1. 數據可視化簡介

數據可視化，是指用圖形的方式來展現數據，從而更加清晰有效地傳遞信息，主要方法包括圖表類型的選擇和圖表設計的準則。隨著互聯(lián)網的廣泛應用，我們的工作和生活等各個方面，每時每刻都在產生大量的數據，也就是所謂的「大數據時代」，發(fā)展的趨勢是人們越來越喜歡用數據說話。

數據可視化作為一種有效傳遞信息的手段，被越來越廣泛地應用到很多領域。一個比較典型的案例，是淘寶雙十一的數據可視化，在一塊大屏幕上實時動態(tài)展示交易數據，使用的數據可視化工具是阿里云出品的 DataV，體現了阿里巴巴用數據驅動運營的一種探索。

如果想要讓數據發(fā)揮更大的價值，那么合理地運用數據可視化的方法和工具就顯得特別重要。

2. 數據可視化的圖表選擇

根據數據分析的實際情況，需要有針對性地選擇合適的數據可視化方法。但是可視化的圖表花樣繁多，我們應該如何選擇并設計你的圖表呢？

本文將把它拆分為 8 個部分，逐一進行介紹。

(1) 當你需要對不同的類別進行比較時，有很多種圖形可供選擇，其中條形圖是最常見的，垂直瀑布圖適合用來比較并分析各個組成部分的變化情況，詞云圖適用于大量文本的分析和比較。

(2) 當你想要直觀反映關鍵業(yè)績指標隨時間的變化情況時，用柱形圖或曲線圖是比較好的選擇。建議不要用面積圖，因為可視化的目標應該不僅僅只是為了視覺上的好看，準確有效地傳遞信息更加重要。

(3) 當你需要展示二八定律時，用柏拉圖(Pareto)能方便地找出主要因素。建議不要用餅圖，原因和上面的第 2 條一樣。

(4) 當你希望展示數據之間的聯(lián)系或關系時，漏斗圖和散點圖是比較好的選擇。對于氣泡圖，我個人覺得可以適當地加以運用，因為她能綜合反應出 3 個重要的指標，在一些數據分析場景中，氣泡圖能有效地傳遞出重要的信息。例如：Hans Rosling 曾經利用動態(tài)氣泡圖，展現了全球人口、收入、健康的動態(tài)變化，在網站 http://www.gapminder.org 上也可以找到大量動態(tài)氣泡圖的應用。

(5) 當你關注數據的分布狀況時，可以使用直方圖或小提琴圖。剛開始看到小提琴圖，可能會覺得她比較費解，但當你理解她代表的具體含義之后，就會知道她能傳遞很多專業(yè)的統(tǒng)計信息，包括數據的密度分布、中位數、四分位數等。

(6) 如果你想增強圖表的表現力，那么可以增加箭頭和標簽等圖表元素。

(7) 當你只需要突出顯示某個單值，可以用放大的粗體文字或圖片。

(8) 在進行數據可視化的過程中，應該時刻關注數據可視化的目標，謹記這些圖表設計提示：

使用2D圖表，不要使用三維立體效果

使用反映真實情況的刻度，避免造成誤導

使用單一的 Y 軸，不要使用雙軸圖表

折線圖用角度體現真實的數據變化，不要使用平滑效果

數據序列最多不超過 4 個

條形圖按大小排序進行排列

不要使用無意義的顏色

高亮顯示重要的圖表元素

坐標軸等輔助元素盡量淡化

3. 數據可視化的六種制作方法

(一) 將指標值圖形化

一個指標值就是一個數據，將數據的大小以圖形的方式表現。例如用柱形圖的高度表現數據大小。

(二) 將指標圖形化

一般用與指標含義相近的icon圖標來表現。

(三) 將指標關系圖形化

當存在多個指標時，挖掘指標之間的關系，并將其圖形化表達，可提升圖表的可視化深度。

(四) 將時間和空間可視化

通過時間的維度來查看指標值的變化情況，一般通過增加時間軸的形式，也就是常見的趨勢圖。當圖表存在地域信息并且需要突出表現的時候，可用地圖將空間可視化，地圖作為主背景呈現所有信息點。

(五) 將數據進行概念轉換

對數據進行概念轉換，可加深用戶對數據的感知，常用方法有對比和比喻。

(六) 讓圖表「動」起來

數據圖形化完成后，可結合實際情況，將其變?yōu)閯討B(tài)化和可操控性的圖表，用戶在操控過程中能更好地感知數據的變化過程，提升體驗。實現動態(tài)化主要有兩種方式：交互和動畫。

4. 數據可視化的十大黃金準則

(一) 明確數據可視化的目的；

(二) 通過對比來反映問題；

(三) 提供數據指標的業(yè)務背景；

(四) 通過從總體到部分的形式，展示數據分析報告；

(五) 聯(lián)系實際的生產和生活，對數據指標的大小進行可視化；

(六) 通過明確而全面的標注，盡可能消除誤差和歧義；

(七) 將可視化的圖標，同聽覺上的描述，進行有機的整合；

(八) 通過圖形化工具，增加信息的可讀性和生動性；

(九) 允許但并非強制，通過表格的形式，呈現數據信息；

(十) 目標是：讓受眾思考呈現的數據指標，而非數據的呈現形式。

5. 數據可視化的工具

目前市面上的數據可視化工具多種多樣，其中Excel作圖工具是最常用的，大多數可視化圖表都能用Excel實現，網絡上有大量相關的教程資源，如果遇到問題，推薦使用「精準搜索資料的6個實用技巧」文中介紹的方法來解決。

從數據可視化工具的靈活性和強大性方面來看，建議使用 Python，作為 2018年TIOBE 評選出來的年度語言，TIOBE 在官方發(fā)布時評價道：

Python 是當今高校中最常被教授的首選語言，它在統(tǒng)計領域排名第一、在 AI 編程中排名第一、在編寫腳本時排名第一、在編寫系統(tǒng)測試時排名第一。除此之外，Python 還在 Web 編程和科學計算領域處于領先地位。總之，Python 無處不在。

Python 中用于數據可視化的庫有很多，比較常見的有：

Matplotlib（強大、復雜）

Seaborn（基于Matplotlib、簡單）

pyecharts（基于Echarts、炫酷）

plotnine（移植于R的ggplot2、圖形語法）

PyQtGraph（交互、高性能）

6. 數據可視化的應用

有些人打著數據可視化的幌子，片面追求視覺上的花哨，做出來的圖表只是為了吸引眼球，這就違背了有效傳遞信息的目標。數據可視化的應用，應該是為了讓人能準確快速地從中獲取有價值的信息。

有很多機構成功地將數據可視化技術應用于業(yè)務當中，比如「商業(yè)周刊」、「經濟學人」、「華爾街日報」等，他們的數據可視化圖表經過專業(yè)人員設計，通常都有標準的模板和配色，關鍵是設計者能站在受眾和業(yè)務的角度，從而更加有效地傳遞了關鍵信息，這值得我們在應用數據可視化技術時好好學習，在實踐工作的過程中，逐漸形成適合自己風格的圖表模板和配色風格。文章來源：微信公眾號linjiwx