圖表種類繁多，如何選擇正確的圖表達到“一圖勝千言”的效果呢？
根據資料之間的關係，我們可以把圖表分成四個大類，可根據自己的目的（即想表達什麼）來選擇適合的圖表：
🔶比較類：柱形圖、對比柱形圖、分組柱形圖、堆積柱形圖、分割槽折線圖、雷達圖、詞雲、聚合氣泡圖、玫瑰圖
🔶佔比類：餅圖、矩形塊圖、百分比堆積柱形圖、多層餅圖、儀表盤
🔶趨勢關聯類：折線圖、範圍面積圖、面積圖、瀑布圖
🔶分佈類：散點圖、地圖、熱力區域圖、漏斗圖
為了方便大家，我把每類的圖表特點及場景，製作成思維導圖，快快收藏起來吧！
接下來我們逐一介紹：
比較類
1、對比柱形圖
簡介：使用正向和反向的柱子顯示類別之間的數值比較
特點：用於展示包含相反含義的資料的對比，若不是相反含義的建議使用分組柱形圖。
場景舉例：美國大選選舉「民主黨 democrat」與「共和黨 republican」在各州獲得的票數對比。
2、分組柱形圖
簡介：分組柱狀圖經常用於相同分組下，不同類資料的比較。用柱子高度顯示數值比較，用顏色來區分不同類的資料。
特點：相同分組下，資料的類別不能過多。
場景舉例：對2018年第一季度每月飲料、日用品、零食的銷售額作對比。
3、堆積柱形圖
簡介：可以對分組總量進行對比，也可以檢視每個分組包含的每個小分類的大小及佔比，非常適合處理部分與整體的關係。
特點：適合展示總量大小，但不適合對不同分組下同個類別進行對比。
場景舉例：對比周一至週日的訪問量，並顯示出每天使用者從哪些渠道訪問的數目和大致佔比。
4、分割槽折線圖
簡介：分割槽折線圖能將多個指標分隔開，反映事物隨時間變化的趨勢
特點：適合對比趨勢，避免多個折線圖交叉在一起。
場景舉例：對比兩個城市同一段時間的風速走勢。
5、雷達圖
簡介：雷達圖又被叫做蜘蛛網圖，它的每個變數都有一個從中心向外發射的軸線，所有的軸之間的夾角相等，同時每個軸有相同的刻度。
特點：雷達圖變數過多會降低圖表的可閱讀性，非常適合展示效能資料。
場景舉例：對市面上兩款手機的效能進行對比。
6、詞雲
簡介：詞雲是文字大資料視覺化的重要方式，常用於將大量文字中的高頻語句和詞彙高亮展示，快速感知最突出的文字，常用於網站高頻搜尋欄位的統計。
特點：不適合資料量多的文字資料，也不適合資料區分度不大的資料處理。
場景舉例：用詞雲展示搜尋關鍵詞，搜尋次數越多的關鍵詞字型越大。
7、聚合氣泡圖
簡介：聚合氣泡圖中，維度定義各個氣泡，度量定義氣泡的大小、顏色。
特點：不適合區分度不大的資料。
場景舉例：用聚合氣泡圖展示各國確診人數，人數多少與氣泡的大小有關。
8、玫瑰圖
簡介：南丁格爾玫瑰圖的作用與柱形圖類似，主要用於比較，數值大小對映到玫瑰圖的半徑。
特點：資料比較相近時，不適合用餅圖，而是適合用南丁格爾玫瑰圖。
場景舉例：銷售額的大小對映到每個品類的弧度和半徑上，最終形成了玫瑰圖。
佔比類
1、矩形塊圖
簡介：適合展現具有層級關係的資料，能夠直觀體現同級之間的比較。父級節點巢狀子節點，每個節點分成不同面積大小的矩形，使用面積的大小來展示節點對應的屬性。
特點：非常適合帶權的樹形資料，對比各分類的大小關係以及相對於整體的佔比關係。
場景舉例：展示 2011–2017 年的合同金額情況， 2016 年的合同金額最大。
2、百分比堆積柱形圖
簡介：對比同一個分組資料內不同分類的佔比。
特點：同一個分組內不同分類的個數不能過多。
場景舉例：比如下圖顯示了 1986 年至 2016 年期間，民眾對體罰兒童的態度對比變化情況。
3、餅圖/多層餅圖
簡介：多層餅圖指的是具有多個層級，且層級之間具有包含關係的餅狀圖表。多層餅圖適合展示如地理區域資料、公司上下層級、季度月份時間層級等等。
特點：層級和類別都不能過多，過多導致切片過小干擾閱讀。
場景舉例：內圈不同顏色的弧度分別對映每個區域的銷售額，外圈淺色切塊代表該區域下不同城市的銷售額。
4、儀表盤
簡介：儀表盤設定目標值，然後用於展示速度、溫度、進度、完成率、滿意度等，很多情況下也用來表示佔比。
特點：只適合單個指標的資料展示。
場景舉例：Top10門店銷售額佔總銷售額的比重。
趨勢關聯類
1、折線圖（多系列折線圖）
簡介：來體現事物隨時間或其他有序類別而變化的趨勢。
特點：折線數量不能過多，會導致圖表可讀性變差。
場景舉例：該圖展現了自1800年至2017年全世界能源消耗情況，圖中不同顏色的折線代表不同的能源型別。
2、範圍面積圖
簡介：用來展示持續性資料，可很好地表示趨勢、累積、減少以及變化。
特點：展示兩個連續變數的差值的變化趨勢。
場景示例：展示訪問次數和跳出次數的變化趨勢，並透過面積的變化映射出兩者差值量的變化趨勢。
3、普通面積圖
簡介：普通面積圖是在折線圖的基礎上進化而來，也很方便來體現事物隨時間或其他有序類別而變化的趨勢。由於有面積填充，所以比折線圖更能體現趨勢變化。
特點：面積線最好不要超過五條。
場景示例：用兩條面積線分別表示「合同金額」和「回款金額」，不僅能展示出2011 -2017年的走勢，還可以展示出回款金額對合同金額的佔比關係。
4、瀑布圖
簡介：瀑布圖顯示加上或減去值時的累計彙總，通常用於分析一系列正值和負值對初始值（例如，淨收入）的影響
特點：透過懸空的柱形圖，可以更直觀的展現資料的增減變化
場景舉例：第四列的應發工資=第一列的基本工資+第二列的績效工資+第三列的加班工資。
分佈類
1、散點圖
簡介：散點圖 可以顯示資料叢集的形狀，分析資料的分佈。透過觀察散點的分佈，推斷變數的相關性。
特點：散點圖在有比較多資料時，才能更好的體現資料分佈。
場景舉例：例如利用散點圖和警戒線，可以看出身高和體重都超出平均的大多是男生。
2、熱力區域圖
簡介：以特殊高亮的方式展示座標範圍內各個點的權重情況
特點：效果柔化，不適合精確的資料表達，主要用於看分佈。
場景舉例：展示每月 24 小時的氣溫分佈。
3、地圖
簡介：地圖元件即使將資料反映在地理位置上，包括熱力地圖 、區域地圖、流向地圖、點地圖等。
特點：非常直觀的觀察不同區域的資料關係。
場景示例：各國家的流通量，箭頭越粗，流通量越大。
4、漏斗圖
簡介：漏斗圖又稱倒三角圖，漏斗圖從上到下，有邏輯上的順序關係，經常用於流程分析，比如分析哪個環節的流失率異常。
特點：上下之間必須是有邏輯順序關係的，若是無邏輯關係建議使用柱形圖對比。
場景舉例：觀察從搜尋到交易成功的人數變化，並定位對比每一步流失人數。
以上圖表均可以用FineBI進行製作，憑借強勁的大數據引擎，用戶只需簡單拖拽便能制作出豐富多樣的數據可視化信息，自由地對數據進行分析和探索，讓數據釋放出更多未知潛能。FineBI製作視覺化的路徑是：匯入/連線資料 — — 處理資料（合併表、新增資料欄位等） — — 製作圖表 — — 美化呈現。
1 新建分析主題
「分析主題」是你在 BI 中進行數據分析和可視化展示的核心元素。當你需要進行數據分析時，可以創建分析主題并在其中進行自己的業務分析，分析主題中支持進行數據處理、制作可視化圖表和儀表板；同時「分析主題」支持不同用戶之間進行協作編輯，極大的方便了用戶對分析内容的共享。
在「我的分析>全部分析」下「新建分析主題」。如下圖所示：
2 添加數據
新建分析主題後，會自動進入分析主題内的「添加數據」界面，選擇「本地Excel文件>上傳數據」。
3 分析數據
3.1 編輯數據
1）數據上傳成功後，我們可以直接編輯數據。
FineBI 支持新增列、合并數據、分組彙總、過濾排序、字段設置等步驟。
例如，我們分析不同産品的購買數量，需要使用「購買的産品」做維度對購買數量分析，需要改變字段類型。點擊字段表頭修改，完成後「保存并更新」。
完成數據編輯，進入組件的制作。
3.2 添加可視化組件
FineBI 支持用戶将數據通過可視化圖表呈現，更直觀、深層次的觀察數據，并支持在組件中對數據進行分析。接下來，將合同數據使用可視化圖表展現。
⭐️制作表格
我們先制作一張表格，展示合同明細信息。
1️⃣點擊下方的「組件」即可添加可視化圖表。
首先，将左側字段拖入分析區域「合同類型、合同付款類型、合同ID、總金額」，然後選擇圖表類型「分組表」（默認分組表）。如下圖所示：
點擊表中「+」可以展開數據明細。
2️⃣分析數據
在組件我們也可以分析數據，實現字段分組、排序過濾、快速計算、添加計算字段等操作。
3️⃣完成後，在頁面底部，點擊重命名組件爲「合同表」。如下圖所示：
⭐️制作圖表
接下來分析一下不同合同類型的購買數量。
先拖入字段，再選擇圖表類型。FineBI的表格和圖形有多種呈現類型，點擊即可切換。如下圖所示：
1️⃣完成後點擊「添加組件」，繼續添加圖形。如下圖所示：
2️⃣首先，拖入字段「合同類型、購買數量」發現表格展示的不夠直觀；然後，點擊「柱形圖」就清晰的将數據表達出來。如下圖所示：
完成後重命名組件爲「不同合同類型購買數量分析」。
3️⃣分析數據
在組件我們也可以分析數據，實現字段分組、排序過濾、快速計算、添加計算字段等操作。
3.3 制作儀表板
完成組件分析後，可以點擊分析主題底部「添加儀表板」。我們可以将制作的表格圖表，拖入儀表板中，并調整位置。
完成後，可進入「預覽」，查看所有數據分析結果，完成儀表板制作。
4 分享協作
FineBI 可以将分析主題制作好的内容分享給别人。
1️⃣點擊分析主題，可以邀請别人進行「協作」。例如，選擇用戶「demo」進行協作。
2️⃣demo 用戶在「我的分析」中「協作給我的」文件夾下即可找到「分析主題」查看并編輯。
文章來源：李啟方
文章連結：https://mp.weixin.qq.com/s/O7o64B94g_Hl_IN8IGQAQg
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
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~
文章推薦
◆跟資料打交道的人都得會的這8種資料模型，滿足工作中95%的需求
回顧十週入門數據分析系列文：
關注數據君的臉書：
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。按贊我的臉書，會有豐富資料包贈送唷！
