在信息爆炸的时代，越来越多的数据堆积。但是，这些密集数据没有重点关注并且可读性较差。因此，我们需要 数据可视化 以帮助数据易于理解和接受。相反，可视化更加直观和有意义，并且使用适当的图表来可视化数据非常重要。

在这篇文章中，我将介绍数据可视化中排名前16位的图表类型，并分析它们的应用场景，以帮助您快速选择显示数据特征的图表类型。

注意：本文中的所有图表均取自数据可视化工具 finereport。

1.柱形图

柱形图使用垂直列来显示类别之间的数值比较，并且列数不应太大（如果列太多，则轴的标签可能显示为不完整）。

柱状图利用柱高来反映数据中的差异，并且人眼对高度差异很敏感。限制是它仅适用于中小型数据集。

应用场景：分类数据比较

2.条形图

条形图与柱形图相似，但是条形图的数量可能相对较大。与柱形图相比，其两个轴的位置已更改。

应用场景：数据比较（类别名称可以更长，因为Y轴上有更多空间）

3.折线图

折线图用于显示连续时间间隔或时间跨度内的数据变化。它的特点是随着时间或类别的变化而反映事物的趋势。

应当注意，折线图的数据记录数应大于2，可用于大数据量的趋势比较。并且最好不要在同一图形上超过5条折线。

应用场景：数据量随时间变化的趋势数据可视化图表，系列趋势的比较

4.面积图

面积图基于折线图形成。它用颜色填充折线和折线图中的轴之间的区域。颜色的填充可以更好地突出趋势信息。

面积图的填充色应具有一定的透明度。透明度可以帮助用户观察不同系列之间的重叠关系。没有透明度的区域将导致不同的系列相互覆盖。

应用场景：序列比，时间趋势比

5.饼图

饼图广泛用于各个领域，以表示不同类别的比例，并通过弧线比较各种类别。

饼形图不适用于多个数据系列，因为随着数据系列的增加，每个切片将变得更小，最后大小区别也不明显。

饼图也可以制成多层饼图，显示不同类别数据的比例，同时也反映层次关系。

应用场景：序列比率，序列大小比较（玫瑰图）

6.散点图

散点图在直角坐标系上以点的形式显示了两个变量。点的位置由变量的值确定。通过观察数据点的分布，我们可以推断出变量之间的相关性。

制作散点图需要大量数据数据可视化图表，否则相关性不明显。

应用场景：关联分析，数据分发

7.气泡图

气泡图是多元图表，是散点图的变体。除了由X轴和Y轴表示的变量的值外，每个气泡的面积代表第三个值。

我们应该注意，气泡的大小是有限的，气泡太多会使图表难以阅读。

应用场景：分类数据比较，相关分析

8.量规

数据可视化中的量规是一种实体化图表。标尺代表度量，指针代表尺寸，指针角度代表值。它可以直观地表示指标的进度或实际情况。

该量规适用于间隔之间的比较。

也可以制成环型或管型，表示比例。

应用场景：时钟，比例显示

9.雷达图

雷达图用于比较多个量化变量，例如查看哪些变量具有相似的值，或者是否存在极限值。它们还有助于观察数据集中哪些变量具有较高或较低的值。雷达图适用于演示工作绩效。

雷达图还具有堆积的柱形样式，可用于分类和系列之间的双向比较，同时还代表比例。

应用场景：尺寸分析，系列比较，系列权重分析

10.框架图

框架图是一种以树状结构形式显示层次结构的直观方法，可以清楚地显示层次结构的关系。

应用场景：层次显示，过程显示

11.矩形树形图

矩形树形图适合于呈现具有层次关系的数据，可以直观地反映相同级别之间的比较。与传统的树形结构图相比，矩形树形图更加有效地利用了空间，并具有显示比例的功能。

矩形树图适用于显示具有权重关系的层次结构。如果不需要反映比例，则框架图可能更清晰。

应用场景：加权树数据，树数据比例

12.漏斗图

漏斗图显示每个阶段的比例，并直观地反映每个模块的大小。适合比较排名。

同时，漏斗图也可用于比较。我们水平排列多个漏斗图，数据对比也非常清晰。

应用场景：数据排名，比率，标准值比较

13.词云图

词云是文本数据的直观表示。它是由词汇组成的云状彩色图形。它用于显示大量文本数据，并可以快速帮助用户感知最突出的文本。

词云图需要大量数据，数据的鉴别度比较大，否则效果不明显。而且它不适合进行准确的分析。

应用场景：关键词搜索

14.甘特图

甘特图直观地显示了任务的时间安排，实际进度以及与需求的比较。因此，管理人员可以轻松地了解任务（项目）的进度。

应用场景：项目进度，状态随时间变化，项目过程

15.地图

该图分为三种类型：区域图，点图和流图。

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！