惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Jina AI
Jina AI
博客园 - Franky
Apple Machine Learning Research
Apple Machine Learning Research
酷 壳 – CoolShell
酷 壳 – CoolShell
阮一峰的网络日志
阮一峰的网络日志
量子位
雷峰网
雷峰网
宝玉的分享
宝玉的分享
V
Visual Studio Blog
博客园_首页
小众软件
小众软件
The Cloudflare Blog
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
大猫的无限游戏
大猫的无限游戏
博客园 - 聂微东
S
SegmentFault 最新的问题
博客园 - 【当耐特】
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
博客园 - 叶小钗
月光博客
月光博客
博客园 - 三生石上(FineUI控件)
人人都是产品经理
人人都是产品经理
WordPress大学
WordPress大学

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
数据可视化:如何选择合适的图表
冰峰 · 2024-01-31 · via 人人都是产品经理

数据可视化是信息设计领域中至关重要的一部分。本文将探讨如何选择正确的图表,以便在各种情境下清晰、准确地展示数据。

数据可视化是信息设计领域中至关重要的一部分。通过图表和图形的使用,你可以更清晰、更生动地传达数据,帮助观众更容易理解和分析信息。然而,正确选择合适的图表类型对于确保数据有效传达至关重要。本文将探讨如何选择正确的图表,以便在各种情境下清晰、准确地展示数据。这是做好可视化的第一步。

数据可视化的主要目标是通过图形展示数据,使观众能够迅速理解信息,而不至于陷入琐碎的细节中。为了达到这一目标,我们需要首先回答三个关键问题:

  1. 我们有什么数据?
  2. 我们使用图表的目的是什么?
  3. 我们应该选择哪种图表类型?

下面,我们将回答这些问题,以帮助您更好地选择适合您的数据和目标的图表。

一、数据的本质

首先,让我们讨论数据的本质。数据可以是数量性的,也可以是分类的。数量性数据通常表示度量结果,例如销售额、温度、人口等。分类数据用于将项目分类,例如产品类别、地区、性别等。了解您的数据类型对于选择适当的图表至关重要。

二、目标和目的

其次,考虑您使用图表的目的。您是希望使数据更容易理解,还是希望传达特定的信息或趋势?选择合适的图表类型将取决于您的目标。在这里,我们将讨论三种主要的图表目的:

B端体验设计#14

1. 比较类

比较是数据可视化中常见的目的之一。它涉及到显示值与值之间的不同和相似之处。这通常用于展示不同分类间的数值对比或不同时间点的数据对比。如果您需要比较大小、高低或数量,那么柱状图通常是最好的选择。

这里我帮你简化了一下概念:凡是你需要用来比大小、高低、多少的数据就用以下的图表工具。

“谁多谁少,我一眼就看出来了”“这个月东西卖出的多”“这个月跟去年比较下,今年还是多”等等,遇到这种需要比较多,就用柱状图,准没有错。

B端体验设计#14

2. 趋势类

趋势类图表的主要目的是显示数据在连续区域上的分布和变化规律,以展示数据在连续区域上的大小变化趋势。在这一类情境下,折线图和面积图尤其适合用于呈现数据。折线图强调数据的具体值,帮助用户追踪趋势,而面积图则不仅强调趋势,还突出了数据的分布情况。

你可以将这类图表视作变化的绘本,它们展示了数据如何随时间、位置或其他连续维度而变化。

你可以这样去理解:这里开始已经计算比例了,它有上、下的变动,犹如心电图表一样,是有波动的,那么需要看整体,看好、坏,是上升、还是下降的。

B端体验设计#14

3. 占比类

占比的目的是显示同一维度上的占比关系。饼图通常用于表示同类数据的占比分布。但要注意,不要展示太多分块,通常不超过9个,以保持清晰度。

B端体验设计#14

4. 分布类

最后,分布的目的是查看数据分散在一个区间或分组的情况。分布类图表通常用于查看两个变量之间的关系和相关性。

B端体验设计#14

举个例子:这里要比男生跟女生的身高跟体重的关系。

B端体验设计#14

B端体验设计#14

所有的数据点比较集中,(体重在60-70,身高在160-180)呈正相关关系,即身高越高,相应的体重会越大。

三、选择正确的图表

为了选择正确的图表类型,您需要根据数据类型和图表目的来挑选。在这里,这里有了一份小小的指南,以帮助你更好地选择合适的图表:

  • 比较:如果您需要比较大小、高低或数量,柱状图通常是最佳选择。
  • 趋势:如果您希望展示数据在连续区域上的变化规律,折线图和面积图是很好的选择。
  • 占比:如果您要表示占比关系,饼图、环形图是一个不错的选择。
  • 分布:如果您需要查看两个变量之间的关系和相关性,分布类图表是最适合的。

90%数据都逃不过这几类图表,所以先选大方向,然后在相应的类型挑选合适的图表,这样就比较容易出正确的图表了。

总结

数据可视化是帮助人们更好地理解和分析数据的重要工具。选择正确的图表类型是确保数据有效传达的关键一步。无论你是在比较、展示趋势、表示占比还是查看数据分布,合适的图表类型都将使你的数据更具可读性,让观众更容易理解和记忆。

设计原则告诉我们,好的数据可视化不仅仅是美观,更重要的是有效传达信息,这才是设计关键。【知识扩展】

B端体验设计#14

这些图表专门做了对应的场景,赶紧去找找跟你的业务合适的图表吧。

AntV:https://antv.antgroup.com/

Echart:https://echarts.apache.org/zh/index.html

Highchart:https://www.hcharts.cn/

Chartjs: https://www.chartjs.org/

Plotly: https://plotly.com/graphing-libraries/

Anychart: https://www.anychart.com/

图之典:http://www.tuzhidian.com/

Flourish:https://flourish.studio/examples/

本文由@冰峰大虾 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。