数据分析中常用的10种图表及制作过程

⼗种常⽤的数据分析⽅法01 细分分析 细分分析是分析的基础，单⼀维度下的指标数据的信息价值很低。

细分⽅法可以分为两类，⼀类逐步分析，⽐如：来北京市的访客可分为朝阳，海淀等区；另⼀类是维度交叉，如：来⾃付费SEM的新访客。

细分⽤于解决所有问题。

⽐如漏⽃转化，实际上就是把转化过程按照步骤进⾏细分，流量渠道的分析和评估也需要⼤量⽤到细分的⽅法。

02 对⽐分析 对⽐分析主要是指将两个相互联系的指标数据进⾏⽐较，从数量上展⽰和说明研究对象的规模⼤⼩，⽔平⾼低，速度快慢等相对数值，通过相同维度下的指标对⽐，可以发现，找出业务在不同阶段的问题。

常见的对⽐⽅法包括：时间对⽐，空间对⽐，标准对⽐。

时间对⽐有三种：同⽐，环⽐，定基⽐。

例如：本周和上周进⾏对⽐就是环⽐；本⽉第⼀周和上⽉第⼀周对⽐就是同⽐；所有数据同今年的第⼀周对⽐则为定基⽐。

通过三种⽅式，可以分析业务增长⽔平，速度等信息。

03 漏⽃分析 转化漏⽃分析是业务分析的基本模型，最常见的是把最终的转化设置为某种⽬的的实现，最典型的就是完成交易。

但也可以是其他任何⽬的的实现，⽐如⼀次使⽤app的时间超过10分钟。

漏⽃帮助我们解决两⽅⾯的问题： 在⼀个过程中是否发⽣泄漏，如果有泄漏，我们能在漏⽃中看到，并且能够通过进⼀步的分析堵住这个泄漏点。

在⼀个过程中是否出现了其他不应该出现的过程，造成转化主进程收到损害。

04 同期群分析 同期群（cohort）分析在数据运营领域⼗分重要，互联⽹运营特别需要仔细洞察留存情况。

通过对性质完全⼀样的可对⽐群体的留存情况的⽐较，来分析哪些因素影响⽤户的留存。

同期群分析深受欢迎的重要原因是⼗分简单，但却⼗分直观。

同期群只⽤简单的⼀个图表，直接描述了⽤户在⼀段时间周期（甚⾄是整个LTV）的留存或流失变化情况。

以前留存分析只要⽤户有回访即定义为留存，这会导致留存指标虚⾼。

05 聚类分析 聚类分析具有简单，直观的特征，⽹站分析中的聚类主要分为：⽤户，页⾯或内容，来源。

讲解Excel的16种图表类型的“含义”，知道该怎么画图了！⼤家都知道，相同的数据，使⽤不同的图表进⾏体现，效果也会千差万别，那么我们应该如何正确选择，才能让图表的作⽤发挥到极致呢？1．柱形图柱形图是最常见的图表类型，它的适⽤场合是⼆维数据集（每个数据点包括两个值，即X和Y），但只有⼀个维度需要⽐较的情况。

例如，如下图所⽰的柱形图就表⽰了⼀组⼆维数据，【年份】和【销售额】就是它的两个维度，但只需要⽐较【销售额】这⼀个维度。

柱形图通常沿⽔平轴组织类别，⽽沿垂直轴组织数值，利⽤柱⼦的⾼度，反映数据的差异。

⼈类⾁眼对⾼度差异很敏感，辨识效果⾮常好，所以⾮常容易解读。

柱形图的局限在于只适⽤中⼩规模的数据集。

通常来说，柱形图⽤于显⽰⼀段时间内数据的变化，即柱形图的X轴是时间维的，⽤户习惯性认为存在时间趋势（但表现趋势并不是柱形图的重点）。

遇到X轴不是时间维的情况，如需要⽤柱形图来描述各项之间的⽐较情况，建议⽤颜⾊区分每根柱⼦，改变⽤户对时间趋势的关注。

如下图所⽰为7个不同类别数据的展⽰。

2．折线图折线图也是常见的图表类型，它是将同⼀数据系列的数据点在图上⽤直线连接起来，以等间隔显⽰数据的变化趋势，如下图所⽰。

折线图适合⼆维的⼤数据集，尤其是那些趋势⽐单个数据点更重要的场合。

折线图可以显⽰随时间⽽变化的连续数据（根据常⽤⽐例设置），它强调的是数据的时间性和变动率，因此⾮常适⽤于显⽰在相等时间间隔下数据的变化趋势。

在折线图中，类别数据沿⽔平轴均匀分布，所有的值数据沿垂直轴均匀分布。

折线图也适合多个⼆维数据集的⽐较，如下图所⽰为两个产品在同⼀时间内的销售情况⽐较。

不管是⽤于表现⼀组或多组数据的⼤⼩变化趋势，在折线图中数据的顺序都⾮常重要，通常数据之间有时间变化关系才会使⽤折线图。

3．饼图饼图虽然也是常⽤的图表类型，但在实际应⽤中应尽量避免使⽤饼图，因为⾁眼对⾯积的⼤⼩不敏感。

例如，对同⼀组数据使⽤饼图和柱形图来显⽰，效果如下图所⽰。

常用数据分析方法：聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析；问卷调查常用数据分析方法：描述性统计分析、探索性因素分析、Cronbach’a信度系数分析、结构方程模型分析(structural equations modeling) 。

数据分析常用的图表方法：柏拉图(排列图)、直方图(Histogram)、散点图(scatter diagram)、鱼骨图（Ishikawa）、FMEA、点图、柱状图、雷达图、趋势图。

数据分析统计工具：SPSS、minitab、JMP。

常用数据分析方法:1、聚类分析（Cluster Analysis）聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。

聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。

聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。

聚类分析所使用方法的不同，常常会得到不同的结论。

不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。

2、因子分析（Factor Analysis）因子分析是指研究从变量群中提取共性因子的统计技术。

因子分析就是从大量的数据中寻找内在的联系，减少决策的困难。

因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。

这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。

在社会学研究中，因子分析常采用以主成分分析为基础的反覆法。

3、相关分析（Correlation Analysis）相关分析（correlation analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度。

相关关系是一种非确定性的关系，例如，以X和Y分别记一个人的身高和体重，或分别记每公顷施肥量与每公顷小麦产量，则X与Y显然有关系，而又没有确切到可由其中的一个去精确地决定另一个的程度，这就是相关关系。

数据分析中常用的10种图表柱形图和线图的结合，可以同时展示两个不同的数据系列，例如工资和其他收入的对比，以及工资占其他收入的比例变化趋势。

6散点图散点图用于显示两个变量之间的关系，可以用来发现变量之间的相关性和异常值。

7气泡图气泡图是一种散点图，可以用来显示三个变量之间的关系，其中第三个变量用气泡的大小来表示。

8饼图饼图用于显示各部分占总体的比例，适用于数据种类较少的情况。

9雷达图雷达图用于显示多个变量的相对大小，可以用来比较不同变量之间的差异。

10热力图热力图用于显示数据在二维平面上的分布情况和密度，适用于大量数据的可视化展示。

工资收入占收入的比例为了更好地展示工资收入占总收入的比例，我们可以绘制一个两轴线柱形图。

首先绘制一个柱形图，如下图所示：然后，选中要更改的数据，右键单击选择“设置数据系列格式”，在弹出的对话框中将“系列选项”中的“系统绘制在”更改为“次坐标轴”，如下图所示：接下来，选中绿色柱子，将其更改为折线图，即可得到如下图所示的结果：通过主次坐标柱和折线的组合，我们可以更清晰地了解收入情况和占比情况，同时在一个图表中展示，方便分析。

条形图条形图是一种横向的柱状图，用于比较各项数据。

例如，我们可以使用条形图来比较各省份的GDP或不同地级市的资源储量或客户数量等。

三维饼图三维饼图可以用来展示不同类别数据的占比情况。

例如，下图展示了1月份三种家用电器的销售量占比情况：复合饼图复合饼图可以用来展示不同状态的信息占比情况。

例如，下图展示了电话拜访结果的信息状态：母子饼图母子饼图可以用来展示项目的组成结构和比重。

例如，下表展示了三类食材的费用情况：通过母子饼图可以更直观地了解不同食材的费用比例。

经过对2006年和2007年某公司在各地区销售额的比较分析，可以发现柱状图在2007年得到了广泛应用。

在A、B、C、D四个区域中，销售额的差异非常明显。

其中，A区的销售额最高，B区次之，C区又次之，D区的销售额最低。

常用数据分析方法有那些文章来源：ECP数据分析时间：2013/6/28 13:35:06发布者：常用数据分析（关注：554）标签：本文包括：常用数据分析方法：聚类分析、因子分析、相关分析、对应分析、回归分析、方差分析；问卷调查常用数据分析方法：描述性统计分析、探索性因素分析、Cronbach’a 信度系数分析、结构方程模型分析(structural equations modeling) 。

数据分析常用的图表方法：柏拉图(排列图)、直方图(Histogram)、散点图(scatter diagram)、鱼骨图（Ishikawa）、FMEA、点图、柱状图、雷达图、趋势图。

数据分析统计工具：SPSS、minitab、JMP。

常用数据分析方法:1、聚类分析（Cluster Analysis）聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。

聚类是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。

聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。

聚类分析所使用方法的不同，常常会得到不同的结论。

不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。

2、因子分析（Factor Analysis）因子分析是指研究从变量群中提取共性因子的统计技术。

因子分析就是从大量的数据中寻找内在的联系，减少决策的困难。

因子分析的方法约有10多种，如重心法、影像分析法，最大似然解、最小平方法、阿尔发抽因法、拉奥典型抽因法等等。

这些方法本质上大都属近似方法，是以相关系数矩阵为基础的，所不同的是相关系数矩阵对角线上的值，采用不同的共同性□2估值。

在社会学研究中，因子分析常采用以主成分分析为基础的反覆法。

3、相关分析（Correlation Analysis）相关分析（correlation analysis），相关分析是研究现象之间是否存在某种依存关系，并对具体有依存关系的现象探讨其相关方向以及相关程度。

数据可视化常用的数据分析图表总结数据可视化是指通过图表、图形等可视化方式展示数据，以便更直观地理解数据的含义和趋势。

在数据分析过程中，常用的数据分析图表有许多种，每种图表都有其适合的场景和表达方式。

下面将对常用的数据分析图表进行总结，以便于读者更好地选择和使用。

1. 折线图（Line Chart）折线图是用连续的折线将数据点连接起来，以展示数据随时偶尔其他连续变量的变化趋势。

折线图适合于展示数据的趋势、周期性变化以及多个变量之间的关系。

2. 柱状图（Bar Chart）柱状图通过不同高度的矩形柱来表示数据的大小或者比较不同类别之间的差异。

柱状图适合于比较不同类别的数据，如不同产品的销售额、不同地区的人口数量等。

3. 饼图（Pie Chart）饼图将数据分成几个扇形区域，每一个扇形区域的角度表示该数据所占的比例。

饼图适合于展示数据的占比关系，如不同产品的市场份额、不同地区的销售比例等。

4. 散点图（Scatter Plot）散点图用点的位置表示两个变量之间的关系，可以用于发现变量之间的相关性或者离群值。

散点图适合于展示两个连续变量之间的关系，如身高与体重的关系、销售额与广告投入的关系等。

5. 箱线图（Box Plot）箱线图通过展示数据的分布情况，包括中位数、上下四分位数、异常值等，来匡助理解数据的整体特征。

箱线图适合于展示数据的分布情况和离群值的存在。

6. 面积图（Area Chart）面积图通过填充折线与坐标轴之间的区域来表示数据的大小或者比较不同类别之间的差异。

面积图适合于展示数据的积累变化趋势，如不同产品的销售额积累情况等。

7. 热力图（Heatmap）热力图通过不同颜色的方块来表示数据的大小或者密度，可以用于展示数据的分布情况和相关性。

热力图适合于展示大量数据的关联性和热点区域。

8. 散点矩阵图（Scatter Matrix）散点矩阵图是多个散点图的组合，可以同时展示多个变量之间的关系，匡助发现变量之间的模式和相关性。

数据分析中常用的10 种图表1 折线图折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。

表 1 家用电器前半年销售量月份冰箱电视电脑平均销售量合计1 月68 45 139 84 2522 月33 66 166 88 2653 月43 79 160 94 2824 月61 18 115 65 1945 月29 19 78 42 1266 月22 49 118 63 189200150冰箱10079 电视6650 45 49 电脑18 191月2月3月4月5月6月图 1数点折线图300160250139166200115 118 电脑15078 电视100冰箱501月2月3月4月5月6月图 2 堆积折线图100%80%60%电脑40%电视20%冰箱0%1月2月3月4月5月6月图 3 百分比堆积折线图2柱型图柱状图主要用来表示各组数据之间的差别 。

主要有二维柱形图、 三维柱形图、圆柱图、圆锥图和棱锥图。

200 150冰箱 100 电视 50 电脑1月2月3月4月5月6月图 4 二维圆柱图3 堆积柱形图堆积柱形图不仅可以显示同类别中每种数据的大小还可以显示总量的大小。

300 250200 电脑 150 电视 100 冰箱 501月2月3月4月5月6月图 5 堆积柱形图100%80%13916011560% 16678118电脑 40% 4518电视1966 7949冰箱 20%6861290% 33 43221月2月3月 4月5月 6月图 6 百分比堆积柱形图百分比堆积柱形图主要用于比较类别柱上每个数值占总数的百分比，该图的目的是强调每个数据系列的比例。

4 线-柱图180160140120冰箱100电视80电脑60 平均销售量40201月2月3月4月5月6月图7 线-柱图这种类型的图不仅可以显示出同类别的比较，更可以显示出平均销售量的趋势情况。

5两轴线 -柱图月份工资收其他收入工资占其他收入的百分入（元）（元）比1 月5850 1200048.75%2 月5840 1500038.93%3 月4450 2000022.25%4 月6500 1000065.00%5 月5200 1800028.89%6 月5500 3000018.33%3500070.00%3000060.00% 工资收入2500050.00%2000040.00% 其他收入1500030.00%1000020.00% 工资占其5000 10.00% 他收入的0 0.00% 百分比1月2月3月4月5月6月图 8 两轴线 -柱图操作步骤： 01绘制成一样的柱形图，如下表所示：350003000025000工资收入20000其他收入1500010000 工资占其他收入的百分比50001月2月3月4月5月6月图1操作步骤 02：左键单击要更改的数据，划红线部分所示，单击右键选择【设置数据系列格式】，打开盖对话框，将【系列选项】中的【系统绘制在】更改为“次坐标轴” ，得到图 4 的展示结果。

33种经典图表类型总结随着时代的发展，越来越多的数据量堆积，然而这些密密麻麻的数据的可读性较差并且毫无重点，而数据可视化更加直观有意义，更能帮助数据更易被人们理解和接受。

因此运用恰当的图表实现数据可视化非常重要，本文归结图表的特点，汇总出一张思维导图，帮助大家更快地选择展现数据特点的图表类型。

▲图表类型-思维指南接下来我将依次介绍常用图表类型，分析其适用场景和局限，从而帮助大家通过图表更加直观的传递所表达的信息。

1. 柱状图▲柱状图展示多个分类的数据变化和同类别各变量之间的比较情况。

适用：对比分类数据。

局限：分类过多则无法展示数据特点。

相似图表：堆积柱状图。

比较同类别各变量和不同类别变量总和差异。

百分比堆积柱状图。

适合展示同类别的每个变量的比例。

2.条形图▲条形图类似柱状图，只不过两根轴对调了一下。

适用：类别名称过长，将有大量空白位置标示每个类别的名称。

局限：分类过多则无法展示数据特点。

相似图表：堆积条形图。

比较同类别各变量和不同类别变量总和差异。

百分比堆积条形图。

适合展示同类别的每个变量的比例。

双向柱状图。

比较同类别的正反向数值差异。

3. 折线图▲折线图展示数据随时间或有序类别的波动情况的趋势变化。

适用：有序的类别，比如时间。

局限：无序的类别无法展示数据特点。

相似图表：面积图。

用面积展示数值大小。

展示数量随时间变化的趋势。

堆积面积图。

同类别各变量和不同类别变量总和差异。

▲柱线图[1]结合柱状图和折线图在同一个图表展现数据。

适用：要同时展现两个项目数据的特点。

局限：有柱状图和折线图两者的缺陷。

5. 散点图▲散点图用于发现各变量之间的关系。

适用：存在大量数据点，结果更精准，比如回归分析。

局限：数据量小的时候会比较混乱。

相似图表：气泡图。

用气泡代替散点图的数值点，面积大小代表数值大小。

▲饼图用来展示各类别占比，比如男女比例。

适用：了解数据的分布情况。

缺陷：分类过多，则扇形越小，无法展现图表。

相似图表：环形图。