各种精美图表汇总
- 格式:pptx
- 大小:7.36 MB
- 文档页数:30
精美论文中的15种类型图表以下这些图表在论文中、汇报中都很适用的!1.柱状图适用场景:适用场合是二维数据集(每个数据点包括两个值x和y),但只有一个维度需要比较。
优势:柱状图利用柱子的高度,反映数据的差异,肉眼对高度差异很敏感。
劣势:柱状图的局限在于只适用中小规模的数据集。
(百分比堆积柱状图)2.条形图适用场景:显示各个项目之间的比较情况,和柱状图类似的作用;优势:每个条都清晰表示数据,直观;3.折线图适用场景: 折线图适合二维的大数据集,还适合多个二维数据集的比较。
优势:容易反应出数据变化的趋势。
4.各种地图适用场景:适用于有空间位置的数据集;优劣势:特殊状况下使用,涉及行政区域;(全国地图,只要有经纬度数据全球地图都能做)(区域地图,通过放大镜可以放大或缩小区域)5.饼图(环图)适用场景:适用简单的占比比例图,在不要求数据精细的情况适用。
优势:明确显示数据的比例情况,尤其合适渠道来源等场景。
劣势:肉眼对面积大小不敏感。
6.雷达图适用场景:雷达图适用于多维数据(四维以上),且每个维度必须可以排序,适用场合较有限。
优势:主要用来了解公司各项数据指标的变动情形及其好坏趋向。
劣势:理解成本较高。
7.漏斗图适用场景:漏斗图适用于业务流程多的流程分析。
优势:在网站分析中,通常用于转化率比较,它不仅能展示用户从进入网站到实现购买的最终转化率,还可以展示每个步骤的转化率,能够直观地发现和说明问题所在。
劣势:单一漏斗图无法评价网站某个关键流程中各步骤转化率的好坏。
8.词云适用场景:显示词频,可以用来做一些用户画像、用户标签的工作。
优势:很酷炫、很直观的图表。
劣势:使用场景单一,一般用来做词频。
9.散点图(调整尺寸大小就成气泡图了)适用场景:显示若干数据系列中各数值之间的关系,类似XY轴,判断两变量之间是否存在某种关联。
优势:对于处理值的分布和数据点的分簇,散点图都很理想。
如果数据集中包含非常多的点,那么散点图便是最佳图表类型。
50张经典的数据分析图表1. 散点图(Scatter plot)散点图是用于研究两个变量之间关系的经典的和基本的图表。
如果数据中有多个组,则可能需要以不同颜色可视化每个组。
2. 带边界的气泡图(Bubble plot with Encircling)有时,您希望在边界内显示一组点以强调其重要性。
3. 带线性回归最佳拟合线的散点图 (Scatter plot with linear regression line of best fit)如果你想了解两个变量如何相互改变,那么最佳拟合线就是常用的方法。
下图显示了数据中各组之间最佳拟合线的差异。
针对每列绘制线性回归线:4. 抖动图 (Jittering with stripplot)通常,多个数据点具有完全相同的 X 和 Y 值。
结果,多个点绘制会重叠并隐藏。
为避免这种情况,请将数据点稍微抖动,以便您可以直观地看到它们。
5. 计数图 (Counts Plot)避免点重叠问题的另一个选择是增加点的大小,这取决于该点中有多少点。
因此,点的大小越大,其周围的点的集中度越高。
6. 边缘直方图 (Marginal Histogram)边缘直方图具有沿 X 和 Y 轴变量的直方图。
这用于可视化 X 和 Y 之间的关系以及单独的 X和 Y 的单变量分布。
这种图经常用于探索性数据分析(EDA)。
7. 边缘箱形图 (Marginal Boxplot)边缘箱图与边缘直方图具有相似的用途。
然而,箱线图有助于精确定位 X 和 Y 的中位数、第25和第75百分位数。
相关图用于直观地查看给定数据框(或二维数组)中所有可能的数值变量对之间的相关度量。
9. 矩阵图 (Pairwise Plot)矩阵图是探索性分析中的最爱,用于理解所有可能的数值变量对之间的关系。
它是双变量分析的必备工具。
偏差10. 发散型条形图 (Diverging Bars)如果您想根据单个指标查看项目的变化情况,并可视化此差异的顺序和数量,那么散型条形图 (Diverging Bars) 是一个很好的工具。