精华内容
下载资源
问答
  • 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...
  • 相信很多人都看过可视化图表,如果没看过,上百度输入关键词“数据可视化”,可以搜到一大堆像下图这样的可视化图表。 看到这些图表,是不是觉得特别酷,想自己动手也做一个。但又感觉很难,不知道如何下手。...

    文 | 利兄

    源 | 利兄日志

    数据可视化主要是指借助于图形化手段,清晰有效地传达与沟通信息。简单来说,就是将数据进行图形化的表达

    相信很多人都看过可视化图表,如果没看过,上百度输入关键词“数据可视化”,可以搜到一大堆像下图这样的可视化图表。

    如何用PPT制作一份可视化数据图表?

    如何用PPT制作一份可视化数据图表?

    如何用PPT制作一份可视化数据图表?

    看到这些图表,是不是觉得特别酷,想自己动手也做一个。但又感觉很难,不知道如何下手。

    之前,有分享过一篇文章,关于用报表工具FineReport制作数据可视化大屏《可视化大屏做成这样,领导不重视你都难》,今天突发奇想,如果用PPT做是否也会有同样的效果。

    所以这篇文章我们来聊聊如何用PPT制作一个可视化的数据图表。注意是用PPT制作,而不是借助第三方的绘图网站。

    现在,我们仔细看看这些可视化图表,他们是不是都是由一个个简单的折线图,柱状图,饼图,条形图,地图、表格等组成。

    如何用PPT制作一份可视化数据图表?

    所以,只要我们学会制作这些单独的图表,然后将他们放到一页PPT里面,是不是就可以组成一个很酷的可视化数据图表。

    可能很多人又有疑问了,为什么这些图表里面的折线图和柱状图这么好看,我们自己做的却很难看。

    如何用PPT制作一份可视化数据图表?

    如何用PPT制作一份可视化数据图表?

    是的,如果你不懂PPT图表美化,你做出来的,可能就是上面这样的。所以,我们必须要学习如何美化和设计PPT图表。

    01

    条形图的美化

    我们先来看看条形图的美化设计,比如下面这个条形图。

    我们如何设置条形图中色块的颜色?如何让所有的系列毫无缝隙的连在一起?

    如何用PPT制作一份可视化数据图表?

    操作都比较简单,条形图内部的颜色变化主要是因为设置了渐变填充,只要我们设置好方向和渐变光圈就可以了。

    如何用PPT制作一份可视化数据图表?

    所有数据毫无缝隙的连在一起,是因为我们设置了数据在间隙宽度,这个在数据系列格式的系列选项中可以看到。

    本来系统默认的是100%,只要我们设置为0%,数据之间的缝隙也就消失了。

    如何用PPT制作一份可视化数据图表?

    关于折线图的更多有趣玩法,在之前的文章中我都有讲,大家可以往前翻一翻。

    02

    折线图的美化

    我们再来看看折线图的美化设计,比如下面这个条形图。

    我们如何将折线图的线条变为虚线?如何更改折线图中标记的大小?如何将笔直的折线变成圆滑的曲线?

    如何用PPT制作一份可视化数据图表?

    设置比较简单,只要我们选中数据,然后右键设置数据系列格式,在跳出的窗口里,我们找到填充选项。

    里面左侧是线条,我们可以在里面设置线条的粗细,类型,填充的颜色,还可以将直线变成曲线

    右侧的标记,就是折线图上面的点,我们也可以设置它填充的颜色和大小

    如何用PPT制作一份可视化数据图表?

    解锁更多折线图的新技能,可以翻看以前的文章或者看我的视频教程。

    03

    柱状图的美化

    我们再来看看柱状图的美化设计,比如下面这个柱状图。我们是如何在上面加一个对比背景的?

    如何用PPT制作一份可视化数据图表?

    这并不是用形状工具画上去的,而是我们给原有数据添加的一组参考数据。

    我打开原始数据的EXCEL表格,可以看到,我们在月份和销售额之间添加了一组参考数据,这个数据就是右侧的深蓝色,它本身的是不存在的,只是作为参考而设置的。

    如何用PPT制作一份可视化数据图表?

    虽然作为参考,但是两组是如何合并到一起的呢?所以这里我们还需加设置一下数据的系列重叠

    原本是0%,也就是没有重叠,我们需要设置为100%,也就是完全重叠在一起,这样,深蓝色就可以作为浅蓝色的背景了。

    如何用PPT制作一份可视化数据图表?

    04

    圆环图的美化

    我们再来看看饼图或者圆环图的美化设计,比如下面这个圆环图。我们是如何将外面的圆环变成一个一个断开的小色块?

    如何用PPT制作一份可视化数据图表?

    上图有点小,我制作了一个,也就是说,我们该如何制作下面这种类型的圆环呢?

    如何用PPT制作一份可视化数据图表?

    思考:我们想要做出由好多色块组成的圆环,最重要的办法就增加数据,数据多了,圆环是不是也就多了,到时候我们只需要分离圆环就可以了。

    所以,第一步,我们先插入圆环图,然后打开图表的原始数据编辑区,将数据增加至20个,然后将数据的值,统一改成5。

    如何用PPT制作一份可视化数据图表?

    第二步,选择图表,设置数据系列格式,打开一个窗口,我们在这里设置圆环图的分离程度以及圆环内径的大小。

    如何用PPT制作一份可视化数据图表?

    第三步,选择图表,更改圆环的整体颜色,双击某个色块,可以单独更改局部颜色。

    05

    面积图的美化

    我们再来看看面积图的美化设计,比如下面这个面积图。我们是如何制作的?

    如何用PPT制作一份可视化数据图表?

    仔细观看这个数据图表,可以发现,这个图表由一个折线图和一个面积图组成。而且两者的数据是一样的,面积图只是作为折线图的参考数据存在。

    如何用PPT制作一份可视化数据图表?

    折线图的美化,可以参考上面的第二部分。而面积图,这里主要设置了渐变填充,只需要打开数据系列格式就可以设置。

    如何用PPT制作一份可视化数据图表?

    上面这些只是单独的图表美化,制作一个可视化的数据图,我们还需要按照一定的排版原则,将他们放到一起。

    这样,就可以得到下面这样一个可视化的数据图表。

    如何用PPT制作一份可视化数据图表?

    我这里制作的还不是完美版,仍然还有很多细节需要完善!

    总结

    总结下来,用PPT做这样的数据可视化也能实现,背景图什么的可以在PS里面修饰。但整体做下来,感觉自己成了一个美工(苦笑),侧重于“可视化”,而不是数据。更着重于数据的静态展现,且前提是数据已经在Excel中统计分析汇总好。所以,大家如果在实际工作中有需要,还是老老实实用BI工具或撸代码实现吧!

    以上的内容还不是完美版,仍然还有很多细节需要完善,提供一个思路,大家可自行研究!

    如果喜欢,记得收藏转发一下哦!

    展开全文
  • Excel数据可视化图表模板、PPT变形柱形状、百分比图表、瀑布图、甘特图、仪表图动态折线图、红旗图、滑珠图等。
  • 数据图表PPT模板适用于可视化主题设计应用。
  • 由一排排小人图标组成的信息可视化数据图表PPT模板.pptx,一排排密密麻麻的小人图标,配以不同的颜色,用高亮的颜色表示当前数据的范围,用以表现人群的数量,非常大气高端的信息可视化扁平化PPT模板。
  • 可视化图表素材 Excel模板办公表格多彩数据自动生成 ,一共50套,职场人士人手必备一份,万能图表素材,输入数据就可以自动生成,提高办公效率,升职加薪必备神器!
  • Echarts数据可视化图表案例:包括柱图,饼图,折线图,地图等数据展示图表;案例下载后直接使用webstrom或idea打开,在编辑器内打开html
  • 数据可视化前言:https://blog.csdn.net/diviner_s/article/details/115933789 Apache Echarts简介:https://blog.csdn.net/diviner_s/article/details/115934089 项目最终效果图: 此篇博客为自己学习pink老师的...

    数据可视化前言:https://blog.csdn.net/diviner_s/article/details/115933789
    Apache Echarts简介:https://blog.csdn.net/diviner_s/article/details/115934089
    项目最终效果图:
    在这里插入图片描述
    此篇博客为自己学习pink老师的课后完成的项目的总结与记录,仅供交流参考。版权所有,转载请标注原作者!
    使用echarts技术做的可视图,此外其项目包含 的技术有html、css、js、jquerry、ajax、websocket、koa等。

    写到这里我们的系列文也到了前端最后一个界面,做左侧第一个柱状图跳转子界面。

    预告:下一篇开始就我们将前后端进行分离以及实现前后端交互。

    实现数据动态获取

    目的是使用同一个界面图表模板,通过点击不同的元素实现传输对应的不同数据进行展示。

    左侧跳转界面不同数据展示
    在这里插入图片描述
    右侧跳转界面不同数据展示
    在这里插入图片描述

    cookie存储信息

    Cookie 用于存储 web 页面的用户信息。在这里我们用cookie存储首页面点击柱状图元素下标
    在这里插入图片描述

    如上图,我们继续看针对左上柱状图的每个柱状体都对应着不同下标,因此我们使用cookie暂时存储下标。

    cookie创建

    • 创建cookie:document.cookie = params.dataIndex默认情况下,cookie 在浏览器关闭时删除。
      我们现在首页左上柱状图试验一下:
      这段代码位置:
      在这里插入图片描述
      我们使用如下代码,打印获取的dataIndex和cookie值:

            //4.点击柱状图跳转
            myChart1.on('click', function (params) {
              console.log('dataIndex: ' + params.dataIndex);
              document.cookie = params.dataIndex;
              console.log('cookie: ' + document.cookie);
              //cookie传递params的数组下标
              //获取统计数据
              
      		//先将跳转界面注释掉			
              //  window.location.href = 'childpage.html';
            });
      

    点击不同柱体打印的就是不同cookie值,看右侧打印情况:
    在这里插入图片描述
    因此我们已经将对应index存入cookie,接下来就是读取cookie。

    cookie读取

    在 JavaScript 中, 可以使用var x = document.cookie来读取 cookie。

    注意:document.cookie 将以字符串的方式返回所有的 cookie,类型格式: cookie1=value; cookie2=value; cookie3=value;

    返回格式是字符串+;返回,因此我们使用分隔符取“‘;”前的数。

    var jsonstr = document.cookie.split(';')[0];

    在这里插入图片描述

    子页面一

    跳转动画展示
    在这里插入图片描述
    子页面展示
    在这里插入图片描述
    子页面给出两个图表,分别是关于行业分布的柱状图和关于行业班级比例的扇形图。

    纵向柱状图

    图表还不会配置的来这里!,后面直接放代码。
    数据来源:采用Ajax的get(url,function())请求获取数据
    这里需要注意的是:function是回调函数需要获取数据后存放在ret后,在done中进行数据的解析。

    (function () {
    	// 使用cookie存点击的数据
      var jsonstr = document.cookie.split(';')[0];
    
      console.log("cookie:" + jsonstr);
      
      //ajax的get请求获取数据
      $.get("data/case0", function (ret, status) {
    
        var job = []
        var number = []
        console.log("data长度:" + ret[jsonstr].length)
        console.log(ret)
        var maxn = 0;
        for (var i = 0; i < ret[jsonstr].length; i++) {
          var name = ret[jsonstr][i].name
          var num = ret[jsonstr][i].number
          if (maxn < num) maxn = num
          console.log(name + " " + num + "  ==== ")
          job.push(name)
          number.push(num)
        }
        // console.log(job)
        // console.log(number)
    
        var mCharts1 = echarts.init(document.getElementById("div1"))
        option1 = {
          grid: { containLabel: true },
          xAxis: {
            type: 'value',
            axisLabel: {
              color: '#fff',
              fontSize: "15"
            },
            axisLine: {
              lineStyle: {
                type: 'solid',
                color: '#fff',//左边线的颜色
                //width:'1'
              }
            }
          },
          yAxis: {
            name: '职业',
            type: 'category',
            axisLabel: {
              //color: "rgba(255,255,255,.6) ",
              color: '#fff',
              fontSize: "20"
            },
            axisLine: {
              lineStyle: {
                type: 'solid',
                color: '#fff',//左边线的颜色
                //width:'1'
              }
            },
            data: job,
          },
          visualMap: { //控制颜色渐变
            orient: ' ',
            left: 'center',
            min: 1,
            max: maxn,
            textStyle: {
              fontSize: 20,
              color: '#fff'
            },
            text: ['', '就业人数:'],
            // Map the score column to color
            dimension: 0,
            inRange: {
              color: ['#65B581', '#FFCE34', '#FD665F']
            }
          },
          
          series: [{
            data: number,
            type: 'bar',
            barWidth: "50%",
            label: {
              show: false
            },
            itemStyle: {
              // 修改柱子圆角
              barBorderRadius: 10
            }
          }],
        };
    
        mCharts1.setOption(option1)
    
      });
    })();
    

    环形图

    (function () {
      var jsonstr = document.cookie.split(';')[0];
    
      //console.log("cookie2:" + jsonstr);
    
      $.get("http://127.0.0.1:8888/api/banjibili", function (ret, status) {
    
        console.log(ret)
        console.log(ret[jsonstr])
        var mCharts2 = echarts.init(document.getElementById("div2"))
        option2 = {
          tooltip: {
            trigger: 'item',
            formatter: '{b} : {c} ({d}%)'
          },
          color: [
            "#FE642E",
            "#FE9A2E",
            "#F4FA58",
            "#ACFA58",
            "#01DFD7",
            "#0096ff",
            "#8258FA",
            "#FE2E9A"
          ],
          legend: {
            top: "bottom",
            left: "center",
            //bottom: '0',
            textStyle: {
              color: '#fff',
              fontSize: 18
            }
          },
          series: [
            {
              type: 'pie',
              radius: ['40%', '70%'],
              avoidLabelOverlap: false,
              label: {
                show: false,
                position: 'center',
              },
              emphasis: {
                label: {
                  show: true,
                  fontSize: '30',
                  fontWeight: 'bold'
                }
              },
              labelLine: {
                show: false
              },
              data: ret[jsonstr]
            }
          ]
        };
        mCharts2.setOption(option2);
    
        /*******高亮显示开始**********/
        var _this2 = this
        var isSet2 = true // 为了做判断:当鼠标移动上去的时候,自动高亮就被取消
        var currentIndex2 = 0
    
        // 2、鼠标移动上去的时候的高亮动画
        mCharts2.on('mouseover', function (param) {
          isSet2 = false
          clearInterval(_this2.startCharts)
          // 取消之前高亮的图形
          mCharts2.dispatchAction({
            type: 'downplay',
            seriesIndex: 0,
            dataIndex: currentIndex2
          })
          // 高亮当前图形
          mCharts2.dispatchAction({
            type: 'highlight',
            seriesIndex: 0,
            dataIndex: param.dataIndex
          })
          // 显示 tooltip
          mCharts2.dispatchAction({
            type: 'showTip',
            seriesIndex: 0,
            dataIndex: param.dataIndex
          })
        })
        // 3、自动高亮展示
        chartHover = function () {
          var dataLen = mCharts2.getOption().series[0].data.length //计算总的数组长度
          // 取消之前高亮的图形
          mCharts2.dispatchAction({
            type: 'downplay',
            seriesIndex: 0,
            dataIndex: currentIndex2
          })
          currentIndex2 = (currentIndex2 + 1) % dataLen
          // 高亮当前图形
          mCharts2.dispatchAction({
            type: 'highlight',
            seriesIndex: 0,
            dataIndex: currentIndex2
          })
          // 显示 tooltip
          mCharts2.dispatchAction({
            type: 'showTip',
            seriesIndex: 0,
            dataIndex: currentIndex2
          })
        }
        _this2.startCharts = setInterval(chartHover, 1000)
        // 4、鼠标移出之后,恢复自动高亮
        mCharts2.on('mouseout', function (param) {
          if (!isSet2) {
            _this2.startCharts = setInterval(chartHover, 1000)
            isSet2 = true
          }
        })
        /*******高亮显示结束**********/
    
    
      });
    })();
    
    

    子页面二

    跳转动画展示
    在这里插入图片描述
    子页面展示

    在这里插入图片描述

    柱状图

    (function () {
      //不同就业去向
      var jsonstr = document.cookie.split(';')[0];
      console.log("cookie:" + jsonstr);
      $.get("http://127.0.0.1:8888/api/nannv", function (ret, status) {
    
        var data1 = ret[jsonstr].data;
        var myChart = echarts.init(document.getElementById("div1"));
        var option = {
          legend: {
            bottom: "0%",
            textStyle: {
              color: "write"
            }
          },
          tooltip: {},
          dataset: {
            dimensions: ['product', '男', '女'],
            source: data1
          },
    
          xAxis: {
            type: 'category',
            axisLabel: {
              color: '#fff',
              fontSize: "20"
            },
            axisLine: {
              lineStyle: {
                type: 'solid',
                color: '#fff',
              }
            },
          },
          yAxis: {
            name: "人数",
            axisLabel: {
              color: '#fff',
              fontSize: "20"
            },
            axisLine: {
              lineStyle: {
                type: 'solid',
                color: '#fff',
              }
            },
          },
          barWidth: "30%",
          series: [
            {
              type: 'bar', itemStyle: {
                color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                  offset: 0,
                  color: 'rgba(0, 221, 255)'
                }, {
                  offset: 1,
                  color: 'rgba(77, 119, 255)'
                }])
              },
              label: {
                show: true,
                position: 'top',
                color: "white",
                fontSize: 20
              },
              barGap: "20%"
            },
            {
              type: 'bar', color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                offset: 0,
                color: 'rgba(255, 0, 135)'
              }, {
                offset: 1,
                color: 'rgba(135, 0, 157)'
              }]),
              label: {
                show: true,
                position: 'top',
                color: "white",
                fontSize: 20
              },
            },
    
          ]
        };
        myChart.setOption(option);
      })
    })();
    

    饼图

    (function () {
      //班级男生人数
      var jsonstr = document.cookie.split(';')[0];
      $.get("http://127.0.0.1:8888/api/nannv", function (ret, status) {
        var data1 = ret[jsonstr].nan;
        //班级女生人数
        var data2 = ret[jsonstr].nv;
        var myChart = echarts.init(document.getElementById('div2'));
        var option;
        option = {
          tooltip: {
            trigger: 'item',
            formatter: function (params) {
              // do some thing
              console.log(params)
              return params.name + ":" + params.value + "人"
            }
          },
          // legend: {
          //   orient: 'vertical',
          //   left: 'left',
          //   bottom: "0%",
          //   itemWidth: 30,
          //   itemHeight: 30,
          //   textStyle: {
          //     color: "write"
          //   }
          // },
          series: [
            {
              type: 'pie',
              radius: '60%',
              itemStyle: {
                normal: {
                  label: {
                    fontSize: 20,
                    show: true,
                    position: [0, -20],
                    color: '#ddd',
                    formatter: function (params) {
                      var percent = 0;
                      var total = 0;
                      total += data1 + data2;
                      percent = ((params.value / total) * 100).toFixed(0);
                      if (params.name !== '') {
                        return params.name + ':' + percent + '%';
                      } else {
                        return '';
                      }
                    },
                  },
                  labelLine: {
                    length: 15,
                    length2: 10,
                    show: true,
                    color: '#00ffff',
                  },
                },
              },
    
              data: [
                {
                  value: data1, name: '男',
                  itemStyle: {
                    color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                      offset: 0,
                      color: 'rgba(0, 221, 255)'
                    }, {
                      offset: 1,
                      color: 'rgba(77, 119, 255)'
                    }])
                  }
                },
                {
                  value: data2, name: '女',
                  itemStyle: {
                    color: new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                      offset: 0,
                      color: 'rgba(255, 0, 135)'
                    }, {
                      offset: 1,
                      color: 'rgba(135, 0, 157)'
                    }])
                  }
                }
              ],
              emphasis: {
                itemStyle: {
                  shadowBlur: 10,
                  shadowOffsetX: 0,
                  shadowColor: 'rgba(0, 0, 0, 0.5)'
                }
              }
            }
          ]
        };
        myChart.setOption(option)
    
      })
    })()
    

    CSS界面布局

    两个子界面使用的同一个CSS布局

    * {
      margin: 0;
      padding: 0;
      box-sizing: border-box;
    }
    li {
      list-style: none;
    }
    /* 声明字体*/
    @font-face {
      font-family: electronicFont;
      src: url(../font/DS-DIGIT.TTF);
    }
    body {
      background: url(../images/bg.jpg) no-repeat top center;
      line-height: 1.15;
      overflow:hidden;
    }
    header {
      position: relative;
      height: 1.25rem;
      background: url(../images/head_bg.png) no-repeat;
      background-size: 100% 100%;
    }
    header h1 {
      font-size: 0.475rem;
      color: #fff;
      text-align: center;
      line-height: 1rem;
    }
    header .showTime {
      position: absolute;
      right: 0.375rem;
      top: 0;
      line-height: 0.9375rem;
      color: rgba(255, 255, 255, 0.7);
      font-size: 0.25rem;
    }
    .mainbox {
      display: flex;
      min-width: 1024px;
      max-width: 1920px;
      margin: 0 auto;
      padding: 1.4rem 0.125rem 0;
    }
    .mainbox .column {
      flex: 5;
    }
    .mainbox .column:nth-child(2) {
      flex: 3;
      margin: 0 0.125rem 0.1875rem;
      overflow: hidden;
    }
    .mainbox .panel {
      position: relative;
      height: 9rem;
      padding: 0 0.1875rem 0.1rem 0.5rem;
      border: 1px solid rgba(25, 186, 139, 0.17);
      margin-bottom: 0.1875rem;
      background: url(../images/line.png) rgba(255, 255, 255, 0.03);
    }
    .mainbox .panel::before {
      position: absolute;
      top: 0;
      left: 0;
      width: 10px;
      height: 10px;
      border-left: 2px solid #02a6b5;
      border-top: 2px solid #02a6b5;
      content: "";
    }
    .mainbox .panel::after {
      position: absolute;
      top: 0;
      right: 0;
      width: 10px;
      height: 10px;
      border-right: 2px solid #02a6b5;
      border-top: 2px solid #02a6b5;
      content: "";
    }
    .mainbox .panel .panel-footer {
      position: absolute;
      bottom: 0;
      left: 0;
      width: 100%;
    }
    .mainbox .panel .panel-footer::before {
      position: absolute;
      left: 0;
      bottom: 0;
      width: 10px;
      height: 10px;
      border-left: 2px solid #02a6b5;
      border-bottom: 2px solid #02a6b5;
      content: "";
    }
    .mainbox .panel .panel-footer::after {
      position: absolute;
      bottom: 0;
      right: 0;
      width: 10px;
      height: 10px;
      border-right: 2px solid #02a6b5;
      border-bottom: 2px solid #02a6b5;
      content: "";
    }
    .mainbox .panel h2 {
      height: 0.6rem;
      color: #fff;
      line-height: 1.6rem;
      text-align: center;
      font-size: 0.45rem;
      font-weight: 400;
    }
    
    .mainbox .panel .chart {
      height: 8rem;
    }
    
    
    


    有不懂的可以私聊我,有需要echarts.js、jQuery.js、echarts-gl.js开源库。
    评论区留下邮箱,我看到都会发给你的。


    项目源码我放在我的分享的资源里了,需要请自取

    展开全文
  • 数据图表可视化 分析师每天使用的最佳数据可视化图表列表。 (List of best data visualization charts that Analysts use on a daily basis.) Presenting information or data in a visual format is one of the ...

    数据图表可视化

    分析师每天使用的最佳数据可视化图表列表。 (List of best data visualization charts that Analysts use on a daily basis.)

    Presenting information or data in a visual format is one of the most effective ways. Researchers have proved that the human brain is more acceptable in processing visual information compared to raw or tabular data.

    以视觉格式显示信息或数据是最有效的方法之一。 研究人员已经证明,与原始或表格数据相比,人脑在处理视觉信息方面更容易接受。

    when analysts process data in charts or in graphs, selection of the right chart or graph according to data is one the prime important task. The wrong selection of chart may lead to misinterpretation where the correct selection enhances the business values and beautify your presentation.

    当分析师处理图表或图形中的数据时,根据数据选择正确的图表或图形是最重要的任务之一。 错误选择图表可能导致误解,正确选择图表会增强业务价值并美化您的演示文稿。

    There are more than 150 charts available in data visualization. But you will use all of them very less likely. Here is the list of the top 10 most useful charts in data visualization.

    数据可视化中有150多种图表可用。 但是您将很少使用它们。 以下是数据可视化中最有用的十大图表的列表。

    1. Scatterplot

      散点图
    2. Line chart

      折线图
    3. Column Chart

      柱形图
    4. Bar Chart

      条形图
    5. Area Chart

      面积图
    6. Bubble Chart

      气泡图
    7. Pie Chart

      饼形图
    8. Waffle Chart or Square Pie Chart

      华夫饼图或方形饼图
    9. Stack Vertical and Horizontal Charts

      堆叠垂直和水平图
    10. Mosaic Plot

      马赛克图

    1.散点图 (1. Scatterplot)

    This is a very useful chart when you want to show the relationship between two continuous variables. For example, if you want to visualize the relationship between the Price of the house and Area, then you should this chart. By Visualizing this scatterplot we can answer the following question.

    当您想显示两个连续变量之间的关系时,这是一个非常有用的图表。 例如,如果要可视化房屋价格和区域之间的关系,则应使用此图表。 通过可视化此散点图,我们可以回答以下问题。

    a. Whether the relationship between two variable exists or not?

    一个。 两个变量之间的关系是否存在?

    b. Is there a positive relationship or a negative relationship exhibit between two variables?

    b。 两个变量之间存在正相关还是负相关?

    c. What is the degree of relationship between two variables?

    C。 两个变量之间的关系程度是多少?

    Image for post
    Relationship between House Price and Land Area
    房价与土地面积的关系

    2.线图或折线图 (2. Line Plot or Line Chart)

    Line Chart provides useful means for displaying data over time. The line chart is very useful in visualizing time series data or you want to visualize the changes over time. The line chart also provides a meaningful comparison between two or more than two series. For example the world Population world from 1950 to 2020. But always remember that data plotted on the x-axis must be a consistent interval.

    折线图提供了一些有用的方式来显示一段时间内的数据。 折线图对于可视化时间序列数据或您希望可视化随时间的变化非常有用。 折线图还提供了两个或两个以上系列之间的有意义的比较。 例如,1950年至2020年的世界人口世界。但请始终记住,在x轴上绘制的数据必须是一致的间隔。

    Image for post
    Trade between the US and China from 1990 to 2012
    1990年至2012年中美之间的贸易

    3.柱形图或垂直条形图 (3. Column Chart or Vertical Bar Chart)

    This is one of the charts we have studied in our elementary school. Column Chart is the most common and most ignored charts. column Chart is very powerful in presenting information between categorical data and continuous data. This chart very helpful in comparing various categories in data.

    这是我们在小学学习的图表之一。 柱形图是最常见和最被忽略的图表。 柱形图在呈现分类数据和连续数据之间的信息方面非常强大。 该图表在比较数据中的各种类别时非常有帮助。

    Column and bar charts are useful for comparing categorical or ordinal data, for illustrating differences between sets of values, and for showing proportions or percentages of a whole.

    柱状图和条形图可用于比较分类数据或有序数据,说明值集之间的差异以及显示整体的比例或百分比。

    For example, Comparing Education level in the district, or male vs female ratio in the district.

    例如,比较该地区的教育水平,或该地区的男女比例。

    Image for post
    Corona Confirmed cases in different countries
    不同国家的电晕确诊病例

    4.水平条形图 (4. Horizontal Bar Chart)

    A flipped version of the column chart and extremely useful because it is very easy to read. When you have more number of categories, it is always recommended to use a horizontal bar chart. our brain trained to read information from left to right, this makes a horizontal bar chart very easy to read. Horizontal bar charts are useful for comparing nominal data. when you are trying to draw to a horizontal bar chart, put information either in ascending or descending order.

    柱状图的翻转版本,非常有用,因为它非常易于阅读。 当类别数量更多时,始终建议使用水平条形图。 我们的大脑经过训练可以从左到右读取信息,这使得水平条形图非常易于阅读。 水平条形图对于比较名义数据很有用。 当您尝试绘制水平条形图时,请按升序或降序排列信息。

    Image for post
    Comparing various Nominal categories
    比较各种名义类别

    5.面积图 (5. Area Chart)

    An Area chart combines the features of the Pie chart and the line chart. The area chart provides more information compare to alone pie charts and line charts. An area chart should be used more carefully if data have many series in the chart then it can clutter the observer mind.

    面积图结合了饼图和折线图的功能。 与单独的饼图和折线图相比,面积图提供了更多信息。 如果数据在图表中有很多序列,则应该更仔细地使用面积图,这样会使观察者的头脑混乱。

    Image for post
    Fuel Consumption Total vs fossil Fuel over 60 years
    60年来燃料消耗总量与化石燃料的对比

    6.气泡图 (6. Bubble Chart)

    This is one the way to present 3 dimension information in two dimensions. The bubble chart is a kind of scatter plot where the size of the bubble defines the value of the third variable. This chart extremely useful in explaining the socio-economic conditions of the place.

    这是在二维中呈现3维信息的一种方式。 气泡图是一种散点图,其中气泡的大小定义了第三个变量的值。 该图表在说明该地点的社会经济状况时非常有用。

    Image for post
    Bubble chart
    气泡图

    7.饼图 (7. Pie Chart)

    If we are interested in understanding the relative proportion of each data source to the total. Then Pie chart can be very useful. Pie chart displaying partition a circle into the Pie-shaped area showing the relative proportion. But Most of the experts suggest not using the pie chart because it is always difficult to compare different proportions in the pie chart.

    如果我们有兴趣了解每个数据源在总数中的相对比例。 饼图可能会非常有用。 饼图显示将一个圆圈划分为显示相对比例的饼形区域。 但是大多数专家建议不要使用饼图,因为在饼图中比较不同的比例总是很困难。

    Image for post
    Pie Chart: Methods of Travelling to school
    饼图:上学的方法

    8.华夫饼图或方形饼图: (8. Waffle Chart or Square Pie Chart :)

    Waffle chart is a 10 X 10 cell grid in which each cell represents 1 percentage point summing up to a total of 100%. Waffle charts can be represented with conditional formatting where cells are highlighted with different colors based on the percentage value of that KPI.There are following used cases of Waffles chart:

    华夫饼图是一个10 X 10的单元格网格,其中每个单元格代表1个百分点的总和,总计为100%。 华夫饼图可以用条件格式表示,其中根据该KPI的百分比值以不同的颜色突出显示单元格。

    • To see a high-level view of items and their contribution to a whole

      全面了解项目及其对整体的贡献
    • Showing different KPI’s percentage value

      显示不同的KPI百分比值
    Image for post

    9.堆叠垂直和水平图 (9. Stack Vertical and Horizontal Charts)

    When you are interested in category plus subcategory information then stack chart can be useful. Stack Vertical and horizontal chart shows the total across different category but this stack chart provides information about subcategories. These subcategories can show either absolute value or sum to 100%.

    如果您对类别以及子类别信息感兴趣,那么堆栈图可能会很有用。 堆栈垂直和水平图表显示了不同类别的总计,但是此堆栈图表提供了有关子类别的信息。 这些子类别可以显示绝对值或总和为100%。

    Image for post

    10.马赛克图 (10. Mosaic Plot)

    This is a very underrated and uncommon chart. When you have both variables contain categorical data and you want to know the relationship between these variables. then Mosaic plot is very useful.

    这是一张被低估且不常见的图表。 当两个变量都包含分类数据并且您想知道这些变量之间的关系时。 那么马赛克图非常有用。

    A mosaic plot is a graphical method for visualizing data from two or more qualitative variables. Mosaic plots are also called Mekko charts due to their resemblance to a Marimekko print.

    镶嵌图是一种用于可视化来自两个或多个定性变量的数据的图形方法。 由于与Marimekko的印刷相似,马赛克图也称为Mekko图

    Image for post

    We have a lot of other charts that can help in visualizing the information. But these are the most common useful charts. I used to say this data visualization is a combination of art and science. one should have a creative and scientific mind so that he/she provides the best visual for the data.

    我们还有许多其他图表可以帮助可视化信息。 但是,这些是最常见的有用图表。 我曾经说过,这种数据可视化是艺术与科学的结合。 应该具有创造力和科学精神,以便为数据提供最佳视觉效果。

    Note: In my Diagram, I have used a black background, which is not recommended by experts. These are charts I have shortlisted based on my experience, Please happy to use other types of charts as well.

    注意:在我的图表中,我使用了黑色背景,专家不建议这样做。 这些是根据我的经验我已入围的图表,请也使用其他类型的图表。

    HAPPY VISUALIZING📗📘📐🕞📌

    快乐的视觉化📗📘📐🕞📌

    1. Business Analytics by James R Evans 2nd Ed.

      James R Evans第二版的业务分析。
    2. Storytelling with Data: A Data visualization guide for Business by Cole Nussbaumer Knaflic

      用数据讲故事:Cole Nussbaumer Knaflic撰写的企业数据可视化指南
    3. https://www.tableau.com/about/blog/2017/4/viz-variety-show-precise-waffle-charts-68462

      https://www.tableau.com/about/blog/2017/4/viz-variety-show-precise-waffle-charts-68462

    翻译自: https://medium.com/analytics-vidhya/top-10-most-useful-charts-in-data-visualization-a4c9365d03e4

    数据图表可视化

    展开全文
  • Axure图表组件,通过Axure导入就可以直接编辑使用,内含比较、构成、分布3大类18种图表及其变形,总有一款适合你
  • 内含57种静态图表、11种动态图表以及全国及各省份地图。有折线图、面积图、柱状图、瀑布图、条形图、环图、饼图、散点图、气泡图、雷达图、漏斗图、热力图、子弹图、仪表盘、水波图等等。
  • 第一章内容发布在(使用Python制作疫情数据分析可视化图表(一))https://blog.csdn.net/yue__yang/article/details/104538235,请自行食用。 二、时间序列与区域划分 1、数据类型转换为时间序列 在数据中,有一个...
  • Axure数据可视化图表组件库(AxureUX整理)
  • 本文通过连环15关,层层深入,传你数据匹配图形神功,让数据可视化更高效。 无论数据总量和复杂程度如何,数据间的关系大多可分为三类:比较 / 构成 / 分布&联系 一、比较 基于分类 / 时间的数据对比,通常...

    大数据时代,数据驱动决策。处理不好庞大、复杂的数据,其价值将大打折扣。

    那如何缩短数据与用户的距离?让用户一眼Get到重点?让老板为你的汇报方案鼓掌?

    本文通过连环15关,层层深入,传你数据匹配图形神功,让数据可视化更高效。

    无论数据总量和复杂程度如何,数据间的关系大多可分为三类:比较 / 构成 / 分布&联系

    一、比较

    基于分类 / 时间的数据对比,通常需用到比较型图表。用户通过图表轻松识别最大/最小值,查看当前和过去的数据变动情况。

    常见场景:哪个地区的收件量最多?今年的收入和去年相比如何……

    1、条目少 - 柱状图

    比较条目较少时,如5个地区收件量的对比,可选用柱状图表示。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    2、条目多 - 条形图

    当条目较多,如大于 12 条,移动端上的柱状图会显得拥挤不堪,更适合用条形图。一般数据条目不超过 30 条,否则易带来视觉和记忆负担。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    3、看趋势 - 折线图

    当X轴为连续数值(如时间)且注重变化趋势时,则适用折线图。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

     

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    4、扩大差异 - 南丁格尔玫瑰图

    除柱状图外,有无更新颖的表现方式呢?那就属南丁格尔玫瑰图了。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    由于扇形的半径和面积是平方的关系,南丁格尔玫瑰图会将数值之间的差异放大,适合对比大小相近的数值。它不适合对比差异较大的数值,因为数值过小的类目会难以观察。

    此外,因为圆有周期性,玫瑰图也适于表示周期 / 时间概念,比如星期、月份。依然建议数据量不超过 30 条,超出可考虑条形图。

    5、双向 - 双向条形图

    前面的例子都是单维度比较,当比较正反两类甚至更多维度的数据时,可试尝试双向条形图,下图为各大区的重点地区的收派件量的对比。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    用颜色区分大区,空心/实心区分收件量和派件量,既能整体比较大区,又能详细对比地区的情况

    打怪升级,再加点难度。在双向图上再增加一个维度,如下表,比较 5 各地区的利润及相应的收入和成本。请先思考一下,再下滑看推荐图表。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    通过图形一眼就能看出深圳区的利润低于广州区,即使它的收入高于广州区,但成本相对来说高于广州区。

    6、目标达成 - 子弹图

    实际业务中,常要考察指标的达成情况,如收入达标情况及所处区间(优、良、差),如下表,你会怎么可视化呢?动手画一画吧!

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

     

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    子弹图,因为像子弹射后带出的轨道。相较于仪表盘,它能够在狭小的空间中表达丰富的数据信息,在信息传递上有更大的效能优势。

    若还要比较4个季度的收入情况,只需用不同颜色区分。如下图,一眼便知第二季度表现较好,而第一季度则不佳。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    7、性能 - 雷达图

    对于一些多维的性能数据,如综合评价,常用雷达图表示。指标得分接近圆心,说明处于较差状态,应分析改进;指标得分接近外边线,说明处于理想状态。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    二、 构成

    部分相较于整体,一个整体被分成几个部分。这类情况会用到构成型图表,如五大区的收件量占比、公司利润的来源构成等。

    1、单层 - 饼状图

    第1关中,对比5个地区的收件量时用到了柱状图。若看占比情况,饼状图更合适。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    如果变成 17 个地区,会怎样?

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    饼图分类一般不超过 9 个,超过建议用条形图展示。

    除饼图外,环形图(甜甜圈图)亦可表示占比,其差异是将饼图的中间区域挖空,在空心区域显示文本信息,比如标题,优势是其空间利用率更高

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    2、分层 - 环形图、旭日图

    对于管理层而言,需先把握大局和重点。比如大区负责人需一眼看到重点地区及重点分部的情况(如下图),如何展示?

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

     

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    这个叫旭日图(感受到阳光了吗?),逐层下钻看数据,大区的重点地区及相应分部的构成情况一目了然。

    3、累计趋势 - 堆叠面积图

    接下来,看看数值构成随时间变化的案例:第一大区(包含四个重点地区)近四年收入构成的趋势要如何可视化?自己想一想,再下滑看推荐方案。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

     

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    推荐方案是堆叠面积图,可以展现分量(地区)对于总量(大区)的贡献,并显示总量(大区)的变化过程。需要说明的是,地区收入的起点并非从 y=0 开始,而是在下面的地区基础上逐层叠加,最后组成一个整体。

    4、累计比较 - 堆叠柱状图

    如果将上图X轴的标签文字(即年份)和图例(即地区)互换(如下图A),用来看每个地区近四年的收入构成,用哪个图更合适?

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

     

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    是不是觉得都OK?那图中 X1 有何含义?堆叠面积图 A 方案和堆叠柱状图 B 方案都可以表现累加值。差别在于,堆叠面积图的 x 轴是连续数据(如时间),堆叠柱状图的 x 轴是分类数据。此案例中的 x 轴是非连续的分类数据,因此用 B 方案更适合。

    5、累计增减 - 瀑布图

    若想表达两个数据点间数量的演变过程,可使用瀑布图。开始的一个值,在经过不断的加减后,得到一个值。瀑布图将这个过程图示化,常用来展现财务分析中的收支情况。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    三、 分布 & 联系

    通过分布 & 联系型图表能看到数据的分布情况,进而找到某些联系,如相关性、异常值和数据集群。

    常见使用场景:客户的年龄段分布?单票成本与收件量的关系?

    1、两个变量 - 散点图

    仍以业务为例,下图为全国网点的单票成本/收入分布情况。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    单单这样看,可能看不出什么,如果加两条平均线就不一样了。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    加了平均线,就知道哪些网点高于平均线,哪些低于平均线。但网点那么多,总不能逐个点击查看是哪个大区的,给散点加上颜色后,就很有意义了。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    通过此图,可以看出哪些大区单票利润较低,急需提升,比如广泛聚集于右下角的第四大区,单票收入低于平均线,单票成本却高于平均线。

    2、三个变量 - 气泡图

    大家都知道,网点总利润除了和单票利润有关,还和体量(即收件量)有关,用散点的面积大小表示收件量,就变成了气泡图。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    3、结合地图 - 热力图

    气泡图与地图结合可演变为热力图。通过热力图,能看到哪些网点收派件量较多,需进行资源调配。

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    四、小结

    当我们拿到数据后,先提炼关键信息,明确数据关系及主题,再选择合适的图表进行可视化。希望下图能给各位一些参考。数据可视化设计只要多练习、多总结,总有一天会得心应手的!

    掌握这15个可视化图表,小白也能轻松玩转数据分析

     

    注:私聊回复关键字 “ 数据分析 ”,可获得数据分析工具!

    展开全文
  • 这套全新的作品在移动端元件库v1.0的基础上优化而来的,新版本正式命名为:AxureUX手机移动端交互原型通用元件库。新作品不仅对旧版本中全部的元件进行了重新整理和设计,而且还整合了各类手机端相关的素材和资源,...
  • 01数据可视化图表模板1(359页)
  • 可视化图表模板.zip

    2019-07-09 14:59:29
    内含200套Excel列表,各种可视化图标,每套列表对应列表图片;每个列表可作模板使用,可编辑拆分,满足各种日常列表统计需求
  • 本文属于转载文章,如有侵权请通知。 地址:... ... 现在有很多图表库,但哪一个最好用?这可能取决于许多因素,如业务需求,数据类型,图表本身的目的等等。在本文中,每个JavaS...
  • 可视化词典中文版——可视化图表解析; 辅助你进行图表可视化学习,掌握数据对应的可视化形式。 比如柱状图、条形图、面积图、散点图等图形,适用于何种场景的展现。
  • 本作品是由AxueUX整理的一套数据可视化图表通用组件库,主要由Antv静态图表、Axhub动态图表、地图组件素材三部分内容组成,其中包含了几十种常用图表类型和全国34个省级行政区地图,可以满足大部分的原型设计图表...
  • 数据可视化图表有哪些类型

    千次阅读 2020-10-20 13:48:19
    数据可视化图表,就是起到这个作用,在当今快节奏的生活工作中,节省人们接受信息的时间,并带来视觉的享受。下面,将介绍几种常见的数据可视化图表,并介绍如何根据需求选择不同类型的图表。  数据可视化基础...
  • Excel可视化图表制作数据分析工具?

    千次阅读 2020-05-11 14:07:43
    智分析是一款面向业务用户的自助分析云平台,只需要会Excel,就能摆脱束缚、自由分析,真正做到让人人都是数据分析师。 Excel用户的云神器 使用您熟悉的Excel,不用学习复杂的新软件。 Excel直连数据库,不用在各种...
  • 这个文件Axure图表组件,导入就可以直接编辑使用,内含比较、构成、分布3大类18种图表及其变形等。
  • 可视化数据分析图表设计必学技巧

    千次阅读 2019-12-10 20:07:27
    这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的...,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入...
  • 数据可视化中常用的16种图表

    万次阅读 多人点赞 2020-02-06 09:53:37
    相反,可视化更加直观和有意义,并且使用适当的图表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:...
  • Python 通过html绘制数据可视化图表

    千次阅读 2020-04-27 11:38:42
    但其他几个可视化工具没有合适的图表,查询相关资料后,发现一个网页可以生成所需图表。 目标:内网环境,将生成的html转化成图片,并自动插入报告中。 1、所需图表 报告中需要插入一个类金字塔形的柱状图,如下所...
  • 数据可视化 axure8 组件库
  • Axure数据可视化图表组件库(AxureUX整理)。
  • 数据分析--Excel数据可视化(图表)

    千次阅读 2020-11-06 18:03:23
    Excel组成元素 Excel图表类型与用途

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 74,103
精华内容 29,641
关键字:

可视化数据图表