
数据可视化知识贴②:似曾相识面积图
面积图正如我们平时所看到的大山那样,斗转星移沧海桑田,山依然是山。
看上去样子都差不多,但是仔细读来,却又内藏玄机。
面积图也是一种随着时间变化的图表,而且很稳重。
无论你是要梳理出每个月各部门的净收益,或者想看看从上世纪50年代以来各个音乐流派的普及流行程度,相信我,在那些与时间相关的图表中,没有什么比面积图都可以更满足你的需求了。
下面就让我们来好好认识一下这个似曾相识的面积图吧!
这就是前面提到的20世纪各流派音乐流行交互面积图。
了解面积图
面积图描绘了时间序列的关系,不过与线型图不同,它还可以很直观地表示面积大小的不同。
信息被标示在两个轴之间,通过线段将数据点连缀起来,到这里为止,似乎和折线图没有什么不同。
但是一旦我们将这条折线和轴之间的区域涂上颜色的话,意义就不一样了。
一般面积图用与对两种或者两种以上的类别进行比较。
面积图溯源
如果你看过我们《启视录》系列前几篇的话,应该对一个名字非常熟悉了——威廉.普莱菲尔——信息图表的鼻祖!
就是他,发明了前面我们介绍过的饼图、条状图以及,没错,还有今天要说的面积图!
1876年,商业与政治图表 史上第一张面积图
面积图的使用
面积图是用来表述多类别整体运行趋势的完美之选,所以不要试图用它来展示单一的值。
我们也常常用堆积面积图来展示多类别中部分与整体的关系,或者同系列累计的值。
面积图有三种不同的形态,根据数据以及背景的不同,均有其最佳的展示环境。
标准面积图一般用于展示或者比较随时间序列而变化的的定量。不过在很多实际案例中,由于不同的系列太多,面积图的说服力往往不及折线图。不过如果要追求一定的视觉效果的话,相互遮挡的数据点这也是面积图设计饿色之一。
堆积面积图,最佳的使用环境是用于展示部分与整体的关系。较之于饼图,我们可以很明晰地看出,不同的类别在不同时间段上对于整体累计数据所做出的贡献。
这种100%累计面积图,和饼图有点类似。主要是用来展示不同类别所占据的面积大小,这里具体的累计数倒没人去关注了。
面积图设计小贴士
面积图因为高大上的设计,越来越受到图表设计者的欢迎。不过面积图要是设计得不好,读者将很难从你的图表中解读出正确的信息来。下面这几条设计面积图的小贴士,会让你的面积图的b格大为提升。
在堆积面积图中,将波动较大的类别放在最上面,而将波动较小的类别放在最下面。
在标准面积图中,应对数据类别的图层顺序进行排序,并使用透明色,以便看到被遮挡的数据。
太多数据类别会导致图表杂乱,不易分辨
Y轴从非零开始会截断数据,不能反映数据的真实大小和变化趋势
面积图中两个点之间的连线表示中间值,只有连续数据才有中间值。
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在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29