在进行数据可视化分析中，我们能选择的图表类型非常多，选对和选错类型对信息表达有很大的影响。在做图表之前需要了解每个图表的特性，并想清楚：数据想要展示什么？想要表达什么？
随着数据可视化发展以及基础图形的扩充，Smartbi专家团基于上述思维导图整理了一份“图形选择决策树”供参考。
文章图片
图：图形选择决策树
我们可以将数据的展示类型分成比较、序列、构成、描述四种。
比较
- 和目标的比较，体现进度完成情况：可以选择油量表、圆环百分比进度图，适合在量化的情况下显示单一的价值和衡量标准。
- 项目与项目间的比较：
雷达图：显示类别（项目）有三个或更多维度的变量对比情况，以及不同类别（项目）多个维度的变量差异。
词云图：用于显示文本数据，当大量文本数据显示时，使用类似云彩的图形来显示各种词汇，并根据显示数据的大小频率等设置最突出文字。能让人从大量的词语中让人一眼看到关键词。
文章图片
树状图：比较不同层级结构的值，以矩形显示层次结构级别中的比例，大小比较视觉呈现更直观。
热力图（基于笛卡尔坐标系）：主要通过颜色表现数值的大小（两个维度），一般用于活跃程度的体现,可以直观清楚地看到数据密集情况。
- 地域间数据比较：可以选择地图进行地域间的数据比较，数据表达方式更为明确和直观。
- 连续、有序的数据波动：
- 各阶段递减过程：
构成
- 占比构成：
- 多类别部分到整体：
- 展示各部分分布构成情况：
文章图片
描述性统计
- 关键指标描述：
- 数据分组差异：
- 数据分散：
- 数据相关性：
文章图片
- 数据关系：
【纯干货，教你在可视化分析中如何选择图形类型！】
文章图片
推荐阅读
- R语言从入门到机器学习|R语言rename重命名dataframe的列名实战:rename重命名dataframe的列名（写错的列名不会被重命名）
- Pyecharts|Pyecharts 猎聘招聘数据可视化
- Python|Python--随机森林模型
- 数据挖掘|【数据挖掘】二手车交易价格预测（五）建模调参
- python|深度盘点（一文详解数据分析中100个常用指标和术语）
- python|【python】微信朋友圈数据分析及可视化（爬虫+数据挖掘）
- python|requests库请求获取不到数据怎么办（不妨试试看这种妙法）
- 还不了解数据库（Smartbi一文带你入门数据库！）
- 还不会做销售分析（掌握这3个思路，让你秒变分析高手）
- 手把手教你实现地图可视化分析