必看:7種簡單明了的數據可視化方式

2020-12-05 人人都是產品經理

編輯導讀:對海量的數據進行分析之後,需要把分析的結果用可視化的方式展現出來。數據的展現是為了給決策提供信息,所以要簡單明了,不能花裡胡哨。本文介紹了7種數據可視化的方式,與你分享。

蛇形圖、貝殼、山脈ーー這是我們設計師可以畫出來而不能有效顯示數據的圖表。

我來解釋清楚:例如,在一個健身應用程式或視頻遊戲中圖表呈現的目的是娛樂時,這些創意圖表是一個不錯的選擇。但是,如果你的目的是為決策提供信息,那麼花裡胡哨是行不通的。我們將解析七種與統計、分析和商業不兼容的視覺樣式。

一、蛇形圖(Snakes)

你有沒有見過一個CRM 或ERP 儀錶盤設計,以鮮活的3D 管道為圖形?我把這種方法叫做「蛇形圖」。

儘管這種可視化效果在視覺上看起來很吸引人,但它們對無法呈現真實數據,而且更重要的是,它們很難使用。幾乎所有的東西都是上面圖表上的裝飾,而真正的數據只包含10個數據點。在這麼大的一個圖表區域上,你完全可以不需要任何工具提示就可以顯示所有的數字!

「斑馬」網格、厚度、體積、陰影和梯度沒有提供實際的好處,卻白白佔據了空間和吸引注意力。

除此之外,蛇形圖還有足夠的空間顯示20、30個甚至更多個數據點,而不是僅僅10個。「蛇形圖」可能適合實際上沒有什麼數據可展示,但設計師試圖用令人愉悅的東西來填補空白區域。

現在,想像一下當有必要同時展示多種趨勢時,「蛇形圖」不允許你這麼做。在下面的圖片中,多個發光的管子放在一起看起來完全混亂。

風險小結:

顯示一個以上的圖並保持可讀性是很困難的。線條的粗細掩蓋了實際的數字,因此需要採取一些愚蠢的變通方法,比如「斑馬」色或網格色。圖表只有在「完美」的模擬數據下才有可能呈現光滑的曲線,而且真實的數據會讓圖表變扁。連接數據點的曲線意味著存在一些中間點,但這只是一種錯覺。如何避免:

如果數據點很少,使用條形圖。如果有許多數據點,這意味著數據是連續的,那麼可以考慮一個簡單的細線圖。

二、嵌套甜甜圈(Nested donuts)

就像「蛇形圖」 ,深受設計師喜愛的「甜甜圈」 ,尤其是嵌套式的甜甜圈,這會影響數據準確性,並將增加了數據比較的障礙。另外,這兩種方法在有效利用空間方面都存在問題。

人們或多或少能夠接受均勻的百分比: 完整的圓= 100% ,半個圓= 50% ,四分之一= 25% ,三分之三= 75% 。但是,如果一個圓圈的終點位於「一半」和「三分之三」之間——就像圖片上的綠色圓圈一樣,那會怎樣呢?你能多快計算出50 + 25/2並推斷出它應該在62.5%左右?

如果你只有一個圓,你可以在中間放一個百分比數字,但是如果部件包含三個圓呢?

現在,環形圖的圓滑邊緣可能會讓圖表看起來很可愛,但最終會扭曲數據。這樣的圓滑邊緣在真實值的基礎上增加了兩到三個「幽靈」百分比。讓我們看看下面非圓滑的邊緣。

看看有多少裝飾,包括圓滑邊緣,被用來表達三個簡單的數據點:

好消息是圖表可以變得更簡單。三個環形傳遞相同的信息,不需要很多空間,並且在沒有工具提示的情況下完全可以暴露數字,這對於數據驅動的界面是至關重要的。

通過簡單的條形圖,你還可以去掉圖例,並保持部件間更加緊湊。而且你不再需要顏色,因為標籤現在伴隨著條形圖。

風險小結:

圓環的形狀很難解讀。人們可以很好地識別出25% 、50% 、75% 或100% 這樣的百分比,但通常會很難解決處於這些特殊數值之間的百分比。嵌套的圓圈需要圖例或工具提示,因為標籤通常不能優雅地附加到相應的圓圈上。在嵌套圖表中,圓環的末端使比較大小變得困難。如何避免:

考慮使用條形圖來精確顯示百分比。若非要使用一個圓形圖表,避免嵌套的圓圈和圓滑邊緣。

三、貝殼(Seashells)

著名的統計學家和數據可視化基礎書籍的作者Edward Tufte 曾多次警告說,視覺上吸引人的圖表可能會說謊。「貝殼」是甜甜圈圖表的一種時髦變體,各種顏色的甜甜圈片段有不同的寬度,並且彼此重疊。

簡單地說,數據可視化的本質就是通過顏色、面積、長度和其他方式在視覺上代表數字。例如,一個數字越大,使用的柱子就越長;百分比越低,一個面積就越小。但是當我們分析「貝殼」圖表時,它們是如何工作的呢?更高的百分比不僅增加了更寬的圓形截面,而且,半徑更大!

重疊和超出背後的邏輯是什麼?人們如何解讀這些「數據」 ?這是否意味著圖表顯示超過100% 和超過360度?

這些信息可以在一個相同形狀的圖表上可視化,這個圖表就是餅圖。當然,數據點的數量應該保持有限,否則,圖表將變得一團糟。

此外,你可以使用這樣的圖表類型比如樹圖,其中相應區域的矩形表示百分比。雖然人們通常最擅長比較長度ーー歡迎柱狀圖!眼睛也可以很好地比較。

風險小結:

與傳統的餅圖不同,「貝殼」背後的邏輯並不清楚:數據是由面積、弧半徑或扇區角度表示的嗎?重疊的扇區會扭曲數據,無法傳達準確數值。這些圖表的圓滑3D 風格只有在模擬數據中才可能實現,並且會被「不完美」的真實數據所粉碎。如何避免:

如果沒有太多的數據和不強調準確的比較,請儘管使用經典的餅圖。樹圖也可能是一種方便的技術,可以通過區域大小來顯示百分比。

四、山脈圖(Mountains)

你在業務儀錶板中看到過「山脈圖」嗎? 我用這個術語來描述彩色重疊圖,這是另一種流行的技術。

在「蛇形圖」部分,我已經介紹了這個缺陷——虛構的數據,但是讓我們詳細地討論一下。上面精心設計的視覺效果可以歸結為20個藍綠色點和橙色點。

所有的連通曲線都與數據無關,它們是人工添加的。也許是為了好的緣故ーー把不同的點合併成一個清晰的趨勢,或者也許是為了填補「空白」 ,讓它看起來「更好」。

但是為什麼對於業務界面是危險的呢?下面是一個例子。在某些工程圖上,我們有兩個相鄰點,12:00時為50kg/m2,13:00時為60kg/m2。這些點與一條優雅的光滑曲線相連。結果,用戶看到在12:30時,氣壓大約是55公斤/平方米,但這可能是假的,因為沒有人測量它。

它的價值可能會突然從50 –嗖!ー到59,13:00時,到了60。或者它可能是逐漸增長的。或者甚至可能在13:00達到60之前已經降到了30。圖表上的點越少,投機的空間就越大。

不過,雙色條形圖並不是唯一的選擇。你可以選擇一個圖形,甚至在實際數據和有用的視覺效果之間有充分對比的條件下,用直線連接點。

風險小結:

「山脈」給人一種連續數據的印象,但它是基於有限的一組點。曲線總是顯示平滑的數據動態,雖然它是未知之間的實際點發生了什麼。這種轉變可能是迅速的,漸進的,或者是波動的。為了保持曲線的平滑,圖表的寬度必須加寬。因此,它佔用空間,顯示的數據很少。如何避免:

確保數據點與有助於識別趨勢(如連線)的視覺效果有很好的區別。如果部件上有幾個重疊圖形,儘量不要使用顏色填充來保持良好的對比度。

五、香腸(Sausages)

這個圖表有什麼問題?為什麼我們不能有一些比單調的矩形更有吸引力和原創性的東西呢?我必須承認,3D「香腸」不是一個好的選擇,原因如下。

這種可視化有相當多的問題,但關鍵的問題是數據被盜。「香腸」是界面世界的真正竊賊,因為它們在有真實數據的地方顯示了空白空間。公平地說,「香腸」採用高對比度,以便你可以看到綠色和橙色之間的邊緣,但這種對比度的代價太高。

我計算出,如果整個柱子在上面的圖表中是100% ,那麼彩色條之間的每個微小間隙大約等於3% 。乍一看,沒什麼,對吧?但是我們有三個不同顏色的部分,需要兩個間隙,所以總的視覺「盜竊」更顯著ーー每欄6% !如果你從圓形圖中計算一個失竊百分比,它將達到7% 左右,大約每個缺口3.5% 。

我把丟失的條形部件放回下面建議的變體中,並去掉了圖例作為一個單獨的項目。此外,前面未命名的甜甜圈部分有了一個新的格式和名稱(第四季度的平均值)。

風險小結:

「香腸」隱藏了大量的真實數據,因此不夠準確,無法進行分析和嚴肅的決策。此外,這樣的圖表在緊湊性上存在問題,他們需要額外的空間,才能看起來不凌亂。如何避免:

不要用間距破壞整體數據。通常,不要在各數據部分之間添加間隙,數據總和應等於100%。檢查圖表的邊緣是否過於圓滑ーー圓度太大會掩蓋有價值的數據。

六、摩天大樓(Skyscrapers)

與華麗的國家地理的費爾南多· 巴普蒂斯塔的信息圖表不同,商業儀錶盤不適合使用等距的「摩天大樓」 代替精確的普通條。

3D 圖表缺乏準確性,當用戶快速瀏覽界面以發現異常和傾向時,3D圖表會造成一個嚴重的障礙。在下面的一張圖片中,我試圖模擬第一眼看到什麼會吸引人們的注意。你能分辨出用彩色圓點標記的條形圖的高度是否相同嗎?

以綠色方塊為標記的柱狀圖數據相同,以玫瑰色圓點為標記的柱狀圖數據相同,第一個方塊高3% 。好吧,如果問題是數據準確性不足,那麼為什麼設計師不調暗其餘的平行六面體,只留下前面突出顯示?效果是這樣子的:

然而,準確性並不是唯一的問題。正如尤達大師在文化基因中所說,「還有另外一個。」已經猜到了?我指的是緊湊性和反映自然、微妙的數據波動的能力ーー不是這種總是起伏不定的誇張的過山車。

如果簡化它,測量參數的微妙變化將更好地區分。可以保持黑色主題,如果精確度和高光部分恰到好處的話,例如,在選定的時間範圍內最高和最低的值。順便說一下,我沒有壓縮條形圖的寬度,但是現在的圖表比以前窄了兩倍!

風險小結:

與數據量相比,「摩天大樓」以及其他等距可視化圖像佔據了巨大的空間。這樣的圖表也不能呈現微妙的數據波動。當「摩天大樓」突出顯示「屋頂」時,它們就更難閱讀了,因為頂部的條看起來更高。如何避免:

不要在商業圖表上使用3D效果。確保圖表設計支持真實的數據,這些數據通常不像原型圖那樣完美呈現波浪形。

七、嬰兒立方體(Baby cubes)

如果你有孩子,你可能知道一種叫做嬰兒立方體或活動立方體的玩具。它是一個盒子,有各種把手、插銷、插座、開關、算盤、按鈕、數字等附著在它的邊上。當然,這種「嬰兒儀錶盤」的所有組件都不能正常工作,但孩子們在玩立方體的時候,可以訓練他們手部的運動技能。

這和數據可視化有什麼關係?現在,我看到一個設計師不好的做法,繪製非常有視覺吸引力的儀錶盤,仔細檢查後發現,事實上帶來的價值不大。

「嬰兒立方體」是前面章節中所有危險風格的結合體ーー是一個誤導性的說明,而不是一個有用的工具。正如你在例子中注意到的,它充滿了時髦的細節:陰影、透明度、體積、發光、圓角、等距形狀等等。然而,所有的窗口部件都無法傳達信息:它們填充了屏幕空間,卻不能提供任何洞察力。

這裡不會出現「正確」的示例,因為我們已經詳細介紹了如何逐步修複數據可視化。

風險小結:

「嬰兒立方體」可能旨在使數據在視覺上更有吸引力,但不幸的是,它們也失去了精確性和實用性。圓形、陰影、漸變填充和3D 效果與普通表單相比,不能承受「不完美」的真實數據。時尚概念的特點是數據可視化,它們看起來令人印象深刻,但並不一定是最合適的(例如,兩個數字就足夠了的甜甜圈圖)。如何避免:

相關焦點

  • 這5種數據可視化方式是數據科學家標配!
    【IT168 編譯】數據可視化是數據科學家工作的重要組成部分。在項目的早期階段,你通常會進行探索性數據分析(EDA)以獲取對數據的一些洞察。創建可視化確實有助於使事情更清晰易懂,特別是對於大型高維數據集。在你的項目結束時,能夠以清晰、簡潔和引人注目的方式展示你的最終結果非常重要,因為你的受眾往往是非技術性客戶,他們可以理解。
  • 數據可視化圖表的使用方式及最佳做法,你用對了嗎?
    編輯導語:我們在工作中經常會用到數據,如今為了更加方便的數據圖表,一些企業採用數據可視化圖表,製作數據可視化大屏;本文作者介紹了數據可視化圖表的使用方式以及最佳做法,我們一起來學習一下。
  • 淺談數據可視化
    當然這是最基本的理解,進一步來說,數據可視化毫無疑問是基於數據的,我們很幸運地處於這樣一個讓我們興奮的時代,數據科學讓我們越來越多地從數據中發現人類社會中的複雜行為模式,以數據為基礎的技術決定著人類的未來,但並非是數據本身改變了我們的世界,起決定作用的是我們可用的知識。大數據已經改變了我們生活工作的方式,也對我們的思維模式帶來影響。
  • 網際網路人要了解的數據可視化 —— 基礎篇
    下圖是一張經典的對於咖啡種類圖解,38種咖啡配方,不必要用多餘的文字解釋,直接用圖解表示,簡單明了,清晰易懂。日常工作中,有六種基本圖表已經可以覆蓋我們大部分的使用場景,也是做數據可視化最常用的六種圖表類型。
  • 兩步搞定數據可視化
    它使您能夠以不同方式查看數據,以通過以下方式發現新的答案和見解:用數據講述故事圍繞您的數據構建敘述,以便清晰地傳達其相關性並易於理解。不僅僅是簡單地呈現數字和闡述事實,而是通過可視化圖表將洞察力轉化為視覺故事。
  • 這16個數據可視化案例,驚豔了全球數據行業
    用可視化方式,您可以充分展示數據的模式,趨勢和相關性,而這些可能會在其他呈現方式難以被發現。  數據可視化可以是靜態的或交互的。幾個世紀以來,人們一直在使用靜態數據可視化,如圖表和地圖。交互式的數據可視化則相對更為先進:人們能夠使用電腦和行動裝置深入到這些圖表和圖形的具體細節,然後用交互的方式改變他們看到的數據及數據的處理方式。  感到興奮了嗎?
  • 活用這幾種統計圖,你的數據可視化逆天了
    數據可視化,顧名思義就是將相對於隱晦的數據使用可視的、交互的圖表方式展示出來,進而形象的、直觀的將數據背後隱藏的信息和規律表示出來。步入大數據時代後,各行各業對數據越來越重視,隨之而來的就是對數據進行一系列的整合、挖掘、可視化分析,這為數據可視化注入了無限的活力,也就導致視覺的元素越來越多樣,從簡單的柱狀圖、線形圖、折線圖,擴展到了氣泡圖、男女圖、地圖、餅圖、散點圖、雷達圖等各種各樣的豐富的圖形。那麼活用了以下的幾種統計圖,你的數據可視化就逆天了。
  • 最佳大數據可視化技術
    數據可視化提供了一套重要的工具和技術,可用於定性理解。 基本技術如下圖:線圖線圖是最簡單的技術,用於繪製一個變量與另一個變量之間的關係或依存關係。 要繪製兩個變量之間的關係,我們可以簡單地調用plot函數。
  • Python中的時間序列數據可視化的完整指南
    我將從一些非常簡單的可視化開始,然後慢慢地轉向一些高級的可視化技術和工具在開始之前,我需要再弄清楚一件事。標題中的「完整指南」並不意味著,它有所有的可視化。在這麼多不同的庫中有這麼多的可視化方法,所以在一篇文章中包含所有這些方法是不實際的。
  • 必聽公開課:從零入門科研數據可視化雲平臺
    作為一名科研工作者,除了要不斷推進實驗進展、及時獲取實驗數據外,如何向他人清晰明了地呈現自己的研究成果也是一項必備的科研能力。科研成果要求專業、嚴謹、信息量,且兼顧審美,所以數據可視化在科研工作中發揮著越來越重要的作用。基於可視化圖形,我們可以更好地展示科研數據中的主要特徵和規律。
  • 從數據可視化到交互式數據分析
    (5)可視化數據和模型這是眼睛能夠觀察數據的一步。現在,大多數人在考慮到這個階段時會聯想到花哨的圖表,但是像表格和列表這種簡單的表達方式對於很多問題來講反而是非常合理的可視化表達。在這裡,從數據轉換和查詢(或從某些模型)獲得的結果被轉換成我們的眼睛可以消化並能夠理解的內容。這是我們所有人,數據可視化者熱愛的一步。
  • 大數據可視化技術的挑戰及應對措施
    Guo等總結了4種針對空間數據的可視化約束:代表性約束、可視性約束、平移一致性與縮放一致性,並基於可視化約束提出了貪心策略採樣算法。   數據可視化生成方式   經過數十年的發展,數據可視化形成了從底層編程到上層交互式定製的多層次生成方式。
  • 大數據時代可視化新聞的特點及發展趨勢
    這些可視化的圖示以簡潔明了的方式,讓讀者快捷、輕鬆地了解信息。自2010年下半年以來,這種視覺化新聞敘事形式受到歐美媒體廣泛關注。《泰晤士報》《紐約時報》等主流媒體紛紛效仿《衛報》,成立專門的可視化數據新聞採編團隊,紛紛推出可視化新聞作品,內容涉及政治、經濟、社會、體育和娛樂等領域。
  • 數據可視化的基本流程
    數據可視化不是簡單的視覺映射,而是一個以數據流向為主線的一個完整流程,主要包括數據採集、數據處理和變換、可視化映射、用戶交互和用戶感知。一個完整的可視化過程,可以看成數據流經過一系列處理模塊並得到轉化的過程,用戶通過可視化交互從可視化映射後的結果中獲取知識和靈感。
  • 超硬核的 Python 數據可視化教程!
    matplotlibpython中最基本的作圖庫就是matplotlib,是一個最基礎的Python可視化庫,一般都是從matplotlib上手Python數據可視化,然後開始做縱向與橫向拓展。Seaborn是一個基於matplotlib的高級可視化效果庫,針對的點主要是數據挖掘和機器學習中的變量特徵選取,seaborn可以用短小的代碼去繪製描述更多維度數據的可視化效果圖其他庫還包括Bokeh(是一個用於做瀏覽器端交互可視化的庫,實現分析師與數據的交互);Mapbox(處理地理數據引擎更強的可視化工具庫)等等本篇文章主要使用
  • 優秀的數據可視化,原來是這樣做的!
    使用簡單易讀的字體有些時候,排版可以提升視覺效果,增加額外的情感和洞察力。但數據可視化不包括在內。堅持使用簡單的無襯線字體(通常是Excel等程序中的默認字體)。無襯線字體即是那些文字邊緣沒有小腳的字體。字體選擇可以影響文本的易讀性,增強或減損預期的含義。因此,最好避免藝術字體並堅持使用更基本的常用字體。
  • 螞蟻金服 AntV 開源地理可視化引擎 L7 2.0 發布
    地理分析應用往往是集時間、空間、屬性等多維度數據為一體的綜合性可視分析系統,在數據規模,數據類型,以及交互模式上具有極其複雜的多樣性,因此在設計和開發地理可視化分析應用時,需要不同領域的人共同參與。我們希望通過提供一套地理可視化領域下的最佳解決方案,能夠讓沒有任何空間數據技術背景的人,通過簡單的學習,就能夠設計、開發和使用地理數據分析應用。
  • 數據中心環境運維的新方式,讓機房溫度可視化
    打開APP 數據中心環境運維的新方式,讓機房溫度可視化 物聯網袋鼠 發表於 2020-11-23 11:49:26 熱力圖(Heat Map)是通過密度函數進行可視化用於表示地圖中點的密度的熱圖。
  • Material Design設計語言-數據可視化
    在行業內還沒有一個標準的規範可參考之前,谷歌的可視化團隊於2019年6月率先開發了數據可視化設計指南。數據可視化:主要是藉助於圖形化手段,清晰有效地傳達與溝通信息。2019年6月率先開發了數據可視化設計指南。
  • 數據可視化之旅(三):數據圖表的選擇(中)
    1.柱狀圖在《數據圖表的選擇(上)》有寫到,柱狀圖是離散時間數據可視化的方式之一,只不過這裡的系列值的數據類型是「時間」而已。柱狀圖除了可以用於離散時間數據的可視化,更多的是用於比較不同分類數據的可視化,且柱狀圖的數據條數,最好不要超過12條。