作者 | Destiny

來源 | 木東居士

0x00 前言

在之前分享的【數據圖表的選擇】三篇文章中，已經把不同類型數據圖表的用法和適用場景做了一遍梳理。但是，在實際的業務場景中，如何根據擁有的數據集、想要展現的數據模式，去選擇最合適的圖表，需要不斷的去實踐和總結。

因此，今天這篇文章分享的內容，是來對比常見相似圖表的差別和適用的數據集。

本篇將通過一些來源于實際業務場景的數據集實例，來進行不同的可視化方案對比，從而總結出根據可視化目的、數據集特征，去選擇圖表類型的一般套路。圖表對比部分，會選擇一些常見的，且比較容易混淆的圖表類型來做對比，以「可視化目標→數據集準備→圖表選擇和對比→經驗總結」的方式來行文。

0x01 常用圖表對比

1.柱狀圖 VS 條形圖

1）可視化目標

展示2019年上半年`銷售額Top10的手機品牌`、`銷售額Top10的手機型號`。

2）數據集準備

3）圖形對比

4）總結

• 相同點：
• 柱狀圖和條形圖的數據結構是相同的，都是由「一個分類字段+一個連續數值字段」構成。
• 當數據的記錄數不大于12條，分類字段的字符長度小于5時，此時柱狀圖和條形圖可以互換。
• 不同點：
• 柱狀圖：
• 若分類字段，恰好是「時間序列」，此時建議使用柱狀圖，因為柱狀圖能更好地體現數據隨時間的變化情況。
• 條形圖：
• 若分類字段的字符長度較長，且數據的記錄數大于12，此時建議使用條形圖。
• 一方面，斜置的文字和用戶閱讀的習慣相悖，同時也占用頁面空間，影響可視化圖表的美感。

2.柱狀圖 VS 直方圖

1）可視化目標

• 展示某家出售小商品的店鋪，不同品類的商品銷售數量。
• 已知某家出售小商品的店鋪，其商品定價范圍在[0,100）之間，現需展示該店鋪在售商品的價格分布，要求每10元作為一個區間。

2）數據集準備

數據集1:

數據集2:

3）圖形對比

4）總結

• 相同點：
• 柱狀圖和直方圖的數據結構是相同的，都是由「一個分類/分組字段+一個連續數值字段」構成。
• 都是由柱形條構成。
• 不同點：
• 分析目的和適用場景不同。
• 「柱狀圖」主要是比較數據的大小，「直方圖」是用來展示數據的分布。
• 映射到X軸上的數據屬性不同。
• 在柱狀圖中，X軸上的變量是分類數據，例如不同的手機品牌、店鋪或網站在售商品的分類。
• 在直方圖中，X軸上是連續的分組區間，這些區間通常表現為數字，且一般情況下組距是相同的，例如將在售商品的價格區間分為的“0-10元，10-20元……”。
• 寬度代表的意義不同。
• 在柱狀圖中，柱子的寬度沒有實際的含義，一般為了美觀和整齊，會要求寬度相同；
• 在直方圖中，柱子的寬度代表了區間的長度（即組距），根據區間的不同，柱子的寬度可以不同，但其寬度原則上應該為組距的整倍。
• 表示數據大小的方式不同。
• 柱狀圖，是通過柱形條的高度，來映射數據的大小，且柱子之間有間隔；
• 直方圖，是通過面積來表示數據的大小，且柱子之間緊密相連，沒有間隔。

3.堆疊柱狀圖 VS 百分比堆疊柱狀圖

1）可視化目標

• 展示某影院2019年上半年總票房趨勢及華語片、外語片趨勢。
• 展示某影院2019年上半年總票房收入構成占比趨勢。

2）數據集準備

數據集1:票房收入（元）

數據集1:票房收入占比

3）圖形對比

4）總結

• 相同點：
• 堆疊柱狀圖和百分比堆疊柱狀圖，都適合用來展示分類數據的構成對比或構成隨時間的變化趨勢。
• 當映射到X軸上的數據為時間序列時，此時可以用堆疊面積圖or百分比堆疊面積圖來代替。
• 不同點：
• 堆疊柱狀圖：
• 既可以對比各構成部分的數值差異，還可以觀測各組數據的整體差距。
• 百分比堆疊柱狀圖：
• 只能對比整體中的各構成部分的占比差異，無法對比不同整體的差異。

4.折線圖 VS 面積圖

1）可視化目標

• 展示2019年上半年，全國承運包裹量趨勢。
• 展示2019年上半年，中通、圓通、申通三家快遞公司的承運包裹量趨勢。
• 展示2019年上半年，全國及主流快遞公司的承運量趨勢。
• 展示2019年上半年，主流快遞公司的承運量占全國總承運量的趨勢。

2）數據集準備

數據集1:全國承運包裹量

數據集2:中通、圓通、申通三家快遞公司的承運包裹量

數據集3：全國及主流快遞公司的承運量趨勢

數據集4:主流快遞公司的承運量占全國總承運量的趨勢

3）圖形對比

• 折線圖和面積圖可以互換的情況：

• 折線圖和面積圖不能互換的情況：
• 顯示構成或占比時，應該使用面積圖?堆疊面積圖or百分比堆疊面積圖。

4）總結

• 相同點：
• 折線圖和面積圖展示的是數據隨時間的變化趨勢，因此映射到X軸的數據類型一般為「時間/日期」。
• 二者均可以展現一個或多個變量和時間的關系，這種關系包括，周期性變化、季節性變化、異常波動等。
• 在大部分情況下，折線圖和面積圖是可以互換的。
• 不同點：
• 折線圖：
• 通過數據點的縱坐標來映射數值的大小，一般只用來表示數據的趨勢。
• 面積圖：
• 通過面積來映射數值的大小，「面積圖」除了可以替換折線圖外，還可以用來表示整體及其構成部分隨時間的變化趨勢。
• 注意點：
• 當使用面積圖表示多系列的趨勢時，需要對代表不同系列的面積區塊顏色設置透明度，透明度可以減少不同系列之間的遮蓋，幫助我們看到不同序列之間的重疊關系和更多信息。
• 當一個圖表中，系列值過多時，折線圖會比面積圖更直觀，因為減少了系列的覆蓋和重疊，能更清晰的看看到各個系列的趨勢變化。

5.堆疊面積圖 VS 百分比堆疊面積圖

1）可視化目標

• 若某家公司主要有電商、物流、云計算三塊的業務，現需要展示2015～2019這五年，集團的年度收入趨勢及其三大業務的收入趨勢。
• 若某家公司主要有電商、物流、云計算三塊的業務，現需要展示2015～2019這五年，三大業務對集團的年度收入的貢獻比例。

說明：假設集團有且只有這三項業務，且總收入=電商業務收入+物流業務收入+云計算業務收入。

2）數據集準備

數據集1：總收入構成

數據集2：總收入貢獻占比

3）圖形對比

4）總結

• 相同點：
• 堆疊面積圖和百分比堆疊面積圖，映射到X軸的均為【時間序列】。
• 兩者都可以展示各構成部分，隨時間的變化趨勢，只不過「堆疊面積圖」的是構成部分的實際值隨時間的變化趨勢，「百分比堆疊面積圖」展示的是構成部分的占比隨時間的變化趨勢。
• 不同點：
• 堆疊面積圖：
• 除了可以展示各構成部分隨時間的變化趨勢，還可以展示整體隨時間的變化趨勢。
• 百分比堆疊面積圖：
• 只能展示各構成部分占總體的比例隨時間的變化，無法觀測總體隨時間的變化趨勢。
• 此外，從任何一個時間節點縱切下來，各部分占比之和必須為100%，即必須等于該節點的整體。

6.堆疊面積圖 VS 堆疊柱狀圖

1）可視化目標

• 展示某個國家，近6年來GDP的增長趨勢及其三大產業的產值趨勢。
• 展示2019年第二季度，6大主流手機品牌的總出貨量排名，及其各品牌在5大洲的出貨量對比。

2）數據集準備

數據集1：三大產業產值單位為【元】

數據集2：出貨量單位為【部】

3）圖形對比

4）總結

• 相同點：
• 堆疊面積圖和堆疊柱狀圖的數據集格式類似，都是由「一個分類字段+多個連續數值字段」構成，且多個連續數值字段，是一個整體的各組成部分。
• 兩者都可以觀測某一節點的總體數值和各組成部分的具體數值，都有數據對比的功能。
• 不同點：
• 堆疊面積圖：
• 堆疊面積圖的分類字段，一般是時間序列。
• 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成項隨時間的變化情況時，應該使用【堆疊面積圖】。
• 從其目的可以看出，堆疊面積圖的分類字段(即時間序列)，是按照時間的先后順序排列的。
• 堆疊柱狀圖：
• 堆疊柱狀圖的分類字段，一般是非時間類型的分類數據。
• 當既要對比不同整體的數據大小，又要觀測整體各構成項的數據大小時，應該使用【堆疊柱狀圖】。
• 若整體的構成項過多，為了突出重點，需要對構成項進行重新歸類，展示TOP5的分類，剩下則歸為「其他」。

7.散點圖 VS 氣泡圖

1）可視化目標

• 展示華為不同型號手機的售價和成本的分布。
• 展示華為手機不同型號手機的售價、成本和對應型號的銷量。

2）數據集準備

數據集1:

數據集2:

3）圖形對比

4）總結

• 相同點：
• 散點圖和氣泡圖，均是用來展示數據分布情況的一種圖形。
• 散點圖和氣泡圖，都是將兩個字段映射到x,y軸的位置上，(x,y)的取值確定一個圓點或氣泡在直角坐標系中的位置。
• 不同點：
• 散點圖：
• 一般用來展示二維數據(x,y)的分布，側重于研究二維數據的兩個變量x,y之間的相關性，如身高和體重之間的相關關系。
• 散點圖中，還可以展示多組數據系列的對比，比如男性身高體重和女性身高體重分布規律的對照。
• 氣泡圖：
• 一般用來展示三維數據（x,y,z）的分布情況，相較于散點圖，氣泡圖增加了一個維度的數據展示，且將其數值映射到氣泡的大小上。
• 氣泡圖，也可以展示多組數據系列的分布，以發現不同系列的分布規律和差異。
• 注意點：
• 一般來說，散點圖主要是用于研究數據集的分布規律和相關性，并不是很側重去看每個數據點的具體取值。
• 當數據集數量過大時，不適合將全部數據點展示在散點圖中，此時需要對總體進行抽樣顯示，通常采用分層抽樣的方法進行，但是分層抽樣的依據和影響因素需要依據具體的業務場景而定。
• 相較于散點圖，氣泡圖不太適合過多數據容量的情況，氣泡太多會使圖表難以閱讀。
• 此外，對于氣泡圖中隱藏的一些數據信息，通?？梢允褂媒换磔o助圖標信息的閱讀，如懸停顯示詳細數據、縮放觀測被遮蓋的數據點等。

0xFF 總結

不知不覺發現寫的內容有點多，為了方便大家更快的獲取信息，將圖表對比部分進行了精簡，參考如下：

贅述一句：可視化之前，最重要的是弄清楚可視化的目的是什么，你期望展示或探索數據的什么規律。因為，這不僅決定了應該選擇什么類型的圖表，如何統計和組裝你的數據集，也決定了可視化出來的結果是否能達到你的預期目標。

聲明：以上圖表數據純屬虛構，圖形部分由Excel完成，部分由Sketch繪制。