京公网安备 11010802034615号
经营许可证编号:京B2-20210330
[数据分析师]信息图制作教程:关于数值的表现
在信息图的制作和数据可视化过程中,数值的表现是核心,常见的资金量、人数、个数、面积体积等等数值都是信息图中核心要表达的内容。那么这些数值在信息图中的表现有什么技巧呢?本文就给大家介绍常用的数值表现方式。
大家最熟悉的就是柱状图、曲线图和折线图。这三类相对简单,也最为常见,都是利用图形或数据点的高度(或者长度)来表现数值的大小。如图:
一般情况下,这三类图形化方法就已经能够满足可视化的需求,但是,在各项数值相差较大时,这种表现方式就有了问题。如《全球30大媒体的年营收》的数据中,营收最高的谷歌的营收额为379亿美元,而排在30名的Sanoma仅为25亿美元,如果使用常见的柱状图来表现,那么最大值的谷歌将是最小的Sanoma的15倍,我们用Excel做了尝试,在真实比例下效果如下:
如果实在数据报告中,或许这种比例不会有太大影响,但是在什么要求更高的信息图中,这种比例会带来一种不协调的感觉,就是常说的“一边重一边轻”,势必会在一边有很多的留白。另外,为了让小值之间能够清晰分辨,务必会造成最大值很突兀,或者为了控制最大值,让小值之间分辨不清。
那么为了追求美感,我们有木有更好的 表现方式呢?这个问题先放一边,我们来看看柱状图、折线图和面积图表现数值的逻辑。前面已经说过,这三类表现方式都是通过高度或者宽度来表现数值,柱状图的数值体现在矩形的高度,折线图和面积图的数值体现在数据点的高度,概括来说,三类方式的数值表现都是一维的,虽然柱状图有面积,但是其宽度没有具体的表现意义。因而,我们会有这样的思考,可不可以用二维图形,也就是面积来表现数值呢?
我们还是用谷歌和sanoma的数据来举例,两者的数据比例约为15,如果用一维表示,则两者图形的一维比例就是15:1,但那时如果用面积来表示数值呢?绘制两个面积比例为379:25的正方形,那么两个正方形的高度比约为4:1,相对于15:1的比例,减少了在高度上的巨大差别,为设计提供了更多方便而且还不影响用户对数值的理解。
同理,我们也可以用三维的体现方式来展现差距更大的数值。如在《图解力》中作者就提到了用堆砌起来的正方形块来表示军费比例,一个小正方形代表1亿,在图中,超过400倍的比例仍然能够清晰分辨而不显突兀。
另外,针对差别较大的数值,还可以使用视觉透视的方式来处理。在透视视角下,远处的图形会变小,这样处理也能减少数值差别较大时的突兀感。
上面主要讲述了一些常用的数据展现方式和当数据差距较大时的处理方式,在制作信息图中,往往还需要根据发布渠道和版面要求来做合适的处理,信息图设计师除了掌握基本的设计技术,也要发挥聪明才智,表现准确与涉及审美共举,才能设计出优秀的信息图。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21