数据可视化：柱状图、雷达图等六种基本图表的特点和适用场合2014-11-30?数据挖掘与数据分析“数据可视化”可以帮助用户理解数据，一直是热门方向。图表是”数据可视化”的常用手段，其中又以基本图表—-柱状图、折线图、饼图等等—-最为常用。 用户非常熟悉这些图表，但如果被问道，它们的特点是什么，最适用怎样的场合（数据集）？恐怕答得上来的人就不多了。本文是电子书《Data Visualization with JavaScript》第一章的笔记，总结了六种基本图表的特点和适用场合，非常好地回答了上面的问题。序言进入正题之前，先纠正一种误解。有人觉得，基本图表太简单、太原始，不高端，不大气，因此追求更复杂的图表。但是，越简单的图表，越容易理解，而快速易懂地理解数据，不正是”数据可视化”的最重要目的和最高追求吗？所以，请不要小看这些基本图表。因为用户最熟悉它们，所以只要是适用的场合，就应该考虑优先使用。一、柱状图（Bar Chart）柱状图是最常见的图表，也最容易解读。 它的适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较。年销售额就是二维数据，”年份”和”销售额”就是它的两个维度，但只需要比较”销售额”这一个维度。

柱状图利用柱子的高度，反映数据的差异。肉眼对高度差异很敏感，辨识效果非常好。柱状图的局限在于只适用中小规模的数据集。通常来说，柱状图的X轴是时间维，用户习惯性认为存在时间趋势。如果遇到X轴不是时间维的情况，建议用颜色区分每根柱子，改变用户对时间趋势的关注。 上图是英国足球联赛某个年度各队的赢球场数，X轴代表不同球队，Y轴代表赢球数。二、折线图（Line Chart）数据折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合。 它还适合多个二维数据集的比较。 上图是两个二维数据集（大气中二氧化碳浓度，地表平均气温）的折线图。三、饼图（Pie Chart）饼图是一种应该避免使用的图表，因为肉眼对面积大小不敏感。上图中，左侧饼图的五个色块的面积排序，不容易看出来。换成柱状图，就容易多了。一般情况下温度数据可视化图表，总是应该用柱状图替代饼图。但是有一个例外，就是反映某个部分占整体的比重，比如贫穷人口占总人口的百分比。 四、散点图（Scatter Chart）散点图适用于三维数据集，但其中只有两维需要比较。 上图是各国的医疗支出与预期寿命，三个维度分别为国家、医疗支出、预期寿命，只有后两个维度需要比较。

为了识别第三维，可以为每个点加上文字标示，或者不同颜色。 五、气泡图（Bubble Chart）气泡图是散点图的一种变体，通过每个点的面积大小，反映第三维。 上图是卡特里娜飓风的路径，三个维度分别为经度

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！