
条形图,应该也是大家非常熟悉的一种图表了。
条形图的识别度极高,用它来视觉化地传达具体数字背后的意义,干净又利落,复杂的数据到了这里,顿时变得一目了然。
现在就让我们看看是什么让条形图如此伟岸,如此传奇,然后再来讨论怎样才能驾驭好条形图吧。
条形图基本上是由长短不一的条形或柱形组成的。竖过来的是柱子,横过来的是条子。
简单来说,柱子或条子的长度代表了他们的值。
条形图中还应该包括两个轴,虽然有时候并不出现,但是一条轴是类别,而另一条轴则显示数值。
万无一失烤肉秘籍
2.条形图的渊源
据不可靠记载,最早的条形图是由14世纪法国人Nicole Oresme发明的。为了描述大名鼎鼎的艾萨克.牛顿爵士关于自由落体的速度与时间的关系,他发明了条状图。
不过用现在眼光看来,这个条状图实在太原始和粗糙了,连数据也没有!
而真正意义的条状图的出现和成功,还要归功于我们前面所提到的那位数据可视化的先驱:William Playfair,他首先将条状图应用与他1878年的大作:《商业和政治地图集》(The Commercial and Political Atlas)之中。
在1801年的修订版中,William Playfair提到了他正在从事一些图表研究,然后发明了一些比较新鲜的描述数据的方式:
“That I have succeeded in proposing and putting into practice a new and useful mode of stating accounts, has been generally acknowledged, that it remains only for me to request that those who do not, at the first sight, understand the manner of inspecting the Charts, will read with attention the few lines of directions facing the first Chart, after which they will find all the difficulty entirely vanish, and as much information may be obtained in five minutes as would require whole days to imprint on the memory, in a lasting manner, by a table of figures.”
(我已经成功地发明了一种新的模式并将其付诸实践,并取得了大众的一致认可。不仅仅是我,任何人对看到这些图表都会一见钟情。只需要简单地扫两眼,你就会发现再也没有以前那种晦涩难懂的感觉。以前读一个表,差不多要一天的时间才能慢慢了解,而现在只要5分钟就搞定了!)
苏格兰1871年与17个国家出口进口贸易的统计图
Playfair手稿:1565-1821年收割季节一个熟练工的工资比较
3.如何使用条状图
首先要知道,条状图只能用于离散数据,而且条状图,必须基于具体的数据才能够画的出来,比方说
4.条状图的变种
标准的条状图,是由对齐好的横向或者竖过来的条子组成的。垂直方向的条状图,一般应用于按时间序列排序的数据或者有正负对比的数据。
当使用水平方向的条状图的时候,最好是用于比较不同的类别
堆积柱形图,可以用来表示部分和整体的关系
在上面这个例子中,各个类别的占比才是关键信息,而且很好地解决了上一节中提到的多个饼图无法比较的问题。
5.关于条状图的最佳设计实践
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14