数据可视化Data Visualization需要哪些图表技能？

表格数据虽然应用广泛，但它有一个很大的问题——与我们的大脑不兼容。但如果可以用视觉效果呈现数据，你的分析将会非常出色！

绝大多数数据都存储在表格中，这是能够让计算机理解的最佳形式。然而，人类是视觉生物，我们更擅长理解视觉数据。用图表表示呈现数据就很不一样了；在此基础之上，选择正确的图表类型也非常重要。本文将为你介绍这些图表的类型，以及他们的最佳应用场景。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
用SQL分析——用户参与度和活动直方图的分析
如何用Power BI 创建完美图表
分析了2020年北美5500个数据科学岗位，我们用这8张图给你总结了求职热点
Plotly实现5种经典简便的可互动图表

有些图表更适合表示数字数据(1,1.2,3,4…)，而有些则擅长将分类数据可视化(猫，狗…)。图表还可以根据可以可视化的数据维度(表格数据的列)进行分类。

• 条形图（Bar Chart）

到目前为止，我认为最有用的图表就是条形图，因为它适用于大多数情况。条形图非常适合呈现数字，并对数据进行分类。通常，该图表可以呈现 1 – 2 个数据维度，但你可以用分组（也称为分组条形图Grouped bar chart）来添加更多维度，一般分为水平方向条形图，以及垂直方向条形图（也称为柱状图）。

• 线型图（Line chart）

日期-时间的数据非常常见，折线图是可视化这类数据的最佳图表之一。即便有多个数据维度，我们也可以通过线型图轻松地读取数据，但是，这些数据值必须在相近的范围内。折现图能够可视化趋势及季节的能力，他的价值是无法衡量的。

• 直方图（Histogram）

在处理数值数据时，常常会先检查数的据分布，这就是直方图的作用。直方图可以呈现一个值在数据集中出现的频率，帮助你检测偏斜度（skewness）、异常值（outlier）等。直观来看，直方图与条形图相似，但本质上是不同的。

• 散点图（Scatter plot）

散点图是数值数据分析的必备图形，也是检测两列数据之间相关性的最佳工具，非常适合检测异常值。条带/群图是散点图的一种特殊形式，可用于呈现分类关系。

• 箱形图（Box plot）

数据分布也可以用各种统计指标（中位数、四分位数、IQR……）表示。箱线图中包含大多数重要指标，且结构紧凑，非常适合比较不同的数据分布。但是，如果你不习惯使用箱型图，你可能会觉得有点不直观。

• 热图（Heatmap）

热图是一个三维图表，只能表示 2 个分类值和 1 个数值。听起来这种图表需要在非常确切的情况才能使用，但实际上，这种数据列组合有很多用例。我认为热图是用 3 个数据维度表示复杂模式的最直观的方法之一。气泡图（Bubble chart）也可以用来描述相同的模式。

特殊数据集的特殊图表：

• 词汇云（Wordcloud）

分析文本数据难度很大，可视化文本数据更是如此，但也不是不可能。词汇云是一种在狭小空间中表示不同词汇或短语数量的好方法。

• 雷达图（Radar chat）

雷达图是一种非常特殊的图表，可通过易于理解的方式呈现多维数值数据。

结论

选择合适的图表时，你需要非常慎重。图表可以呈现信息，那么同时也可以掩盖信息。因此，你需要一再谨慎。图表设计也非常重要，你需要时刻观察，动态调整。

在一份报告中，数据可视化通常是最具影响力的要素。想要生成一份优秀的报告？那就让你的可视化效果更出色一些吧！希望这篇文章对你有所帮助！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Perdih Vladimir
翻译作者：Lia
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://medium.com/@perdih.vladimir/must-have-charts-for-your-data-analysis-toolbox-66f4a655ef33