前言：
随着时代的发展，会有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。
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
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：
（1）堆积柱状图。比较同类别各变量和不同类别变量总和差异。
（2）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
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：
（1）堆积条形图。比较同类别各变量和不同类别变量总和差异。
（2）百分比堆积条形图。适合展示同类别的每个变量的比例。
（3）双向柱状图。比较同类别的正反向数值差异。
3. 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：
（1）面积图。用面积展示数值大小。展示数量随时间变化的趋势。
（2）堆积面积图。同类别各变量和不同类别变量总和差异。
（3）百分比堆积面积图。比较同类别的各个变量的比例差异。
4. 柱线图
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
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：
（1）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。
篇幅有限，本篇文章只介绍五种图表，另附Smartbi——一款国产软件的可视化效果图：
联系客服
