如何正確使用資料視覺化圖表以及常犯的10個錯誤總結,趕快收藏起來!

視覺化是溝通複雜資訊的強大武器。透過視覺化,我們的大腦能夠更好地抓取和儲存有效資訊,增加資訊的印象。

但如果資料視覺化做的較弱,反而會帶來負面效果。錯誤的表達會損害資料的傳播,完全曲解他們所以優秀的資料視覺化依賴優異的設計,並非僅僅選擇正確的圖表模板那麼簡單。全在於以一種更加有助於理解和引導的方式去表達資訊,儘可能減輕使用者獲取資訊的成本。當然並非所有的圖表製作者都精於此道。下面來總結如何選擇最精確和有趣的方式來視覺化你的資料以及資料視覺化中常犯的10個錯誤,能夠快速提升和鞏固你的視覺化製作水平。

01 條形圖

對於隨時間發展或按多個類別(如不同行業或貨物或兩者)分組的資料集,條形圖是一個可靠的選擇。以下是一些有助於保證條形圖易於閱讀的技巧:

●按發生時間順序排列條形圖。
●按發生時間順序排列條形圖。
●避免對資料由高到低或由低到高排序,按發生時間順序對受眾是更優計量法則。

對於包含多個類別的條形圖,你可以為每個類別建立單獨的圖形,也可以在每個時間標籤上合成多個條形圖(每個類別一個)為一個。這些條可以並排排列,也可以堆疊在一起,如圖中藍芽的互動式年度報告所示:

如果資料集被分組為多個類別,並且沒有時間規律,可將資料由多到少或由少到多排序。這種組織方式有助於迅速得出結論。然而,如果資料累加起來為一個整體,例如分類總收益,用條形圖表現就不是很顯著。對於這種型別的資訊,應該改用餅圖。我接下來很快會說到。

02 折線圖

與條形圖非常類似,折線圖對於顯示隨時間變化的資料或按類別分組的資料非常有用。但線圖可以包含微末細節。對於展示長時間跨度的資訊,或者顯示大量增量變化的資料,折線圖是個極佳的選擇。這是因為折線圖的天然屬性允許它在更細的粒度彎曲和變化。

一張沒人看得懂的漂亮圖表就只是抽象藝術。

事實上,你應該在折線圖只有幾個時間點的資料時小心一點。當你不知道精確的資料來填充兩個已知資料點之間的時間段,只能畫出一條預測的直線。然而,這兩個時期之間的增長率或下降率可能沒那麼線性。因此,折線圖應謹慎使用,並與完整的資料集一起使用,以避免資料失真。

Allen Downey在他的文章中用折線圖舉了一個很好的例子,文章關於是否第一胎嬰兒更可能晚產。他用一個折線圖來描繪九周內出生的可能性:

考慮到這個圖表是基於30000多個數據點(每個點記錄一個真實的出生)的,這些資料完全足夠表徵所有的增量變化,並得出一個平均分佈。

如果不按時間或類別展示資料,使用折線圖則不適合。不過,分類資料有許多有用的圖表運用形式。下面是另一種極佳的選擇展示對於一個整體的比例。

03 餅圖和圈圖

圓圖是被最廣泛使用的資料視覺化形態之一。圓圖包括餅圖(實心)和圈圖(中空,周邊為圓形資料條)。

這種型別的圖表非常流行,糟糕的是,它也是最常被錯誤使用的資料視覺化型別之一。

只有當你展示的各部分加起來是一個整體時,才能使用圓圖。例如,“75%的毛蟲喜歡蘋果”可以用餅圖顯示,因為它指的是所有毛蟲100%中的75%。

你還可以將比例轉換為此目標的百分比。如果資料點是四分之三的毛蟲,那就相當於75%的毛蟲。

不精確的數字視覺化構成了你和受眾之間的信任障礙。

不像條形圖和折線圖,圓圖不能展現增長或減少趨勢。來看一個能表達我意思的案例,一份來自Tubular Insights的影片市場統計。

2016年至2017年間,在YouTube上品牌影片內容瀏覽量增長了99%。下圖中顯示99%的圓圖就不對。這將使它看起來像99%的影片觀看是品牌影片,然而事實並非如此。取而代之的是,您需要帶有兩個條形資料的條形圖,一個表示2016年的基線瀏覽量,另一個表示比該基線增長99%:

這個案例可能不是很直觀。如果你不經常處理百分比資料,百分比的變化可能會很棘手。Investopedia的這張備忘單可以幫助您處理這種型別資料。

如果要使用餅圖來展示隨時間變化的資料,則需要為測量資料的每個時段建立一個新圖表,並將它們一起顯示以進行比較。

04 數量圖

數量圖是一個用重複的符號或圖示展示數量的圖示。一個常見的例子是使用多個人物圖示來展示的人的數量。你可能發現,浴室門上用經典的男女圖示就是這種方法。

數量圖非常適用於較小數量(比如“我們街上新開了12家餐館”)。它們也適用於小百分比或小比例的餅圖。例如,“我們的街上四分之三的餐館[75%]在賣披薩”。

對於較大的數字,數量圖通常不起作用。想象一下,你的統計資料是“2018年售出11214件商品”。你的設計中沒有11214個圖示的空間 — — 如果你認為你有,我建議你再想想!這是一個龐大的數字來一一列舉。所以,很自然聯想到增加一個代表物 — — “1個購物袋=1000件商品”,然後只顯示11個購物袋。沒錯吧?

不精確的數字視覺化構成了你和受眾之間的信任障礙。

你可能是想展示這是一個巨大的,令人印象深刻的數字。但是當你這樣縮減數量,視覺化的效果卻會適得其反。即使有代表物,十一個購物袋看起來可能感覺都沒有那麼大。數字“11214”本身更有說服力。(我會稍後討論為什麼版面設計更適合這些統計資料。)

比例也是相似的情況。例如,想象一下使用數量圖視覺化統計資料“2018年售出的11214件商品中有8370件是杯子”,還是算了!所以如果你需要一個代表物來說明它,數量圖並不是一個合適的選擇。

如果你的統計到目前為止符合數量圖,你該思考下該使用什麼象形圖。注意:象形圖非常簡單,可能會對於嚴肅主題過於貧乏。你不會讓簡單圖示讓你嚴肅主題變得特別瑣碎吧。

如果你的統計體量過大或者不適合象形圖,排版設計是個輕鬆的彌補方案。現在就說說在什麼時候怎麼樣把它結合進你的設計。

05 排版設計

我敢打賭你沒想到在一篇關於資料視覺化的文章中會看到關於排版的部分。但如果使用正確,排版設計確實可以讓資訊生動起來。

事實上,在很多侷限的情形中,排版確實是最好的解決方案。顯然,你不應該僅僅因為做視覺效果而選擇排版。不要尋求老的僅含文字的解決方案!取而代之的是,聰明地使用排版來獲得一個成功而有效的內容。

如果出現以下情況,您的資料點或數字就會是一個很好的排版元素:

●資料很大(大於100)。
●並不是整體的百分比或者增加/減少的百分比。
●資料獨立 — — 不與其他資料比較。

在開始排版之前,請對照上面的每一點檢查你的資料,並考慮我已經討論過的其他型別的資料視覺化。你應該在排版前排除所有其他可能性。這是因為視覺效果明顯地更有吸引力、更有效地吸引你的受眾。然而,視覺效果只有在準確的時候才是有效的。如果你的資料視覺化帶來了困惑或者不精確,那就使用文字。

一個增強排版效果的方法是將它與一個象形圖(就在數量表用的一樣,一個就行)、一個圖示或一個插圖結合起來。這將有助於為觀看者提供有關統計主題的可視上下文,同時讓數字本身表達該有的意思。

這裡挑選了一個針對不同型別資料視覺化(包括排版)案例,其中也包含了排版:

來源:Killer Visual Strategies

在這個例子中,使用數量圖視覺化數字16是有意義的 — — 它是小數字,因此很容易直觀地相加。但是180萬的統計資料如果使用數量圖一一列舉,就會難以理解。正如前文提到的,如果你覺得需要使用一個代表物,比如將每個圖示的數量等同於100或1000個,那麼選擇數量圖就不合適。這就是為什麼很大的數字通常最好留給排版處理。

無論哪種解決方案最適合你的資料,美學考慮橫跨了所有形式的資料視覺化。除了單純地使用合適的資料視覺化技術外,你還必須使用正確的美學語言展示資訊並傳達給受眾。一個有趣的現代霓虹燈式折線圖,可能就不適用於投資者和企業高管。一個平面灰度的餅圖就不合適出現在夏季露營手冊上。

所以,一定要確保形式和功能被同等考慮 — — 因為一張沒人看得懂的漂亮圖表就只是抽象藝術。

01餅圖順序不當

餅圖是一種非常簡單的視覺化工具,但他們卻常常過於複雜。份額應該直觀排序,而且不要超過5個細分。有兩種排序方法都可以讓你的讀者迅速抓取最多的重要資訊

方法一:將份額最大的那部分放在12點方向,逆時針放置第二大份額的部分,以此類推。

方法二:最大部分放在12點,然後順時針放置

02線上狀圖中使用虛線

虛線會讓人分心,而是用實線搭配合適的顏色更容易彼此區分

03資料擺放不直觀

你的內容應該符合邏輯並於直觀的方式引導讀者閱讀資料。對類目進行按字母,次數或數值大小進行排序

04資料模糊化

確保資料不會因為設計而丟失或被覆蓋。例如在面積圖中使用透明效果來確保使用者可以看到全部資料

05耗費讀者更多的精力

要透過輔助的圖形元素來使資料更易於理解,比如在散點圖中增加趨勢線

06錯誤呈現資料

確保任何呈現都是準確的,比如,氣泡圖的大小應該跟數值一樣,不要隨便標註

07在熱圖中使用不同顏色

一些顏色比其他顏色突出,賦予了資料不必要的重元素。反而你應該使用單一顏色,然後透過顏色的深淺來表達

08柱狀過寬或過窄

柱子與柱子之間的間隔最好調整為寬的1/2

09資料對比困難

對比是呈現差異的有效方式,但如果你的讀者不易對比時,效果就大打折扣了。確保資料的呈現方式一致,可以讓你的讀者對比

10使用三維圖

儘管這些圖看來讓人振奮,但3D圖也容易分散預期和擾亂資料,堅持2D是王道

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。各位也可以關注我的Facebook,按讚我的臉書並私訊「10」,送你十週入門數據分析電子書唷!期待你與我互動起來~

文章推選

一張圖講清如何正確應用視覺化圖表,學會後再也不會用錯圖表

從0到1,掌握資料視覺化的基本技巧

資料視覺化|一篇文章詳細解讀Pandas視覺化圖表

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/