数据可视化图表辞典：72 个经典图表详解

数据可视化是一门结合设计与数据的艺术。在展示数据时，选择合适的图表至关重要，因为不同的图表类型适合展示不同的数据关系。以下是一份《金融时报》发布的可视化图表辞典，为大家提供指导如何挑选适合的数据可视化形式。

数据可视化图表被分为了九类，分别是离差、相关性、排序、分布、随时间的变化、规模、部分与整体的关系、地理空间和流向。

离差（Deviation）

离差图表 用于强调数据相对于某个参考值（如零或目标值）的变化。这类图表适合展示盈亏变化、态度倾向等。

常用图表包括：

• • 分向条形图 （Diverging bar）：一种简单、标准化的条形图，能同时处理正、 负数值。适合展示正负变化，例如盈亏对比。

• • 分向堆叠条形图 （Diverging stacked bar）：最适合用来展现牵涉到态度（正向/中立负面）的调查结果，用于展示多类别下的正负变化。

• • 成对条形图 （Spine）：将单一数值分成两组对比的组成（例如男性/女性）。用于细化正负变化的对比。

• • 盈余/赤字填充线图 （Surplus/deficit filled line）：阴影部分能展示出一种平衡关系，或者是相对于某个基准线，或者是两组数据之间，展现数据相对于基准线的盈亏动态。

相关性（Correlation）

相关性图表 用于展示两个或多个变量之间的关系。要注意的是，除非你特别说明，许多读者会认为你所展示的两个变量之间存在因果关系（例如一个变量导致另一个变量变化）。

常用图表包括：

• • 散点图 （Scatterplot）：用来展现两个连续变量 关系的标准方式。每一 个变量有自己的轴线。

• • 折线图 + 柱状图 （Line + Column）：能展示一个数量（柱状图）和一个比率（折线图）的关系，适合展示两个变量的趋势对比。

• • 链接散点图 （Connected scatterplot）：通常用来展示两个变量的关系如何随着时间而变化。

• • 泡泡图 （Bubble）：与散点图类似，但会根据第三项变量来决定泡泡的大小，从而增加更多细节。

• • XY 热图 （XY heatmap）：适合展示两组不同类别数据之间的规律，但不适合展示数据的细微差异，利用色阶展示变量间的相关性。

排序（Ranking）

排序图表 强调项目在列表中的位置而非具体数值。这类图表适合用于排名分析。

常用图表包括：

• • 排序条形图 （Ordered bar）：依照顺序排列时，标准条形图更容易显示数值的排序。

• • 排序柱状图 （Ordered column）：同上。

• • 排序比例符号图 （Ordered proportional symbol）：当展示有巨大差异的数值时，或者无需表现数据之间的细微差异时， 使用这类图表。

• • 点状条纹图 （Dot strip plot）：圆点依序在线条上排列 ，能有效使用空间，展现出多重类别的排序。

• • 坡度图 （Slope）：最适合用来展示排序经过一段时间之后的变化 ，或在不同类别间的变化。

• • 棒棒糖图 （Lollipop）：棒棒糖图比标准的条形或柱状图更能吸引人们注意到数值，也能有效表示数据的排序和大小 。

• • 凹凸线图 （Bump）：可以很好地展示排名在多个日期间的变化，对于大的数据集，可考虑用颜色将线条分组。

分布（Distribution）

分布图表 显示数据集中的数值及其出现的频率。分布的形状（或偏离程度）是突出数据的不一致或不平均的方便记忆的方式。

常用图表包括：

• • 直方图 （Histogram）：统计分布的标准呈现方式。要缩小每一个柱状之间的间隙，以凸显数据呈现出的“形状”。

• • 箱线图 （Boxplot）：通过中位数（中值）、 数据范围的呈现，来概括多个数据分布。

• • 小提琴图 （Violin plot）：类似于箱线图，但可以更有效地呈现复杂的分布（当数据无法用简单的平均数来概括）。

• • 人口金字塔 （Population pyramid）：展示人口年龄和性别分布的标准方式。实际上是背对背的直方图。

• • 点状条纹图 （Dot strip plot）：用来呈现分布中个别数值的好方法。如果太多圆点拥有相同大小的值则不宜用。

• • 点状图 （Dot plot）：呈现不同类别数据的变化或范围（最小值/最大值）。

• • 二维条码图 （Barcode plot）：如同点状条纹图，适合在一张图中呈现所有数 据。这样的图表最适合用来凸显个别数值。

• • 累积曲线图 （Cumulative curve）：呈现数据分布不均等的好方法：Y 轴永远是累积频率，X 轴永远是标志值。

• • 频率多边图 （Frequency polygons）：能同时呈现多个数据分布。类似于普通的折线图，最好一次只展现 3 ～4 组数据。

随时间变化（Change over Time） ‍

随时间变化图表 强调趋势的变化。有可能是短期（ 一日内）波动或长到数十年或数百年的改变。为了向读者提供适当的背景信息，选择正确的时间段很重要。

常用图表包括：

• • 折线图 （Line chart）：用来显示时间序列变化趋势的标准方式。如果数据不规则，可以考虑用记号来表示数据点。

• • 柱状图 （Column）：适合用来展示随时间变化的趋势，但通常最好一次只呈现一个数列。

• • 折线图 + 柱状图 （Line column）：适合用来呈现数值（柱状图）和比率（折线）随时间的关系变化。

• • 股价图 （Stock price）：通常着重于数据的每日动向，能呈现每日的开盘、收盘价，以及高点和低点。

• • 坡度图 （Slope）：只要数据能简化为 2 到 3 个点而不损失关键信息 ，此图便很适合用来展现数据的变化。

• • 区域图 （Area chart）：要小心使用。适合展示整体的变迁，但很难看出组成部分的变化。

• • 扇形图（预测） （Fan chart (projections)）：用来呈现未来预测值的不确定性。通常预测越远不确定性越大。

• • 链接散点图 （Connected scatterplot）：适合展示两个变量的数据变化，只要数据有相对明确的规律。

• • 日历式热图 （Calendar heatmap）：适合用来呈现时间规律 （每日、每周、每月） ，但会牺牲数据精确性的展示。

• • 普利斯特利时间轴 （Priestley timeline）：适用于日期和时间长度是数据中的关键因素。

• • 圆圈时间轴 （Circle timeline）：适合展示不同类别数据的不连续数值。

• • 垂直时间轴 （Vertical timeline）：以 Y 轴表示时间。在移动设备上滚动图表时特别能呈现出详细的时间序列。

• • 震波图 （Seismogram）：圆圈时间轴的替代选择 ，适合展示数据大幅变动的数列。