十个做图表心得，看完就能用
在我从事设计工作的 15 年中，大多数时间都在设计复杂、有大量数据的网页和 app。可以说，我每天都在和图表打交道，这篇文章，将和大家分享图表设计的 10 个原则。好好运用这些原则，可以帮你设计出更具美学、更受欢迎、更加实用的图表。
1. 使用常见图表类型
作为设计师，使用独具特色的不常见图表（比如流线图），你会觉得很有趣，而且创意十足。但是，不应该让用户去学习如何阅读你「原创」的图表。
所以，最好使用常见的图表，比如：面积图，条形图/柱状图，折线图，或者饼状图/圆环图。
2. 饼状图不超过 5 个分类
一个通用的经验法则——如果要使用饼状图，尽量将区块数量控制在 5 个以内。区块数量越多，用户读取数据的难度越大。遇到此类情况，建议采用其它类型图表。
3. 归类整理，顺序排列
只要内容不涉及日期，你可以通过升序或降序归类整理图表内容，从而大大提高图表的可读性。这个原则通常适用于条形图/柱状图。
4. 避免使用 3D 图表
只要不涉及 VR， 绝对没有必要使用 3D 图表，而且有些 3D 图表的「颜值」还很低。
5. 避免随机生成颜色
有些图表框架会随机生成代表各组数据的颜色。其背后的算法，很少和整体配色方案相匹配，而且不同数据组之间的视觉区别也不够明显。
最好还是通过人工配色——确保有足够的颜色可用，并且不同颜色间的辨识要清晰。
6. 趋势线会分散用户注意力
趋势线看起来可以使图表界面更丰富。但实际上，它并没有起任何作用，有用的还是线条下面的点状数据。如果你决定使用趋势线，至少可以让用户能手动隐藏它。
7. 不要依赖数据提示框
将数据提示框当作额外或补充信息来源。换句话说，数据提示框不应被视作用户了解标绘值的唯一途径。
8. 图例要视情况使用
当图表只有一种数据信息时，用图表标题说明数据信息即可。加上图例，纯属多此一举。
9. 网格线要视情况使用
网格线的作用，在于帮助用户了解轴标签对应的数据信息。然而，在简单图表中，网格线并不是必要的。如果非要用网格线，要注意是否需要在 X 轴和 Y 轴上同时使用。通常，在一个轴上标注网格线就足够了。
在套用模板时，不要一套了事，而是多进行对比，找出最适合自己的那一款。
当然，也有例外……
在围绕数据而设计时，你应该充分利用你的判断力和创造力。虽然数据有时会相当复杂，但要围绕数据设计出有意义的故事，总不能千篇一律。
当然，也许你会发现，这 10 个原则可能都不适用于你所处理的数据。时不时地「违背原则」，也不是大问题。但不容忽视的是，一定要在现实情况下测试你的设计。
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
随机森林算法的核心特点：原理、优势与应用解析 在机器学习领域，随机森林（Random Forest）作为集成学习（Ensemble Learning） ...
2025-09-05Excel 区域名定义：从基础到进阶的高效应用指南 在 Excel 数据处理中，频繁引用单元格区域（如A2:A100、B3:D20）不仅容易出错， ...
2025-09-05CDA 数据分析师：以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下，CDA（Certified Data Analyst） ...
2025-09-05SQL 日期截取：从基础方法到业务实战的全维度解析 在数据处理与业务分析中，日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络（CNN）的发展历程中，解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师：驾驭数据范式，释放数据价值 在数字化转型浪潮席卷全球的当下，数据已成为企业核心生产要素。而 CDA（Certified ...
2025-09-04K-Means 聚类：无监督学习中数据分群的核心算法 在数据分析领域，当我们面对海量无标签数据（如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分：数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域，“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析：解锁数据价值的关键 在数字经济高速发展的今天，数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ()：深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中，loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题，需先明确 K-S 图的核心用途（检验样本分布与理论分布的一致性），再结合横轴 ...
2025-09-02CDA 数据分析师：助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下，数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战：基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中，税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX：租房系统数据库性能优化实践 在租房管理系统中，rent表是核心业务表之一，通常存储租赁订单信 ...
2025-09-01CDA 数据分析师：企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”， ...
2025-09-01数据清洗工具全景指南：从入门到进阶的实操路径 在数据驱动决策的链条中，“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化：以预测结果为核心的闭环调优路径 在机器学习模型落地中，“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程：协同落地数据驱动价值 在数据驱动决策的实践中，“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代，数据驱动决策已成为企业核心竞争力的关键要素。CDA（Certified Data Analys ...
2025-08-28CDA认证：数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据，当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28
京公网安备 11010802034615号
经营许可证编号：京B2-20210330
