维度
维度主要是三大类的数据结构：文本、时间、数值。地区的上海、北京就是文本维度（也可以称为类别维度），销售额度就是数值维度，时间更好理解了。不同图表有维度使用限制。
维度可以互换
年龄原本是数值型的维度，但是可以通过对年龄的划分，将其分类为小孩、青年、老年三个年龄段，此时就转换为文本维度
散点图
散点图的优势是揭示数据间的关系，发觉变量与变量之间的关联。
折线图
折线图是观察数据的趋势，它和时间是好基友，当我们想要了解某一维度在时间上的规律或者趋势时，就用折线图吧。
柱形图
柱形图的对比分析，通过颜色区分类别。当需要对比的维度过多，柱形图是力不从心的。
柱形图和折线图在时间维度的分析中是可以互换的。但推荐使用折线图，因为它对趋势的变化表达更清晰。
柱形图还有许多丰富的应用。例如堆积柱形图，瀑布图，横向条形图，横轴正负图等。
image
地理图
一切和空间属性有关的分析都可以用到地理图。比如各地区销量，或者某商业区域店铺密集度等。
地理图一定需要用到坐标维度。可以是经纬度、也可以是地域名称（上海市、北京市）。坐标粒度即能细到具体某条街道，也能宽到世界各国范围。
饼图
饼图经常表示一组数据的占比。可以用扇面、圆环、或者多圆环嵌套。商务类的汇报中应用较多。
为了表示占比，拼图需要数值维度。
饼图是有缺陷的，它擅长表达某一占比较大的类别。但是不擅长对比。30%和35%在饼图上凭肉眼是难以分辨出区别的。当类别过多，也不适宜在饼图上表达。
雷达图
也叫蛛网图。它在商务、财务领域应用较大，适合用在固定的框架内表达某种已知的结果。常见于经营状况，财务健康程度。
image
箱线图
它能准确地反映数据维度的离散（最大数、最小数、中位数、四分数）情况。凡是离散的数据都适用箱线图。
image
热力图
以高亮形式展现数据。
最常见的例子就是用热力图表现道路交通状况。
image
关系图
展现事物相关性和关联性的图表，比如社交关系链、品牌传播、或者某种信息的流动。
image
有一条微博，现在想研究它的传播链：它是经由哪几个大V分享扩散开来，大V前又有谁分享过等，以此为基础可以绘制出一幅发散的网状图，分析病毒营销的过程。
image
矩形树图
柱形图不适合表达过多类目（比如上百）的数据，那应该怎么办?矩形树图出现了。它直观地以面积表示数值，以颜色表示类目。
下图中各颜色系代表各个类目维度，类目维度下又有多个二级类目。如果用柱形图表达，简直是灾难。用矩形树图则轻轻松松。
image
电子商务、产品销售等涉及大量品类的分析，都可以用到矩形树图。
桑基图 Sankey Diagram
它常表示信息的变化和流动状态。
网站用户分析，监控活跃数据的变化
image
活跃数据比单纯的表格清晰多了，而且我们也能够显著观察到不同活跃层的变化。万千变化，存乎一图
漏斗图
大名鼎鼎的转化率可视化，它适用在固定流程的转化分析，你也可以认为它是桑基图的简化版。说实话，随着个性化推荐和精准运营越来越多，漏斗转化有它的局限
转化率也可以用几组数字表示，不一定做成漏斗图。
网友评论