读用数据说服：如何设计、呈现和捍卫你的数据02选择数据图（上）
<p><img alt="读用数据说服：如何设计、呈现和捍卫你的数据02选择数据图（上）" loading="lazy" src="https://img2024.cnblogs.com/blog/3076680/202507/3076680-20250711151315914-879692247.png" class="lazyload"></p><h1 id="1选择数据图类型">1. 选择数据图类型</h1>
<p>1.1. 数据图借助了我们发现数据关系的能力</p>
<p>1.2. 数据图将数据分块并凸显重要的对照关系，从而将数据关系可视化</p>
<p>1.3. 确定底层关系是选择适当数据图类型的关键</p>
<ul>
<li>1.3.1. 首先要确定你想要强调的底层数据关系，然后让这个关系指导你选择数据图</li>
</ul>
<p>1.4. 数据图涵盖了大部分场景，各类受众都会觉得司空见惯</p>
<ul>
<li>1.4.1. 司空见惯是特征，不是毛病，能让受众用更少的认知负荷来解码数据图</li>
</ul>
<p>1.5. 数据图的目的是将受众的注意力聚焦到底层数据上，而不是聚焦到编码数据的图像上</p>
<p>1.6. 务求简单。只有在受众需要的情况下，才选择复杂的数据图</p>
<p>1.7. 数据图呈现数据关系。要选择适当的数据图，关键是确定受众需要理解哪一种关系</p>
<h1 id="2类别关系">2. 类别关系</h1>
<p>2.1. 类别关系是比较同一个指标在不同类别下的值</p>
<p>2.2. 这是最常见、最直观的数据关系</p>
<p>2.3. 表示类别关系的词语</p>
<ul>
<li>2.3.1. 任何与类别成对出现的数量值</li>
</ul>
<p>2.4. 场景示例</p>
<ul>
<li>
<p>2.4.1. 不同产品的销售额</p>
</li>
<li>
<p>2.4.2. 不同本科专业的毕业率</p>
</li>
<li>
<p>2.4.3. 不同销售人员的平均成交额</p>
</li>
<li>
<p>2.4.4. 不同织物类型的耐久度</p>
</li>
<li>
<p>2.4.5. 不同人群的广告观看量</p>
</li>
</ul>
<p>2.5. 常用数据图</p>
<ul>
<li>
<p>2.5.1. 柱形图</p>
<ul>
<li>
<p>2.5.1.1. 类别关系最适合用常见的柱形图呈现</p>
</li>
<li>
<p>2.5.1.2. 往往是因为受众熟悉这种数据图，认知负荷小</p>
</li>
<li>
<p>2.5.1.3. 纵向柱形图的适用情况</p>
<blockquote>
<p>2.5.1.3.1. 类别比较为主</p>
</blockquote>
<blockquote>
<p>2.5.1.3.2. 比较项目的数量有限</p>
</blockquote>
<blockquote>
<p>2.5.1.3.3. 标签适合横排</p>
</blockquote>
</li>
<li>
<p>2.5.1.4. 横向柱形图的适用情况</p>
<blockquote>
<p>2.5.1.4.1. 类别太多，一字排开放不下</p>
</blockquote>
<blockquote>
<p>2.5.1.4.2. 类别名称太长，在纵向柱形图里只能斜着放</p>
</blockquote>
<blockquote>
<p>2.5.1.4.3. 有多个类似的纵向柱形图，将其中一部分改为横向能避免混淆</p>
</blockquote>
</li>
</ul>
</li>
<li>
<p>2.5.2. 簇状柱形图</p>
<ul>
<li>
<p>2.5.2.1. 簇状柱形图可以进行两个类别间的比较</p>
</li>
<li>
<p>2.5.2.2. 在选择这种数据图之前，要确保跨类比较是有意义的</p>
</li>
<li>
<p>2.5.2.3. 只有当两张图确实无法表现出数据关系时，才可以用簇状柱形图</p>
</li>
<li>
<p>2.5.2.4. 为主的一类要把柱子贴在一起，这是运用了格式塔原理的连接律，所以更方便受众观看</p>
</li>
</ul>
</li>
</ul>
<p>2.6. 呈现类别关系的最佳实践</p>
<ul>
<li>
<p>2.6.1. 分类要有意义（通常是基于数据）</p>
<ul>
<li>2.6.1.1. 数据分类排序一定要有意义</li>
</ul>
</li>
</ul>
<h1 id="3时间关系">3. 时间关系</h1>
<p>3.1. 时间关系比较的是相同类别内不同时间点的情况</p>
<p>3.2. 时间通常设为x轴，以左为早，以右为晚</p>
<p>3.3. 表示时间关系的词语</p>
<ul>
<li>3.3.1. 变化</li>
</ul>
<p>3.4. 场景示例</p>
<ul>
<li>
<p>3.4.1. 上升</p>
</li>
<li>
<p>3.4.2. 增加</p>
</li>
<li>
<p>3.4.3. 波动</p>
</li>
<li>
<p>3.4.4. 增长</p>
</li>
<li>
<p>3.4.5. 降低</p>
</li>
<li>
<p>3.4.6. 下降</p>
</li>
<li>
<p>3.4.7. 减少</p>
</li>
<li>
<p>3.4.8. 趋势</p>
</li>
</ul>
<p>3.5. 时间关系的常用数据图</p>
<ul>
<li>
<p>3.5.1. 折线图和柱形图</p>
<ul>
<li>
<p>3.5.1.1. 时间关系通常用折线图或柱形图来表示</p>
</li>
<li>
<p>3.5.1.2. 两者分别强调了数据的不同侧面，因为它们将数据分成了不同的块</p>
<blockquote>
<p>3.5.1.2.1. 折线强调数据的总体形状和趋势</p>
</blockquote>
<blockquote>
<p>3.5.1.2.2. 柱形图强调数值对比</p>
</blockquote>
</li>
<li>
<p>3.5.1.3. 相同的数据换用柱形图来表示，就是强调单个月份，淡化总体趋势</p>
</li>
</ul>
</li>
<li>
<p>3.5.2. 连续折线图适用情况</p>
<ul>
<li>
<p>3.5.2.1. 强调数据的总体形状</p>
</li>
<li>
<p>3.5.2.2. 讨论焦点是模式和趋势</p>
</li>
</ul>
</li>
<li>
<p>3.5.3. 离散柱形图适用情况</p>
<ul>
<li>
<p>3.5.3.1. 强调个别数值</p>
</li>
<li>
<p>3.5.3.2. 讨论焦点是特定时间点之间的比较</p>
</li>
</ul>
</li>
<li>
<p>3.5.4. 两点式折线图被称为坡度图</p>
</li>
</ul>
<p>3.6. 呈现时间关系的最佳实践</p>
<ul>
<li>
<p>3.6.1. x轴上的时间要等距分布</p>
<ul>
<li>3.6.1.1. x轴上的时间段要长度相等，不能忽长忽短</li>
</ul>
</li>
<li>
<p>3.6.2. 选择有意义的时间间隔</p>
<ul>
<li>
<p>3.6.2.1. 时间间隔太密可能会凸显噪声，模糊了数据蕴含的模式</p>
</li>
<li>
<p>3.6.2.2. 时间间隔太宽则可能会忽略受众需要了解的模式</p>
</li>
<li>
<p>3.6.2.3. 适当的间隔要由关系的性质决定</p>
</li>
</ul>
</li>
</ul>
<h1 id="4总分关系">4. 总分关系</h1>
<p>4.1. 总分关系有两层含义，一是将总体分成各个部分，二是各个部分的相对比重</p>
<p>4.2. 饼图表现的就是总分关系</p>
<p>4.3. 表示总分关系的词语</p>
<ul>
<li>
<p>4.3.1. 份额或占总体份额</p>
</li>
<li>
<p>4.3.2. 百分比或占总体百分比</p>
</li>
<li>
<p>4.3.3. 组合</p>
</li>
</ul>
<p>4.4. 场景示例</p>
<ul>
<li>
<p>4.4.1. 供应商份额</p>
</li>
<li>
<p>4.4.2. 成本构成</p>
</li>
<li>
<p>4.4.3. 市场格局</p>
</li>
<li>
<p>4.4.4. 消费者组合</p>
</li>
</ul>
<p>4.5. 总分关系的常用数据图</p>
<ul>
<li>
<p>4.5.1. 堆积柱形图</p>
<ul>
<li>
<p>4.5.1.1. 总分关系图借助格式塔原理的连接律，呈现各个部分是如何构成了总体</p>
</li>
<li>
<p>4.5.1.2. 堆积柱形图的适用场景</p>
<blockquote>
<p>4.5.1.2.1. 强调各个部分是如何构成了总体</p>
</blockquote>
<blockquote>
<p>4.5.1.2.2. 可以通过排序方式，帮助受众了解哪些部分较大，哪些较小</p>
</blockquote>
<blockquote>
<p>4.5.1.2.3. 包含所有部分</p>
</blockquote>
<blockquote>
<p>4.5.1.2.3.1. 不得省略总体的任何一个组成部分</p>
</blockquote>
</li>
</ul>
</li>
<li>
<p>4.5.2. 簇状柱形图的适用场景</p>
<ul>
<li>
<p>4.5.2.1. 强调各个部分的比重</p>
</li>
<li>
<p>4.5.2.2. 不一定呈现所有部分</p>
</li>
<li>
<p>4.5.2.3. 可以通过加注或语境暗示的方式，强调图中部分总和比例为100%</p>
</li>
</ul>
</li>
<li>
<p>4.5.3. 如果总分关系非常重要，有理由让受众承受更大的认知负荷，那还可以选用另外两种更复杂的数据图，即瀑布图和马赛克图</p>
</li>
<li>
<p>4.5.4. 瀑布图</p>
<ul>
<li>
<p>4.5.4.1. 瀑布图是将堆积柱形图横向拆分，强调每个类别比某个基准值大多少或小多少</p>
</li>
<li>
<p>4.5.4.2. 不同于堆积柱形图，瀑布图可以有负值，而且能够表现出各个部分的次序</p>
</li>
<li>
<p>4.5.4.3. 还可以加入色调等编码，而不至于像多色堆积柱形图那样显得杂乱</p>
</li>
<li>
<p>4.5.4.4. 适用于流入（比如收入）和流出（比如支出）合起来构成整体的情况</p>
</li>
<li>
<p>4.5.4.5. 瀑布图的适用场景</p>
<blockquote>
<p>4.5.4.5.1. 总体中既包含正的部分，也包含负的部分</p>
</blockquote>
<blockquote>
<p>4.5.4.5.2. 除了数值相加以外，还有其他有意义的次序</p>
</blockquote>
<blockquote>
<p>4.5.4.5.3. 受众对话题足够感兴趣，能够容忍相当程度的认知负荷</p>
</blockquote>
</li>
</ul>
</li>
<li>
<p>4.5.5. 马赛克图</p>
<ul>
<li>
<p>4.5.5.1. 有时叫作mekko图，得名于芬兰纺织设计公司Marimekko，该公司以大胆的彩色几何图案闻名</p>
</li>
<li>
<p>4.5.5.2. 有时被形容为“方饼图”，同时利用高度和宽度来编码数据</p>
</li>
<li>
<p>4.5.5.3. 每根柱子的宽度代表大类的总值，高度代表大类下的各个小类的值</p>
</li>
<li>
<p>4.5.5.4. 与簇状柱形图一样，马赛克图也可以用于大类内部或大类之间的比较</p>
</li>
<li>
<p>4.5.5.5. 马赛克图浓缩了大量信息</p>
<blockquote>
<p>4.5.5.5.1. 对受过训练的人来说，信息密度大的马赛克图非常好用，但对没有受过训练的人来说，马赛克图会带来明显的认知负荷</p>
</blockquote>
</li>
<li>
<p>4.5.5.6. 马赛克图的适用场景</p>
<blockquote>
<p>4.5.5.6.1. 呈现两个类别的总分关系</p>
</blockquote>
<blockquote>
<p>4.5.5.6.2. 理解这种数据图需要大量讲解，受众能够容忍这一点</p>
</blockquote>
</li>
<li>
<p>4.5.5.7. 马赛克图常常用来表示多级市场细分矩阵</p>
</li>
</ul>
</li>
</ul>
<p>4.6. 呈现总分关系的最佳实践</p>
<ul>
<li>
<p>4.6.1. 类别比较一定要有共同的基准线</p>
<ul>
<li>
<p>4.6.1.1. 堆积柱形图的一个缺点是，柱子中段的各个部分难以相互比较，因为没有共同的基准线</p>
</li>
<li>
<p>4.6.1.2. 必须有共同的基准线，受众才容易进行比较</p>
</li>
</ul>
</li>
<li>
<p>4.6.2. 各部分排序一定要有意义</p>
<ul>
<li>
<p>4.6.2.1. 与所有类别比较一样，总分关系下的各部分排序也一定要有意义—通常是按照从大到小的顺序</p>
</li>
<li>
<p>4.6.2.2. 有助于受众区分大小相近的部分</p>
</li>
<li>
<p>4.6.2.3. 时间排序是有意义的</p>
<blockquote>
<p>4.6.2.3.1. 相比于按收入多少给每天的时段排序，时间顺序会更直观</p>
</blockquote>
</li>
</ul>
</li>
<li>
<p>4.6.3. 尽量不要用饼图，除了有限的场景以外</p>
<ul>
<li>
<p>4.6.3.1. 饼图是最广为人知的数据图之一</p>
<blockquote>
<p>4.6.3.1.1. 作为大多数人最早学到的图表之一，几乎所有人都能一眼看出来饼图表示总分关系</p>
</blockquote>
<blockquote>
<p>4.6.3.1.2. 饼图在数值识读方面会给受众带来巨大挑战</p>
</blockquote>
</li>
<li>
<p>4.6.3.2. 由于饼图的种种缺点，很多可视化专家都不提倡，甚至直接禁止使用饼图</p>
<blockquote>
<p>4.6.3.2.1. 受众难以精确比较各个部分的大小</p>
</blockquote>
<blockquote>
<p>4.6.3.2.2. 除了最大的几个部分外，其余部分的标签难以辨认</p>
</blockquote>
</li>
<li>
<p>4.6.3.3. 饼图中大小相近的部分很难比较</p>
</li>
<li>
<p>4.6.3.4. 排列顺序暗示了每个部分的大小关系，但任何一个部分的百分比都难以估算</p>
</li>
<li>
<p>4.6.3.5. 只要部分数目稍微多一点儿，饼图就很难加标签了，最小部分的标签更是没法识读</p>
</li>
<li>
<p>4.6.3.6. 柱形图可以更精确、更清晰地传达同样的信息</p>
</li>
<li>
<p>4.6.3.7. 饼图有一个重大优势：熟悉</p>
<blockquote>
<p>4.6.3.7.1. 人们知道饼图传达的是总分关系，而且各个部分合起来就是总体，哪怕具体数值难以识读</p>
</blockquote>
</li>
<li>
<p>4.6.3.8. 饼图只在有限场景下值得考虑</p>
<blockquote>
<p>4.6.3.8.1. 总体只包括几个部分</p>
</blockquote>
<blockquote>
<p>4.6.3.8.2. 各部分之间差距大且明显</p>
</blockquote>
<blockquote>
<p>4.6.3.8.3. 没有小的部分（或者可以合并为“其他”）</p>
</blockquote>
<blockquote>
<p>4.6.3.8.4. 重点在于展示总体的所有组成部分，而非部分之间的比较</p>
</blockquote>
<blockquote>
<p>4.6.3.8.5. 受众不习惯以图片化方式获取信息</p>
</blockquote>
</li>
</ul>
</li>
</ul><br><br>
来源：https://www.cnblogs.com/lying7/p/18978859
頁:
[1]