
作者 | Destiny
来源 | 木东居士
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)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
3)图形对比
4)总结
1)可视化目标
2)数据集准备
数据集1:
数据集2:
3)图形对比
4)总结
1)可视化目标
2)数据集准备
数据集1:票房收入(元)
数据集1:票房收入占比
3)图形对比
4)总结
4.折线图 VS 面积图
1)可视化目标
2)数据集准备
数据集1:全国承运包裹量
数据集2:中通、圆通、申通三家快递公司的承运包裹量
数据集3:全国及主流快递公司的承运量趋势
数据集4:主流快递公司的承运量占全国总承运量的趋势
3)图形对比
4)总结
5.堆叠面积图 VS 百分比堆叠面积图
1)可视化目标
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
数据集2:总收入贡献占比
3)图形对比
4)总结
6.堆叠面积图 VS 堆叠柱状图
1)可视化目标
2)数据集准备
数据集1:三大产业产值单位为【元】
数据集2:出货量单位为【部】
3)图形对比
4)总结
1)可视化目标
2)数据集准备
数据集1:
数据集2:
3)图形对比
4)总结
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:
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15