作者 | Destiny

來源 | 木東居士

0x00 前言

數(shù)據(jù)圖表的選擇（上），分享了「時序數(shù)據(jù)」和「比例數(shù)據(jù)」的可視化圖表方案。

不同的數(shù)據(jù)類型、不同的闡述目的，決定了數(shù)據(jù)可視化展現(xiàn)形式的差異。因此，今天這篇文章，主要是分享兩類不同的可視化目的及其可選擇的圖表形式。

• 「對比型數(shù)據(jù)」：
• 對比兩組或兩組以上數(shù)據(jù)的差異。
• 「分布型數(shù)據(jù)」：
• 研究數(shù)據(jù)分布的集中趨勢、離散程度、偏態(tài)和峰度等。

0x01 對比型數(shù)據(jù)可視化

在實際工作中，我們經(jīng)常需要對比多組數(shù)據(jù)之間的差異，而這些差異通常是通過不同的標記和視覺通道體現(xiàn)出來。

• 高度差異/寬度差異：
• 柱狀圖、條形圖。
• 面積差異：
• 面積圖、氣泡圖。
• 字號差異：
• 單詞云圖。
• 形狀差異：
• 星狀圖。

1.柱狀圖

在《數(shù)據(jù)圖表的選擇（上）》有寫到，柱狀圖是離散時間數(shù)據(jù)可視化的方式之一，只不過這里的系列值的數(shù)據(jù)類型是「時間」而已。

柱狀圖除了可以用于離散時間數(shù)據(jù)的可視化，更多的是用于比較不同分類數(shù)據(jù)的可視化，且柱狀圖的數(shù)據(jù)條數(shù)，最好不要超過12條。

以下根據(jù)數(shù)據(jù)類別的個數(shù)和可視化的目的，細化柱狀圖的圖表選擇：

• 單一柱狀圖：
• 適合單一類別的數(shù)據(jù)比對，也適合表示離散型時序數(shù)據(jù)的趨勢。
• 重疊型柱狀圖：
• 適合兩個類別的數(shù)據(jù)對比，半透明柱形條，代表某項指標的「目標值」，內(nèi)部偏窄且不透明的柱形條表示某項指標的「實際完成情況」。
• 通常會搭配折線圖使用，折線圖則表示目標完成率。
• 并列柱狀圖：
• 適合兩個或三個數(shù)據(jù)類別的對比，若數(shù)據(jù)類別超出3個，不建議使用并列柱狀圖。
• 堆疊柱狀圖：
• 適合既要對比總體的數(shù)據(jù)，又要對比總體各構(gòu)成項的數(shù)據(jù)，但是總體各構(gòu)成項一般不要大于5個，若大于5個，可按占總體的比例進行歸類，展示TOP5的分類，剩下則歸為「其他」。

2.條形圖

條形圖，可以視為是柱狀圖的一種變體，在大部分情況下，是可以互換的。那么在哪些情況下，條形圖能比柱狀圖更好的展示數(shù)據(jù)呢？

• 條形圖，相比柱狀圖而言，可以展示更多的數(shù)據(jù)條數(shù)，一般不要超過30條。
• 若分類項的文本過長時，柱狀圖的文本需要進行旋轉(zhuǎn)才能不重疊，不利于閱讀，而條形圖就就沒有這個缺點。

3.面積圖

面積圖，是折線圖的一種延伸，其實就是折線圖和折線圖投影到X軸的直線所圍成的面積。

按照對比方式的不同，面積圖可以分為：「重疊對比型面積圖」和「堆砌對比型面積圖」，兩者的區(qū)別如下。

• 重疊對比型：
• 所有系列的面積基線都是X軸，系列之間有重疊和覆蓋的關(guān)系。
• 堆砌對比型：
• 只有底層系列的面積基線和X軸重合，其他系列都是堆砌在它們下面一組的數(shù)據(jù)上面。

面積圖，一般也是用于趨勢分析中。

當需要分析各個系列，隨時間的變化趨勢時，此時使用「重疊對比型面積圖」比較合適；當既需要分析整體隨時間的變化趨勢，又要了解整體的各構(gòu)成項隨時間的變化趨勢時，使用「堆砌對比型面積圖」比較合適。

4.氣泡圖

氣泡圖，和散點圖的區(qū)別是，氣泡圖一般是用于三維數(shù)據(jù)的可視化，而散點圖是用于二維數(shù)據(jù)的可視化。

在散點圖中，圓點的面積是相同的，主要是通過圓點在坐標軸中的坐標點（X，Y）確定的位置，來映射數(shù)據(jù)。

而氣泡圖，是通過氣泡的面積大小來對比數(shù)據(jù)的圖形方式，它除了可以反映散點圖中坐標點X、Y的相關(guān)關(guān)系，還有一個維度的數(shù)據(jù)可以映射到氣泡的面積大小上，因此「氣泡圖」可以在二維平面展示三維信息的數(shù)據(jù)。

如上圖所示，左側(cè)的氣泡圖，每個氣泡展示了三個屬性的信息，X-代表人均GDP，Y-代表對應(yīng)國家的平均壽命，Z-即氣泡的大小，代表對應(yīng)國家的人口數(shù)量。所以，相較于散點圖而言，氣泡圖除了可以展示X、Y兩個變量間的相關(guān)關(guān)系，同時還可以對比主體另一個維度的數(shù)據(jù)，并且這個數(shù)據(jù)是映射到氣泡的大小上的。

當只有一個系列時，只需要一種氣泡圖只需要一種顏色即可。當有多個系列時，不同系列之間可以用顏色來區(qū)別。

5.單詞云圖

單詞云圖，主要是用于網(wǎng)絡(luò)文本中詞頻數(shù)據(jù)的可視化，如關(guān)鍵詞搜索，文章高頻詞，熱點事件關(guān)鍵詞等。

單詞云圖，是通過單詞的字號大小來反映詞頻的大小，字號越大，詞頻越高。通常，為了達到貼合主體的特征，以及視覺美觀的目的，用戶可以自定義單詞云的配色方案、背景形狀等設(shè)計層面的個性化。

通過單詞云圖，用戶可以快速找出網(wǎng)站搜索的高頻詞匯、了解文章的主旨、get到熱點事件的關(guān)鍵信息。但是要注意一點，單次云圖只適合表示一組文本數(shù)據(jù)的對比，不適合多個類別的文本數(shù)據(jù)之間的比較。

6.雷達圖/星狀圖

當需要對比一個主體、或多個主體本身，在不同維度上的特征時，雷達圖和星狀圖是不錯的選擇。

雷達圖和星狀圖的區(qū)別是：

• 雷達圖是一體多維的數(shù)據(jù)，即可視化的對象是一個主體，只是這個主體具有多個維度上的數(shù)據(jù)特征。
• 對比的是，同一個主體，在不同維度上的數(shù)值，可以看出主體在不同維度上的偏向。
• 星狀圖是多體多維的數(shù)據(jù)，即可視化的對象是多個主體，且多個主體維度相同，且單個主體具有多個維度上的數(shù)據(jù)特征。
• 對比的是，多個主體，在同一維度上的數(shù)值，可以看出不同主體之間的差異和側(cè)重點。

簡單理解就是，雷達圖可以視為是星狀圖中的一行記錄。而且，一般情況下，會給予不同維度上的數(shù)值一定的權(quán)重，從而算出各個主體的綜合得分，我們的芝麻信用分就是這么來的。

0x02 分布型數(shù)據(jù)可視化

數(shù)據(jù)的分布特征，是統(tǒng)計學(xué)中「描述性統(tǒng)計」模塊研究的內(nèi)容。要對數(shù)據(jù)的分布情況進行可視化呈現(xiàn)，首先需要了解數(shù)據(jù)的描述性度量（集中趨勢、離散程度、偏態(tài)和峰度），通過這些反映數(shù)據(jù)分布特征的關(guān)鍵指標，才能確定能夠使用哪些圖表來進行可視化展示。

描述性統(tǒng)計的相關(guān)內(nèi)容，可以參考這篇文章《統(tǒng)計學(xué)第1篇 描述性統(tǒng)計》。

1.直方圖

我們常用的直方圖，主要有「頻數(shù)直方圖」和「頻率直方圖」，它們都是用于展示離散型分組數(shù)據(jù)的分布情況。

繪制直方圖，有如下幾步：

• 首先，要對數(shù)據(jù)進行分組，然后統(tǒng)計每個分組內(nèi)數(shù)據(jù)元的頻數(shù)和頻率。
• 其次，在平面直角坐標系中，橫軸標出每個組數(shù)據(jù)的下限和上限，即上圖中的a和b。
• 最后，縱軸表示頻數(shù)或頻率，每個矩形的高代表對應(yīng)的頻數(shù)或頻率，即上圖中的h。

若縱軸表示的是頻數(shù)，則是「頻數(shù)直方圖」；若縱軸展示的是「頻率」，則為「頻率直方圖」，如上圖所示。

「頻數(shù)分布直方圖」中，頻數(shù)乘以組距得出每個分組的數(shù)量，可以看出頻數(shù)分布直方圖是用面積來表示頻數(shù)的，和柱狀圖（條形圖）是用長方形的高度（寬度）表示數(shù)量是有本質(zhì)性區(qū)別的。

2.莖葉圖

莖葉圖一般適合數(shù)據(jù)為整數(shù)的數(shù)據(jù)的可視化，就目前而言，我工作中用得比較少，簡單講下用法。

莖葉圖的原理是，將一組數(shù)據(jù)按照數(shù)據(jù)位數(shù)進行比較，將數(shù)據(jù)中的高位數(shù)作為樹莖，低位數(shù)作為樹葉。假設(shè)有如下一組數(shù)據(jù)：

3，7，9，14，15，16，25，26，29，36，41，43，45，46，49

數(shù)據(jù)范圍頻數(shù)0-9310-19320-29330-39140-495

對應(yīng)的樹莖和樹葉可以表示為：

樹莖樹葉03791456256936413569

圖形化表示為：

3.箱線圖

在描述性統(tǒng)計中，有涉及到分位數(shù)相關(guān)的知識，其中比較常用的是四分位數(shù)，即一組數(shù)據(jù)中的下四分位數(shù)Q1、中位數(shù)、上四分位數(shù)Q3，關(guān)于分位數(shù)的概念不清楚的同學(xué)可以自行查閱相關(guān)資料。

一組數(shù)據(jù)中的四分位數(shù)，加上這組數(shù)據(jù)的最大值、最小值，這5個特征值，就可以繪制一個箱線圖。

箱線圖釋義：

• 箱子的中間一條線，是數(shù)據(jù)的中位數(shù)，代表了樣本數(shù)據(jù)的平均水平。
• 箱子的上下限，分別是數(shù)據(jù)的上四分位數(shù)Q3和下四分位數(shù)Q1，這代表箱體部分包含了數(shù)據(jù)集中50%的數(shù)據(jù)，因此，箱子的寬度（四分位距=Q3-Q1）在一定程度上反映了數(shù)據(jù)的離散程度。
• 在箱子的上方和下方，又各有一條線，有時候代表著最大最小值，有時候代表的是上下內(nèi)限。如果有點位于內(nèi)限之外，理解成“異常值”就好。

箱線圖常用的場景有如下幾類：

（1）對比多組數(shù)據(jù)的分布情況。

（2）檢測數(shù)據(jù)中的異常值或離群點。

4.概率密度圖

若要描述連續(xù)型隨機變量其分布規(guī)律，概率密度圖是一種很直觀表現(xiàn)形式。

在數(shù)學(xué)中，連續(xù)型隨機變量的概率密度函數(shù)是一個描述這個隨機變量的輸出值，在某個確定的取值點附近的可能性的函數(shù)，簡單理解就是，連續(xù)型隨機變量取值某個確定數(shù)值的概率，即為縱切直線與概率密度函數(shù)交點的縱坐標的值。而隨機變量的取值落在某個區(qū)域之內(nèi)的概率則為概率密度函數(shù)在這個區(qū)域上的積分，也就是區(qū)間的上下限與概率密度曲線圍成的面積。

通過圖形化的方式，我們可以清楚的看到隨機變量分布的對稱性情況，以及隨機變量取值是集中還是分散，這些可以通過偏態(tài)系數(shù)和峰度系數(shù)來度量，此處不深入闡釋。

5.散點圖/氣泡圖

可參照上述氣泡圖描述部分，不重復(fù)贅述。

但是需要記住散點圖和氣泡圖的區(qū)別：

• 散點圖，一般是用于研究兩個變量之間的相關(guān)關(guān)系，可以是一個類別數(shù)據(jù)，也可以是多類別數(shù)據(jù)，但是都是二維的數(shù)組（x,y）。
• 氣泡圖，除了具體散點圖的功能以外，還可以用氣泡的面積來映射第三個維度的數(shù)據(jù)，對應(yīng)的數(shù)據(jù)形式是（x,y,z）,同樣可以用于多組或多類別數(shù)據(jù)的比較。

6.熱力圖

熱力圖，是通過密度函數(shù)進行可視化，用于表示地圖中點的密度的熱圖?，F(xiàn)階段，熱力圖在地圖、網(wǎng)頁分析、業(yè)務(wù)數(shù)據(jù)分析等其他領(lǐng)域也有較為廣泛的應(yīng)用。

• 熱力地圖：
• 比如我們?nèi)粘Ｊ褂玫膶?dǎo)航APP，通過熱力圖來表示各個路況的擁擠程度，顏色越深表示人員越多，對應(yīng)路段也就越擁擠，有了熱力圖可以很直觀的看到區(qū)域內(nèi)的人群流量，方便駕車人士進行路線規(guī)劃。
• 網(wǎng)頁熱力分析：
• 常見的網(wǎng)頁熱力圖，有按鼠標點擊位置的熱力圖、按鼠標移動軌跡的熱力圖、按內(nèi)容點擊的熱力圖。
• 還有一種是獲取用戶眼球在屏幕上的移動軌跡熱力圖，不過這種因為涉及到用戶隱私，獲取數(shù)據(jù)的難度很大。
• 通過網(wǎng)頁熱力分析，可以直觀清楚地看到頁面上每一個區(qū)域的訪客興趣焦點，從而為營銷推廣、用戶體驗優(yōu)化提供依據(jù)。
• 業(yè)務(wù)數(shù)據(jù)分析：
• 帶有地理信息屬性的數(shù)據(jù)、或者離散時間屬性的數(shù)據(jù)，也可以使用熱力圖來進行數(shù)據(jù)展示。

7.地圖

當數(shù)據(jù)帶有地理型信息屬性時，首選的可視化圖表為地圖。按照展示的數(shù)據(jù)空間劃分，地圖可以分為二維平面地圖和三維立體地圖。

比如我們常用的導(dǎo)航軟件、天氣預(yù)報、降水量、臺風(fēng)移動路線等都和地理信息相掛鉤，這些數(shù)據(jù)一般也是在地圖上進行呈現(xiàn)，給人以直觀的視覺體驗。

0xFF 總結(jié)

無論是要對比數(shù)據(jù)，還是研究數(shù)據(jù)的分布情況，都需要根據(jù)數(shù)據(jù)的類型、數(shù)據(jù)的特征來確定可視化的最佳方式。

根據(jù)數(shù)據(jù)之間的關(guān)系、分析目的、數(shù)據(jù)特征，來選擇和確定相應(yīng)的圖表類型，這個是可視化過程中需要牢牢把握的要點。圖表的目的，是為了更直觀、準確的呈現(xiàn)數(shù)據(jù)背后的信息和知識，不同數(shù)據(jù)關(guān)系應(yīng)該選擇什么圖表都是有套路的可循的。

但是，如果只是為了使用某個覺得高大上的圖表，而不管數(shù)據(jù)的特征是否適用，則是舍本逐末的做法，最終的可視化效果也必定是不理想的。