用绝对值(例如美元),则类别应形成有意义的总计 。饼图只适用于几个类别,否则,图表将变得不可读 。当一个类别与其他类别相比非常大或非常小时,它也非常适合 。
圆环图
圆环图实际上与饼图相同,中间有一个空圆孔的明显区别,使其类似于甜甜圈 。但是,圆环图的数据比饼图更好,并且数据由扇区的长度而不是表面表示,后者更易于解释 。圆环图的另一个优点是,中心的空间可用于添加标题或从数据派生的重要值 。
半圆形圆环图
此图表的工作方式与普通饼图或圆环图相同,只是所有类别的总和会产生半个圆而不是一个完整的圆 。它可以作为仪表图的基础,方法是使用切片显示进度或添加指针 。
玛莉美歌图
图表是一种二维堆积图,它通过不同段的不同高度和柱形宽度来描述数据 。这些列将缩放以填充整个可用图表区 。最常用于分析营销和销售数据 。
矩形树状图
矩形树状图由多个类别组成,每个类别都有一个矩形 。如果要处理数据中的子类别,则可以将这些类别细分为较小的矩形 。矩形区域的大小传达值 。因此,矩形树状图是快速查找类别内部和类别之间关系的非常有用的图表 。另一个好处是有效利用空间,这使得同时显示大量数据变得容易 。
- 部分整体模式 设计模式——组合模式
- wex5 数据绑定组件简单介绍
- 四 数据挖掘实战分享:财政收入影响因素分析及预测
- 数据化运营09 抓住问题关键:用相关性分析拆解多个影响因素
- Python数据分析案例20——我国家庭资产影响因素分析
- 福布斯富豪榜实时数据,福布斯富豪榜是怎么统计的
- 织梦搭建本地环境以及FTP到本地搬家恢复数据库心得。
- 万字长文爆肝Python基础入门【第二弹、超详细数据类型总结】
- 档案十防环境控制设备之3D可视化管控一体化平台图片鉴赏
- mysql数据库关于中文符号的解决