這 7 類圖表，讓你的報告瞬間變高級

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

文章圖片

在數據分析和報告撰寫中，圖表是傳遞信息、展示趨勢和揭示數據背后故事的關鍵工具。然而，并非所有圖表都能有效地傳達復雜的信息，也不是所有圖表都適合特定的數據類型。本文將為你介紹7類能夠提升報告水平的高級圖表，包括它們的設計思路和適用場景。

在《Fundamentals of Data Visualization》這本書中，作者介紹了一些數據可視化的案例和原則，可以讓你的報告瞬間變高級。
下面分類匯總 7 類能提升報告水平的圖表，簡單剖析它們的設計思路，并講一講數據背后的故事。

一、對比下面是一張熱力圖，它展示了 20 個國家/地區的互聯網用戶百分比，包括從 1994 年到 2016 年總共 23 年的數據，其中每個方塊代表一個國家/地區在某一年的互聯網用戶百分比，顏色越明亮，對應的數值越大，按照 2016 年的數據降序排列。
雖然這種圖表難以確定具體的數值（例如 2016 年中國互聯網用戶的確切百分比是多少？），但它可以清晰地展示數據的變化趨勢。
通過顏色明亮程度的對比，我們可以清楚地看出，隨著時間的推移，各國的互聯網用戶占比在不斷增加，其中有些國家/地區起步相對較早，但 2016 年的排名相對靠后，例如 United States（美國）。
而有些國家/地區雖然起步相對較晚，但互聯網發展迅速，例如 Israel（以色列）和 France（法國）。
為了彌補熱力圖難以知道確切數值的不足，我們可以在方塊內顯示具體的數值。

二、分布下面是一張密度圖，它展示了 4 種不同奶牛的乳脂率分布。
從中可以快速看出， Holstein-Friesian（荷蘭牛）的乳脂率比較低，且相對比較集中；而 Jersey（澤西牛）的乳脂率比較高，且相對比較分散。
下面是一張 Sina 圖，它把原始數據繪制成一定范圍內隨機抖動的點，并用小提琴圖展示數據的分布情況。
圖中顯示了每一天的平均氣溫，并按照月份進行分組。可以看出 6-8 月份的平均氣溫明顯比較高，且溫差比較?。歡?12 月份的平均氣溫明顯比較低，且溫差比較大。
Sina 圖是為了紀念首次用代碼制作此類圖表的人，他的名字叫 Sina Hadi Sohi ，跟新浪沒有什么關系。

三、比例餅圖是展示比例的常見圖表，但在數據科學家中備受詬病，因為當整體被分成很多部分時，難以對比不同部分的差別。
當數據可視化的目標是強調簡單的分數，比如 1/2、1/3 時，餅圖是一個不錯的選擇。
在下面的例子中，展示了德國議會三個黨派的成員數。
其中 CDU/CSU 的占比接近 50% ，而 SPD 的占比很小。
如果把數據標簽換成百分比的形式，不同黨派的比例數據會更準確。
下面是一張百分比堆疊柱狀圖，直觀地展現了男女比例隨時間變化的趨勢，大約從 1980 年開始，名字叫 Riley 的女性開始增加。
為了準確判斷何時女性成為多數，圖中添加了一條水平的虛線，位于 50% 的地方。基于這條虛線，我們可以知道，大約在 2003 年之后，女性占比超過了男性。

四、關系如果想要展示兩個變量之間的關系，散點圖是一個比較好的選擇。
例如，下圖展示了知更鳥的頭長與體重的關系。
從圖中可以看出，在相同體重的情況下，雄鳥的頭部通常更長，而雌鳥則相對較短。
我們還可以把點的大小，映射到另一個變量上，從而得到氣泡圖。

五、時間序列用折線圖來表示時間序列，是一種比較普遍的做法，它能體現數據的整體趨勢。
下圖展示了預印本服務器 arXiv.org 在定量生物學（q-bio）領域每月預印本數量的變化趨勢，從 2007 年到 2013 年，每月數量呈現快速增長的趨勢，但隨后突然停止增長。
是什么原因導致數量增長發生劇烈變化呢？
我們運用數據分析的溯源思維，去深入了解一下數據背后的故事。
原來在 20 世紀 90 年代，隨著互聯網的發展，物理學家意識到，把論文草稿放在一個服務器中更高效，于是發明了預印本服務器，讓科學家可以上傳、下載和搜索尚未正式發表的預印本。
該平臺建立后不久，開始向相關領域擴展并流行起來，包括數學、天文學、計算機科學、統計學、定量金融學和定量生物學等。
2013 年 11 月，生物學專業預印本服務器 bioRxiv 正式上線，這是一家在生物學家中享有極高聲譽的出版社（CSHL）推出的，迅速獲得了生物學家們的認可，每月預印本數量呈現指數級增長，很快就超過了 arXiv 。
從圖中可以直觀地看出， arXiv q-bio 的增長停滯，與 bioRxiv 迅速增長的時間正好吻合。很多原本會把預印本上傳至 q-bio 的科學家，似乎轉而選擇了 bioRxiv 。

六、地理空間有些與現實世界中位置相關的數據，例如美國每個縣的人口密度，即每平方公里的人數，可以在地圖中用顏色的深淺來表示。
顏色越深的區域，代表人口數量越多。
從圖中可以看出，美國東海岸的主要城市人口比較密集，而西部平原地區的人口密度較低，阿拉斯加的人口特別稀疏。

七、不確定性幾乎所有數據都存在一定程度的不確定性，我們該如何在圖表中體現這種不確定性呢？
有兩種常用的方法：一種是誤差線，另一種是置信帶。
例如，在柱形圖的上方顯示誤差線，表示平均值 +/- 一個標準誤差。
誤差線比較長，代表數據波動比較大；反之，誤差線比較短，則代表數據波動比較小。
從圖中可以看出， Jersey（澤西牛）的平均脂肪含量比較高，且數據波動比較大。
下圖用置信帶來展示趨勢線的不確定性，其中藍色直線是對散點圖的最優線性擬合，它周圍的灰色區域是置信帶，代表統計學中 95% 的置信水平。
基于體重與頭長的關系，我們可以根據體重數據，大致預估頭長的范圍。

最后的話在數據的海洋中，圖表不僅是視覺的享受，更是洞察世界的鑰匙。掌握好這把鑰匙，你便能在信息的迷霧中，找到前行的方向。
數據可視化，不是簡單的呈現，而是與數據對話的藝術。每一次凝視圖表的背后，都是對現實世界的深刻理解與洞察。
讓每一個數字都有溫度，讓每一張圖表都有故事——這是數據的魅力，也是你的能力。
用事實數據和邏輯推理來傳遞洞見，把數據可視化圖表融入到故事中，以便更好地吸引和激發受眾。
選擇一款適合自己的數據可視化軟件，最好是能快速探索、制作、修改和復現圖表的軟件。
我在「數據化分析案例庫」中，分享了很多用 AI 和 Python 制作各種圖表的案例，涵蓋了不同的領域和應用場景，希望能幫助你更好地理解和應用數據。
轉發這篇文章，不只是分享知識，更是傳遞一種思維的力量。
愿你在數據分析的路上越走越遠，用數據點亮生活的每一處角落。
本文由人人都是產品經理作者【林驥】，微信公眾號：【林驥】，原創/授權發布于人人都是產品經理，未經許可，禁止轉載。
【這 7 類圖表，讓你的報告瞬間變高級】題圖來自Unsplash ，基于 CC0 協議。