視覺化圖表種類還不清楚?快來看看這兩個寶藏網站吧~

--

以下文章來源於DataCharm ,作者寧俊騏

有很多讀者私信小編“有啥系統介紹視覺化型別的學習和參考資料?”。小編平時在繪製視覺化作品時,也會對種類繁多的視覺化圖表選擇和系統繪製無從下手。今天,小編就推薦平時自己參考的視覺化表種類網站,幫你熟悉和完善圖表型別。內容如下:

﹣Chart Guide
﹣datavizproject

Chart Guide

要想對所有視覺化圖表有個清楚的認識和分類,Chart Guide這個優秀的視覺化網址就不得不說下了。其提供豐富的圖表型別和每一種圖表的設計參考,為視覺化愛好者提供詳細參考。接下里小編就詳細介紹這個網站。

1、「網址和主要內容」

Chart Guide的網站為https://chart.guide/。內容包括Choose a Chart和Design a Chart兩個主要部分,前者包含多個視覺化圖表型別,後者則是對每一種圖表進行解釋和設計建議。

2、「圖表種類」:

Chart Guide提供多達6大類圖表型別,分別為:

﹣類別比較型(Comparing Categories)
﹣時間序列型(Change over time)
﹣區域性整體型(Part to whole)
﹣關係或等級型(Relationship or hierarchy)
﹣地理空間型(Geospatial)
﹣資料分佈型(Distribution)

3、「圖表類比展示」

這一部分小編分別列出每一個圖形類別及其多個圖表小類,便於小夥伴們閱讀,如下:

﹣類別比較型(Comparing Categories):顯示不同類別之間的比較,包含的多個子類如下:

類別比較型

﹣時間序列型(Change over time):顯示隨著時間的推移或趨勢的發展,包含的多個子類如下:

時間序列型

﹣區域性整體型(Part to whole):顯示部分與整體的關係,包含的多個子類如下:

區域性整體型

﹣關係或等級型(Relationship or hierarchy):顯示資料點之間的關係或層次,包含的多個子類如下:

關係或等級型

﹣地理空間型(Geospatial)顯示資料集的地理空間位置,包含的多個子類如下:

地理空間型

﹣資料分佈型(Distribution)顯示資料集的分佈,包含的多個子類如下:

資料分佈型

以上就是簡單介紹了這個優質視覺化圖表網站,更多關於各個圖表的詳細內容可參考:chart.guide[1]。

datavizproject

小編第二個介紹的優質網站為datavizproject ,這也是一個優秀的視覺化參考網站,詳細介紹如下:

1、「網址和主要內容」

datavizproject 網址為https://datavizproject.com/。和Chart Guide 不同的是,該網址直接提供所有的圖表型別,可透過相似度(FAMILY)、輸入資料型別(INPUT)、函式(FUNCTION)、形狀(SHAPE) 進行不同型別圖表的篩選。

2、「篩選方式」

這一部分小編直接按照不同篩選方式進行圖表型別的選擇,如下:

﹣相似度(FAMILY)

詳細內容如下:

相似度(FAMILY)篩選示例

﹣輸入資料型別(INPUT)

詳細內容如下:

輸入資料型別(INPUT)篩選示例

﹣函式(FUNCTION)

這一部分也是包含了區域性和整體、空間資料、時間序列等多個類別資料,詳細如下:

函式(FUNCTION)篩選示例

﹣形狀(SHAPE)

詳細內容如下:

形狀(SHAPE)篩選示例

以上就是小編簡單介紹datavizproject網站的內容,更多詳細內容可參考:datavizproject官網[2]。

總結

今天小編介紹了兩個非常優秀的視覺化參考網站Chart Guide和datavizproject。這兩個網站都含有豐富多類的視覺化圖表樣式,可以滿足你視覺化繪製參考需求,希望小夥伴們可以多參考~~

※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※

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

資料視覺化配色八項原則

整理了20款優秀的視覺化工具!

17個驚豔的資料視覺化案例,讓你更懂資料視覺化!

20個小技巧,讓資料視覺化圖表更專業!

--

--

數據分析那些事
數據分析那些事

Written by 數據分析那些事

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/

No responses yet