精华内容
下载资源
问答
  • 这种就叫做数据对比图!因为是静态展示结果,如果想看过程,我们还可以优化下让这张图动起来,比如下面我优化这张!我们言归正传,正式进入今天输出环节,给大家讲讲:当我们要做多类别数据对比时,有哪些...

    21fe8abb1bb5725fc244d92e1b02da59.png

    生活中我们会遇到各种各样的数据对比!

    比如小米10周年,雷军将小米和格力在2013-2019年的营收做了对比!

    这种图就叫做数据对比图

    17fd3017064da2544211ed20dcc1a42b.png

    因为是静态展示的结果,如果想看过程,我们还可以优化下让这张图动起来,比如下面我优化的这张!

    1c49159ee21156fd17c51722c38f63f3.gif

    我们言归正传,正式进入今天的输出环节,给大家讲讲:

    当我们要做多类别数据对比时,有哪些表现形式可以用?

    有哪些小窍门,可以让我们的数据对比图表更加直观好看?

    一 做数据对比可参考这15种表现形式

    1、 线条连线对比法

    适用于有相同字段的几个类别数据的对比,将要进行对比的数据分别打点,然后进行线条的连接,通过看线条的长短,可以比较直观地看到各类别数据的变化和差异。

    42e4ec8c913e852bdec87f46f00138db.png

    2、水平刻度标记对比法

    将要对比的数据,标记在同一根刻度线上对应的位置,通过前后距离的差距来对比数据。

    ed168cc4288277d77ab15baf459f8cbd.png

    3、方块大小对比法

    通过对比方块的面积大小,来对比数据之间的大小差距,如果数值本身差距很小,不建议用方块大小对比法,可更改为其他形式进行对比。

    14d6af7eeaa5f208da80ab59ad4b6258.png

    4、 圆圈大小对比法

    将对比的数据通过圆圈大小的形式进行展现,来对比数据之间的差距。同理,如果数值差距比较小,也不太建议用这种形式,因为会看不出啥太大的差异。你平时看到的那些数值差距不大但两个圆看起来还悬殊的图,大概率都是做了点手脚放大了差异。

    6cecf7f183414af31b13947108d93c04.png

    5、线条粗细连线对比法(桑基图)

    这个一般会在要同时比较和展示一组数据的多个维度统计表现时使用,叫作桑基图,通过线条颜色的对比,还有连接走势和粗细的变化,能轻松看出这组数据在各个维度的统计情况。

    4e2f0599f65021f12400a00e29289ff3.png

    6、弧形连接对比法

    适合对一个类别中不同数据进行对比,先在轴上进行打点,再对能展现数据大小的起始两个点进行弧线连接,通过弧线更直观和形象地来表现数据的差异。

    b5fdcfe8b46090be594dfc797a90c05b.png

    7、颜色填充法

    用颜色的深浅来表现数据大小,将数据投映到颜色,直观地表现数据之间的对比。

    7883aa2a0edaf0385fdeb99a864d9157.png

    8、地理分布对比法

    如果要比较地理位置分布差异,数据中包含地理位置信息数据,可通过位置的分布,颜色的分类,来进行对比。

    832147b7d782f38d6a7ab7ae95d7eede.png

    9、柱状图上下、左右分布对比法

    如果是基础柱状图的对比,除了excel可以自动生成的对比样式,还可将类别名字段置于布局的中间位置,将要对比的两个类别数据分别置于类别名的左右或上下,进行数据之间的对比。注意,不要共用一根坐标轴,一根坐标轴的两侧应为正和负。

    c0a3e55e0a4c7814dfa218c387cad243.png

    10、折线对比法

    通过线条的颜色的区分和走势对比数据之间的变化趋势,很基础的一种方式了。

    ae15222edbbbe5bda431447745610b27.png

    11、散点分布对比法

    如果想看两种多维数据的分布规律,可使用散点图的形式,通过区分颜色来对比数据之间的差异变化。

    1f53e9f1107bf6f9e550c60b531f1ab9.png

    12、雷达数据分布对比法

    如果要具体看各个指标、数据维度之间的对比,可通过雷达图的形式,通过线条在各个指标、维度之间的走势变化进行数据的对比。

    7c592ce4c8304e7fc1e7710c05271253.png

    13、图形数量对比法

    柱状图或面积图对比的一种优化,用图形组合(矩形、圆形、主题icon等)来替代原本的柱子或面积色块,用不同颜色/形状的图形数量,来进行数据之间的对比。

    8355e8e7126926ba02871d1138deea62.png

    14、罗列对比法

    如果数据中所包含的类别对比数据信息非常的多,那么就可以通过表格罗列的形式,将对比的数据进行罗列展示。这样的信息传达虽稍丢失了些视觉上的美观度,但是信息的理解表达上却是非常直观的。因为大家无论是网上购物看商品详情的具体参数时,还是购物时的给的小票,其实这些都是表格的罗列信息,并且这也是大众习以为常很容易接受的一种对比表现形式。

    也可以将品牌或商品的实景图和具体参数数据相结合,来对比商品之间的差异。

    e45eac4f29dbe85904e4a354c7754434.png

    46ec9eb6947a9171d9ae7468d7777cbd.png

    15、组合信息对比法

    和表格罗列对比法很类似,只不过组合信息对比法,会通过排版布局和多种数据表现形式的组合,对数据之间的差异进行对比。

    46679d54950c39054a3ec289628b5722.png

    二 做好对比数据的一些小窍门

    对比数据的表现形式还有很多很多,这里就不一一列举了.

    但做对比数据时,我们可以掌握一些小窍门或者通用的方法,这样可以让你做对比数据时很快上手!

    1、布局

    大家都会做柱状图,在排版布局上,大家习惯了excel自动生成给出的布局,不同类别的数紧密靠在一起。但其实有时候,当数据差距比较大的时候,可以大胆使用上下布局、左右布局的方法,通过排兵布阵方位的对立变化,强化数据之间的对比呈现。

    2b8902ed5664122fb3b85fbfd2dc78f4.png

    2、配色

    如果对比的数据是品牌之间的数据对比,比如《网易严选 VS 无印良品》、《肯德基 VS麦当劳》等等,那么我们就可以用大众辨识度很高的品牌色做为配色,还可以加品牌LOGO。

    4f5e3027ba39e45d7942c85ff6923b5d.png

    如果没有现成的颜色,最好选用本身对比就很强的两个颜色来表现差异,比如使用色相环角度在120° - 180°之间的对比色。

    a7e31b84192953198a82b15777fddb38.png

    3、让数据动起来

    我们还可以通过动态展示的形式,将数据发展过程中的对比展示出来,读者就像观看了一场电影一样,共同见证了对比的变化过程,比如DT在文章和短视频中都经常推送的动态柱状图、动态折线图和动态地图。

    57dbfbc731e7fcdcb6a342f962ef1a1d.gif

    4614da8d5b9b0b96a994bdbd09111b60.gif

    4、拆分

    如果数据中包含了多个维度的对比,比如下图中,既包含了时间维度的对比,同时也包含了类别之间的对比,那么可根据类别将整体拆分成单独的图,在将拆分后的图,再合并成一个整体来处理。

    dd0ba98b235dcf8c34d3b876a34e1f95.png

    d66f6fe2e30f792a06dc48b081ae4804.png

    掌握我推荐的15种对比数据表现形式,和4种对比数据的小窍门。

    当你在遇到对比数据时,同样也可以做成漂亮的对比数据图!

    分享和撰写教程不易,欢迎点赞、评论、和转发!

    878a6138ba503a7e5f36da9b0360dcaf.gif

    帮雷军优化图表,一图get小米如何赶超格力

    展开全文
  • 我们常常用柱状图对一列数据进行对比,例如这样一份数据:左侧是一个班级的同学身高数据,用身高数据做图,就得到我们常见的柱状图(如图右侧所示)。但是这个图上,我们除了可以知道每个人的身高信息(可以加上数据...
    36f438a1e3406f969ee5cd77b0664f56.png

    今天分享一个图表技巧:为柱状图添加参考线,让数据对比更清晰。

    我们常常用柱状图对一列数据进行对比,例如这样一份数据:

    12ca75aff7522884a576ca7cbc9b6683.png

    左侧是一个班级的同学身高数据,用身高数据做图,就得到我们常见的柱状图(如图右侧所示)。

    但是这个图上,我们除了可以知道每个人的身高信息(可以加上数据标签)外,并不能获得其它信息,例如全班平均身高是多少?哪些人的身高在平均身高之上,哪些在平均身高以下?

    这里的“平均身高”其实就是一个参考信息。在图表上体现参考信息,能让图表的信息更丰富、更充分。

    怎么给柱状图添加参考信息呢?

    有很多种方法,比如给图表添加参考线、用不同的颜色表示参考线以上和参考线以下的数据,再比如高于参考线和低于参考线的柱子用不同的颜色表示,等等。

    今天我们先来学习第1种——如何给柱状图添加参考线。

    01

    添加身高数据

    还是以前述的身高数据为例。第1步,先为全班同学的身高数据添加柱状图,得到下图。

    12ca75aff7522884a576ca7cbc9b6683.png

    02

    添加平均值系列

    在数据源新增辅助列“平均值”,复制这一列,选中图表,直接粘贴,为图表添加参考线系列。

    f5322b807a85bd3580b10f03d648c625.png

    03

    更改图表类型

    在图上点击鼠标右键,选择更改图表类型,在“组合图”中进行设置,身高系列为簇状柱形图,平均值系列为折线图,如下图所示。

    675587ac5cf3329f083c64701f50af73.png

    确定后,就可以看到原来的平均值系列从柱状图变成了折线。

    910b5d0c504a2ab38906c5b329fa0465.png

    04

    参考线的美化

    如果你觉得这个线太单调,不够好看的话,分享大家一个小技巧:为参考线加上指示标签,如下图所示:

    36f438a1e3406f969ee5cd77b0664f56.png

    我们在参考线的右侧加了一个箭头标签,并且中间显示平均值信息(174),这样即能够让图表更清晰,又有种画龙点睛的感觉。

    怎么做到的呢?

    首先,可以在数据源平均值系列下面多加一个点,同步将图表的平均值系列数据源也相应进行更改。

    然后选中参考线最后一个数据点,并设置数据标记(选择圆点),完成效果如下:

    01c5c4c1c5e83fc2b65a6e10d91ae082.png

    接下来,怎么把圆点变成箭头标记呢?这就要用大我们的图表填充大法了。

    先用Excel的形状功能插入一个箭头形状,修改形状颜色,调整大小。

    0bd7aa48743eedfe44f00953c16283ca.png

    绘制好形状后,点击复制,然后选中参考线上的圆点标记,CTRL+V进行填充。

    最后,为圆点标记添加数据标签(右键,添加数据标签),调节数据标签的格式和位置,让其处于箭头标记中央。

    36f438a1e3406f969ee5cd77b0664f56.png

    ▲ 为柱状图添加参考线(最终效果)

    这样,我们就完成了最终效果的制作。怎么样,很简单吧?

    今天的内容就介绍到这里,我是徐老师,感谢阅读。

    明天,我们继续介绍柱状图参考线的作法——用不同的颜色标记参考线数据,明天见~


    作者 徐军泰

    ——Excel畅销书作者,表格学院创始人,著有国内首部Excel动态图表书籍《左手数据,右手图表》,唯库、一起听课星球、人人都是产品经理等平台约讲师。

    【案例原文件】

    在私信中回复:参考线,可以获得案例原文件。

    展开全文
  • 《七天数据可视化之旅》第五天:常用图表对比Destiny,某物流公司数据产品经理,目前从事数据平台搭建和可视化相关工作。持续学习中,期望与大家多多交流数据相关技术和实际应用,共同成长。0x00 前言在之前分享...

    《七天数据可视化之旅》第五天:常用图表对比

    Destiny,某物流公司数据产品经理,目前从事数据平台搭建和可视化相关的工作。持续学习中,期望与大家多多交流数据相关的技术和实际应用,共同成长。

    0x00 前言

    在之前分享的【数据图表的选择】三篇文章中,已经把不同类型数据图表的用法和适用场景做了一遍梳理。但是,在实际的业务场景中,如何根据拥有的数据集、想要展现的数据模式,去选择最合适的图表,需要不断的去实践和总结。

    因此,今天这篇文章分享的内容,是来对比常见相似图表的差别和适用的数据集。

    本篇将通过一些来源于实际业务场景的数据集实例,来进行不同的可视化方案对比,从而总结出根据可视化目的、数据集特征,去选择图表类型的一般套路。图表对比部分,会选择一些常见的,且比较容易混淆的图表类型来做对比,以「可视化目标→数据集准备→图表选择和对比→经验总结」的方式来行文。

    0x01 常用图表对比

    1.柱状图 VS 条形图

    1)可视化目标

    展示2019年上半年`销售额Top10的手机品牌`、`销售额Top10的手机型号`。

    2)数据集准备

    手机品牌销售额(元)
    Apple1,900,000,000
    …………
    魅族400,000,000
    手机型号销售额(元)
    Ipnone X 64G 黑色120,600,000
    …………
    魅族 16th Plus 8GB+128GB 远山白46,500,000

    3)图形对比

    00869e3131c79c6907559891b59e22f2.png

    4)总结

    • 相同点:

      • 柱状图和条形图的数据结构是相同的,都是由「一个分类字段+一个连续数值字段」构成。

      • 当数据的记录数不大于12条,分类字段的字符长度小于5时,此时柱状图和条形图可以互换。

    • 不同点:

      • 柱状图:

        若分类字段,恰好是「时间序列」,此时建议使用柱状图,因为柱状图能更好地体现数据随时间的变化情况。

      • 条形图:

        若分类字段的字符长度较长,且数据的记录数大于12,此时建议使用条形图。

        一方面,斜置的文字和用户阅读的习惯相悖,同时也占用页面空间,影响可视化图表的美感。

    2.柱状图 VS 直方图

    1)可视化目标

    • 展示某家出售小商品的店铺,不同品类的商品销售数量。

    • 已知某家出售小商品的店铺,其商品定价范围在[0,100)之间,现需展示该店铺在售商品的价格分布,要求每10元作为一个区间。

    2)数据集准备

    数据集1:

    价格区间订单数
    [0,10)10
    [10,50)27
    [50,100)43
    [100,+∞)6

    数据集2:

    价格区间在售商品数量
    [0,10)13
    [10,20)16
    [20,30)16
    [30,40)25
    [40,50)11
    [50,60)14
    [60,70)9
    [70,80)7
    [80,90)6
    [90,100)3

    3)图形对比

    198d5afab96c16831014f10093f292e6.png

    4)总结

    • 相同点:

      • 柱状图和直方图的数据结构是相同的,都是由「一个分类/分组字段+一个连续数值字段」构成。

      • 都是由柱形条构成。

    • 不同点:

      • 分析目的和适用场景不同。

        「柱状图」主要是比较数据的大小,「直方图」是用来展示数据的分布。

      • 映射到X轴上的数据属性不同。

        在柱状图中,X轴上的变量是分类数据,例如不同的手机品牌、店铺或网站在售商品的分类。

        在直方图中,X轴上是连续的分组区间,这些区间通常表现为数字,且一般情况下组距是相同的,例如将在售商品的价格区间分为的“0-10元,10-20元……”。

      • 宽度代表的意义不同。

        在柱状图中,柱子的宽度没有实际的含义,一般为了美观和整齐,会要求宽度相同;

        在直方图中,柱子的宽度代表了区间的长度(即组距),根据区间的不同,柱子的宽度可以不同,但其宽度原则上应该为组距的整倍。

      • 表示数据大小的方式不同。

        柱状图,是通过柱形条的高度,来映射数据的大小,且柱子之间有间隔;

        直方图,是通过面积来表示数据的大小,且柱子之间紧密相连,没有间隔。

    3.堆叠柱状图 VS 百分比堆叠柱状图

    1)可视化目标

    • 展示某影院2019年上半年总票房趋势及华语片、外语片趋势。

    • 展示某影院2019年上半年总票房收入构成占比趋势。

    2)数据集准备

    数据集1:票房收入(元)

    月份国产片外语片
    1月800,000,000900,000,000
    …………
    6月1,700,000,000800,000,000

    数据集1:票房收入占比

    月份国产片外语片
    1月49%51%
    …………
    6月70%30%

    3)图形对比

    b56675b5262638ee398be75ea91e7c5e.png

    4)总结

    • 相同点:

      • 堆叠柱状图和百分比堆叠柱状图,都适合用来展示分类数据的构成对比或构成随时间的变化趋势。

      • 当映射到X轴上的数据为时间序列时,此时可以用堆叠面积图or百分比堆叠面积图来代替。

    • 不同点:

      • 堆叠柱状图:

        既可以对比各构成部分的数值差异,还可以观测各组数据的整体差距。

      • 百分比堆叠柱状图:

        只能对比整体中的各构成部分的占比差异,无法对比不同整体的差异。

    4.折线图 VS 面积图

    1)可视化目标

    • 展示2019年上半年,全国承运包裹量趋势。

    • 展示2019年上半年,中通、圆通、申通三家快递公司的承运包裹量趋势。

    • 展示2019年上半年,全国及主流快递公司的承运量趋势。

    • 展示2019年上半年,主流快递公司的承运量占全国总承运量的趋势。

    2)数据集准备

    数据集1:全国承运包裹量

    月份销售额(元)
    1月300,000,000
    …………
    6月430,000,000

    数据集2:中通、圆通、申通三家快递公司的承运包裹量

    月份中通圆通申通
    1月30,000,00024,000,00026,000,000
    ……
    6月34,000,00025,000,00030,000,000

    数据集3:全国及主流快递公司的承运量趋势

    月份顺丰三通一达EMS其他快递
    1月32,000,00050,000,00010,000,0008,000,000
    ……
    6月35,000,00049,000,00011,000,0005,000,000

    数据集4:主流快递公司的承运量占全国总承运量的趋势

    月份顺丰三通一达EMS其他快递
    1月32%50%10%8%
    ……
    6月35%49%11%5%

    3)图形对比

    • 折线图和面积图可以互换的情况:

    4e82e97135180df381f966c72453dbc4.png

    • 折线图和面积图不能互换的情况:

      显示构成或占比时,应该使用面积图☞堆叠面积图or百分比堆叠面积图。

    e4f1a614cd7c589583ea84566ed34b0d.png

    4)总结

    • 相同点:

      • 折线图和面积图展示的是数据随时间的变化趋势,因此映射到X轴的数据类型一般为「时间/日期」。

      • 二者均可以展现一个或多个变量和时间的关系,这种关系包括,周期性变化、季节性变化、异常波动等。

      • 在大部分情况下,折线图和面积图是可以互换的。

    • 不同点:

      • 折线图:

        通过数据点的纵坐标来映射数值的大小,一般只用来表示数据的趋势。

      • 面积图:

        通过面积来映射数值的大小,「面积图」除了可以替换折线图外,还可以用来表示整体及其构成部分随时间的变化趋势。

    • 注意点:

      • 当使用面积图表示多系列的趋势时,需要对代表不同系列的面积区块颜色设置透明度,透明度可以减少不同系列之间的遮盖,帮助我们看到不同序列之间的重叠关系和更多信息。

      • 当一个图表中,系列值过多时,折线图会比面积图更直观,因为减少了系列的覆盖和重叠,能更清晰的看看到各个系列的趋势变化。

    5.堆叠面积图 VS 百分比堆叠面积图

    1)可视化目标

    • 若某家公司主要有电商、物流、云计算三块的业务,现需要展示2015~2019这五年,集团的年度收入趋势及其三大业务的收入趋势。

    • 若某家公司主要有电商、物流、云计算三块的业务,现需要展示2015~2019这五年,三大业务对集团的年度收入的贡献比例。

    说明:假设集团有且只有这三项业务,且总收入=电商业务收入+物流业务收入+云计算业务收入。

    2)数据集准备

    数据集1:总收入构成

    年份第一产业第二产业第三产业
    2015年60,000,00030,000,00010,000,000
    …………
    2019年100,000,00060,000,00040,000,000

    数据集2:总收入贡献占比

    年份电商物流云计算
    2015年60%30%10%
    …………
    2019年50%30%20%

    3)图形对比

    434b428954c347e68176c916ec66374e.png

    4)总结

    • 相同点:

      • 堆叠面积图和百分比堆叠面积图,映射到X轴的均为【时间序列】。

      • 两者都可以展示各构成部分,随时间的变化趋势,只不过「堆叠面积图」的是构成部分的实际值随时间的变化趋势,「百分比堆叠面积图」展示的是构成部分的占比随时间的变化趋势。

    • 不同点:

      • 堆叠面积图:

        除了可以展示各构成部分随时间的变化趋势,还可以展示整体随时间的变化趋势

      • 百分比堆叠面积图:

        只能展示各构成部分占总体的比例随时间的变化,无法观测总体随时间的变化趋势。

        此外,从任何一个时间节点纵切下来,各部分占比之和必须为100%,即必须等于该节点的整体。

    6.堆叠面积图 VS 堆叠柱状图

    1)可视化目标

    • 展示某个国家,近6年来GDP的增长趋势及其三大产业的产值趋势。

    • 展示2019年第二季度,6大主流手机品牌的总出货量排名,及其各品牌在5大洲的出货量对比。

    2)数据集准备

    数据集1:三大产业产值单位为【元】

    年份第一产业第二产业第三产业
    2013年3,000,0001,000,0006,000,000
    …………
    2019年5,000,0002,000,00010,000,000

    数据集2:出货量单位为【部】

    手机品牌亚洲欧洲非洲美洲销售额(元)
    Ipnone X 64G 黑色130,00090,00050,00040,00020,000
    …………
    小米60,00020,00040,00020,00010,000

    3)图形对比

    eecd3dee56e66e5d28c3077706fff313.png

    4)总结

    • 相同点:

      • 堆叠面积图和堆叠柱状图的数据集格式类似,都是由「一个分类字段+多个连续数值字段」构成,且多个连续数值字段,是一个整体的各组成部分。

      • 两者都可以观测某一节点的总体数值和各组成部分的具体数值,都有数据对比的功能。

    • 不同点:

      • 堆叠面积图:

        堆叠面积图的分类字段,一般是时间序列

        当既需要分析整体随时间的变化趋势,又要了解整体的各构成项随时间的变化情况时,应该使用【堆叠面积图】。

        从其目的可以看出,堆叠面积图的分类字段(即时间序列),是按照时间的先后顺序排列的。

      • 堆叠柱状图:

        堆叠柱状图的分类字段,一般是非时间类型的分类数据

        当既要对比不同整体的数据大小,又要观测整体各构成项的数据大小时,应该使用【堆叠柱状图】。

        若整体的构成项过多,为了突出重点,需要对构成项进行重新归类,展示TOP5的分类,剩下则归为「其他」。

    7.散点图 VS 气泡图

    1)可视化目标

    • 展示华为不同型号手机的售价和成本的分布。

    • 展示华为手机不同型号手机的售价、成本和对应型号的销量。

    2)数据集准备

    数据集1:

    手机型号售价(元)成本(元)
    HUAWEI P3036881400
    HUAWEI P30 Pro49881600
    HUAWEI Mate 2031991200
    HUAWEI Mate 20 Pro50992000
    …………
    HUAWEI nova 527991000

    数据集2:

    手机型号售价(元)成本(元)销量(部)
    HUAWEI P30368814001,000,000
    …………
    HUAWEI nova 527991000200,000

    3)图形对比

    2dbcc77e814d097387c6ec2a04fc78d9.png

    4)总结

    • 相同点:

      • 散点图和气泡图,均是用来展示数据分布情况的一种图形。

      • 散点图和气泡图,都是将两个字段映射到x,y轴的位置上,(x,y)的取值确定一个圆点或气泡在直角坐标系中的位置。

    • 不同点:

      • 散点图:

        一般用来展示二维数据(x,y)的分布,侧重于研究二维数据的两个变量x,y之间的相关性,如身高和体重之间的相关关系。

        散点图中,还可以展示多组数据系列的对比,比如男性身高体重和女性身高体重分布规律的对照。

      • 气泡图:

        一般用来展示三维数据(x,y,z)的分布情况,相较于散点图,气泡图增加了一个维度的数据展示,且将其数值映射到气泡的大小上。

        气泡图,也可以展示多组数据系列的分布,以发现不同系列的分布规律和差异。

    • 注意点:

      • 一般来说,散点图主要是用于研究数据集的分布规律和相关性,并不是很侧重去看每个数据点的具体取值。

        当数据集数量过大时,不适合将全部数据点展示在散点图中,此时需要对总体进行抽样显示,通常采用分层抽样的方法进行,但是分层抽样的依据和影响因素需要依据具体的业务场景而定。

      • 相较于散点图,气泡图不太适合过多数据容量的情况,气泡太多会使图表难以阅读。

        此外,对于气泡图中隐藏的一些数据信息,通常可以使用交互来辅助图标信息的阅读,如悬停显示详细数据、缩放观测被遮盖的数据点等。

    0xFF 总结

    不知不觉发现写的内容有点多?,为了方便大家更快的获取信息,将图表对比部分进行了精简,参考如下:

    af33291da517ac089952f64d43350f8c.png

    赘述一句:可视化之前,最重要的是弄清楚可视化的目的是什么,你期望展示或探索数据的什么规律。因为,这不仅决定了应该选择什么类型的图表,如何统计和组装你的数据集,也决定了可视化出来的结果是否能达到你的预期目标。

    声明:以上图表数据纯属虚构,图形部分由Excel完成,部分由Sketch绘制。

    更多数据可视化系列文章:

    《七天数据可视化之旅》第一天 数据可视化过程

    《七天数据可视化之旅》第二天:数据图表的选择(上)

    《七天数据可视化之旅》第三天:数据图表的选择(中)

    《七天数据可视化之旅》第四天:数据图表的选择(下)

    133be1899fb220722cc359112a9f69e2.png

    展开全文
  • 10.2.1条形及其参数配置条形是一把连续数据画成数据表现形式,通过比较不同组条形长度,从而对比不同组的数据量大小,描绘条形图的要素有3个:组数、组宽度、组限。绘画条形时,不同组之间是有空隙...

    10.2.1

    条形图及其参数配置

    条形图是一种把连续数据画成数据条的表现形式,通过比较不同组的条形长度,从而对比不同组的数据量大小,描绘条形图的要素有3个:组数、组宽度、组限。绘画条形图时,不同组之间是有空隙的。条形用来比较两个或以上的价值(不同时间或者不同条件),只有一个变量,通常利用于较小的数据集分析。条形图亦可横向排列,或用多维方式表达。

    条形图可分为垂直条和水平条。使用条形图可在各类别之间比较数据,例如客户的性别、受教育程度、购买方式等。绘制长条图时,长条柱或柱组中线须对齐项目刻度。相较之下,折线图则是将数据代表之点对齐项目刻度。在数字大且接近时,两者皆可使用波浪形省略符号,以扩大表现数据间的差距,增强理解和清晰度。

    10.2.2

    各省市商品订单数量分析

    为了分析该企业在各省市商品订单数量,绘制了各个省市商品订单量的条形图,Python代码如下:

    # -*- coding: utf-8 -*-

    #

    声明

    Notebook

    类型,必须在引入

    pyecharts.charts

    等模块前声明

    from pyecharts.globals import CurrentConfig, NotebookType

    CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB

    from pyecharts import options as opts

    from pyecharts.charts import Bar, Page

    from impala.dbapi import connect

    #

    提取

    Hadoop

    集群数据

    v1 = []

    v2 = []

    conn = connect(host='192.168.1.7', port=10000, database='sales',auth_mechanism='NOSASL', user='root')

    cur = conn.cursor()

    sql_num = "select province,count(cust_id) from orders group by province"

    cur.execute(sql_num)

    sh = cur.fetchall()

    for s in sh:

    v2.append(s[1])

    v1.append(s[0])

    #

    条形图形参数配置

    def bar_base() -> Bar:

    c = (

    Bar()

    .add_xaxis(v1,)

    .add_yaxis("

    客户订单量

    ", v2)

    .set_global_opts(title_opts=opts.TitleOpts(title="2019

    年客户订单量区域分布

    "),

    toolbox_opts=opts.ToolboxOpts(),

    legend_opts=opts.LegendOpts(is_show=True))

    )

    return c

    #

    第一次渲染时候调用

    load_javasrcript

    文件

    bar_base().load_javascript()

    #

    展示数据可视化图表

    bar_base().render_notebook()

    在Jupyter lab中运行上述代码,生成如图10-2所示的客户数量在各个省市的条形图。

    图10-2  各省市客户订单量

    展开全文
  • 柱 状(Histogram),也称条(英文:bar graph)、长条(英文:bar_chart)、条状,是一以长方形长度为变量表达图形统计报告,由一系列高度不等纵向条纹表示数据分 布情况,用来比较个或以上...
  •  柱状图(Histogram),也称条图(英文:bar graph)、长条图(英文:bar chart)、条状图,是一以长方形长度为变量表达图形统计报告图,由一系列高度不等纵向条纹表示数据分布情况,用来比较个或以上...
  • 饼图和条形图(也叫柱状图)是大家进行数据可视化分析时最常用图表,这两个图表应该是我们进行数据展示时最先想到图表。而从两种图表使用上也有很多人存在疑惑,什么时候应该用饼图?什么时候应该用条形图?...
  • 表示数据变化趋势图有很多种,本文选取其中比较常见的两种——前后配对比较图和双向柱状图来讲述。在绘制这两种同时,更全面学习Prism图表格式编辑功能。 前后对比图适用于数据同为正或负情况;双向...
  • 概念:柱形,是一以长方形单位长度,根据数据大小绘制统计,用来比较个或个以上的数据,可以是时间,也可以是不同类别,所以 #柱形可以表示趋势,也可以表示不同项目间的对比,如果横轴是数值区间...
  • %权当常用程序记录贴%两种数据对比for i=1:20index1=find(pr==50*i);index(1:length(index1),i)=index1;omp_1(i,1:length(index1))=omp(index1,1);omp_2(i,1:length(index1))=omp(index1,2);subplot(20,1,i)y(1:15,1...
  • 柱状图表示各区在线率,同时显示一个折线,表示全市平均值, 用于各区与全市平均的对比,是高于平均还是低于平均。 去官网搜了下,混合图表,也能满足我需求,但有些差别, 混合图双坐标代表两种不同...
  • 对比型数据 对比型数据:对比两组或两组以上数据差异 常用图表及其视觉通道: 高度差异:柱形图 宽度差异:条形图 面积差异:面积图/气泡图 ...柱状图 ...柱状图可大概分为单一柱状...适合个类别的数据对比 并...
  • 柱形图是数据分析中常用图表,主要用于对比、展示...1. 柱状图美化做完柱状图后,我们第一步是要先对其美化,如下图右图所示(1)选择一组数据并插入簇状柱形图(2)选中柱状图,可以设置数据系列格式,在这里可以...
  • 对比分析主要有以下两种形式: 1)绝对数比较 适合指标在量级上不能差别过大,常用折线图、柱状图。 2)相对数比较 包括结构分析、比例分析、空间比较分析、动态对比分析等,例如: 结构相对数:将同一总体内部分...
  • 1. 概述在ArcGIS中可以制作信息图表的柱状图和饼状图,例如双向柱状图是将两个方向相反的柱状图放置在一起,同时表达两种不同信息,同时增加信息的对比效果,将两个年份间的多个指标或多个年份间的两个指标进行对比...
  • 3、柱状图:特殊条形图。当X轴作不均等划分时, {例如X轴10-18岁购买东西数量} 4、由线图/线性图:(看趋势) 表示个变量之间关系 5、统计地图:有关特性 地理分布 6、象形图:用象形代表...
  • 常用图表对比

    千次阅读 2019-12-15 23:36:38
    数据记录数不大,不令图表看起来过于密集情况下(一般情况下,数据条数大于12条时,不适合使用柱状图),两种图表类型可互换。 当分类字段(X轴字段)字符长度适中时,即使用者可很方便阅读分类字段,且字符...
  • 数据运营思维导图

    2018-04-26 14:24:22
    通过不同渠道数据对比,找到异常渠道数据或排出渠道因素 行为分组 按照功能点使用/未使用分组 第二步:对比 根据用户行为进行分组 例子 看贴功能内浏览了3篇贴子新用户和仅浏览1篇贴子新用户进行分析 ...
  • 2019数据运营思维导图

    2019-03-29 21:34:09
    活跃用户留存 一般不分析活跃用户留存,而是通过DAU观察活跃用户流失数据 留存是评定游戏综合质量最佳指标 5、平均使用时长和平均使用次数 可以使用柱状图来展现 项宏观行为指标可反映出用户对app依赖程度 ...
  • [转]数据图表制作

    2014-06-10 22:13:00
    这种方案适于没有明显突出的图表,例如纯粹展示频数的柱状图。 (二)类似色组合 类似色是指色盘上60°以内的颜色。这种方案突破了同色系的单调,又不会太过突兀。 (三)对比色组合 对比色是指...
  • G2假定的数据格式只有一,就是一个数组,其中每个对象(简单对象)是一行数据,对象中字段名就是列名,值就是当前行中对应列值。下面是一份tokyo,newYork,...
  • Python四川疫情爬虫可视化项目中绘制地区区域内分类柱状图、绘制地区区域内疫情患者柱状图、绘制地区区域内疫情对比柱状图、绘制四川省疫情统计地图等功能都要读取CSV数据文件在进行绘制。可视化功能中主要需要...
  • 一招教你玩转图表

    2020-06-19 11:28:00
    无论数据复杂程度如何,都可以分为比较/构成两种类型 让我们一起来简单区分了解这几种类型 首先可以在灯果可视化组件界面中查看各图表 一:比较 基于对数据的对比,通常会用到比较型图表,用户通过图表可以...
  • 这个时候我们需要在同一个图表中结合使用两种不同类型图,比如折线图与柱状图结合使用。还有一种情况就是我们可能需要查看同一项不同组成部分分别在这一项中所占百分比,这在图表中称为“堆叠”。 在...
  • Highcharts-8.1.2.zip

    2020-08-11 21:59:39
    Highcharts 支持图表类型有直线图、曲线图、区域图、柱状图、饼状图、散状点图、仪表图、气泡图、瀑布流图等多达 20 图表,其中很多图表可以集成在同一个图形中形成混合图。 兼容性 Highcharts 可以在所有...
  • 商务智能架构图表

    2011-10-21 19:47:31
    而我们熟悉那些饼图、直方图、散点图、柱状图等,是最原始统计图表,它们是数据可视化最基础和常见应用。作为一统计学工具,用于创建一条快速认识数据捷径,并成为一令人信服沟通手段。传达存在于...

空空如也

空空如也

1 2 3
收藏数 44
精华内容 17
关键字:

两种数据对比的柱状图