制作有趣好看的数据可视化图表，首先不妨跟着小镝一起来看看最常用的可视化图表有哪些，而后再以目标为导向，设计出适合传播和内容相符的可视化图表。

同一数据，往往有多种可视化呈现方式。然而，在可视化的过程中，我们经常会被“惯性思维”束缚。难道展示占比就要用饼图，展示数据变化趋势只有折线吗？

通常来说，图表的功能是综合的。例如折线图在描画数据变化趋势时，也展示了数据的大小。但是，折线图最突出的、与众不同的，就是描画数据变化趋势。今天，我们的盘点是按照图表最突出的功能，初步把经典图表的用法整理分享给大家。

1、柱状图

主要用于比较数值的大小，一眼就能看出“谁大谁小”。

适用：比较分类数据（例如国家、公司）的数值大小；

注意：分类数据如果没有顺序关系，最好按照数值大小先排序；

局限：分类数据不能过多，分类名字过长可用条形图。

2、分组柱状图

每个大分类数据下，有相同的小分类，利用该图则可以把小分类编成组，进行跨组（即大分类）比较。

3、堆叠柱状图

每个大分类数据都是由相同的小分类相加而成，利用堆叠柱状图，可以比较每个分类数据的组成“成分”大小。

4、分面柱图

基于同一个维度（例如时间），多个柱状图组合起来，既可以在单个柱状图中进行横向比较，也可以跨柱状图进行纵向比较。

5、人口金字塔

常用于不同年龄段的人口分布数据可视化，从数据的分布看人口结构情况。

6、水波图

柱状图的变形，一个圆圈代表一个分类数据，圆圈里“水”的高度代表了数值大小。

7、雷达图

主要通过比较各项指标的数值大小，看整体的“综合实力”情况。

适用：比较整体的综合情况，以及细分的各项指标的差异；

注意：各项指标的单位可以一致，也可以不同；

局限：进行比较的整体和各项指标的数量不宜过多。

8、玉玦图

是柱状图的一种变形，通过玦块的角度展示数值大小。玉玦图把数值大小转化为角度，在视觉效果上，能放大数值的差异。

适用：比较数值差异较小的分类数据；

注意：在使用图表前，要先把数据按照从小到大、由里到外排序，避免视觉误导；

局限：分类数据不宜过多；不宜展现时间维度上数值的变化

9、玫瑰图

是柱状图的一种变形，每个扇面的角度保持一致，把分类数据的数值转化为扇面的半径，利用半径与扇面面积的计算关系，放大数值差异。

适用：比较数值差异较小的分类数据；

注意：分类数据如果没有顺序关系，最好先按数值大小排序；

局限：分类数据至少要有三个，数值差异不能过大。

1、饼图

通过扇形的角度，可视化部分在整体中的占比。

适用：展示整体中各部分的占比大小；

注意：分类数据如果没有顺序关系，最好按照数值大小，以时钟12点钟为起点，顺时针/逆时针排序；各部分占比数值相加等于100%；

局限：分类数据不能过多；数值相差不大时，人眼很难辨识出扇形角度的大小差异。

2、环图

是中心挖空的饼图，挖空部分可以填充图表标题等信息。

3、双层环图

最内圈为父分类，外圈则是对应的子分类，适用于比较再细化分类的占比关系。

4、旭日图

展示具有多层级数据的比例关系，一个圆环代表一个层级的分类数据，内层数据是相邻的外层数据的父分类，越往外，分类越细越具体。

适用：拥有3个或以上的层级关系的数据占比关系可视化；

注意：允许“缺口”存在，如果无子分类则可以不用再细分，即旭日图的每个圆环不一定是完整的；

局限：分类越细化，各环块越难看清，大型的旭日图一般是交互的。

5、矩形树图

把带有数值大小的树状结构转化为平面矩形的形式，展示各部分在整体中的占比关系，一般可以包含1-2个层级关系。

适用：拥有层级关系数据的占比关系；

注意：各分类数据要按照大小排序，数值最大的一般位于左上角；各部分占比数值相加等于100%；

局限：分类数据不宜过多，如果层级关系为2个，矩形树图一般是交互的。

1、折线图

折线图一般用于描述数据的变化趋势，常用与展示具有顺序/连续关系的数据。

适用：展示数据变化的趋势，也可预测未来走向；

注意：对比的数据不能过多；

局限：当数值大小差不多时，可视化的折线会“粘黏”在一起。

2、层叠面积图

通过用颜色填充折线与数轴之间的部分，突出数据变化的趋势，用于比较多个数据变化趋势。一般来说，颜色要设置透明度，这样数据点之间才不会相互遮盖。

3、堆叠面积图

某一分类数据的值，是建立在前一个分类数据的基础上。类似堆叠柱状图，小分类数据相加起来能形成整体的情况。堆叠面积图在展示变化趋势之外，能展示出部分在整体中的大致占比关系。

4、河流图

是堆叠面积图的一种变形，通过“流动”的形状来展示不同类别的数据随时间的变化情况。

适用：一般用于可视化随时间变化的、数据量大的数据变化；

注意：在展示波动幅度大的数据时，河流图呈现出来的效果更好；因为河流图数据量比较大，一般会比较长，所以适合在电脑端上展示，并结合交互；

局限： 河流图一般不展示“负值”的数据；分类数据不适宜过多。

1、分组气泡图

相较于散点图，分组气泡图在展示数据分布的同时，气泡大小可以展示多一项数据信息。

适用：一个分类数据有4-5个数据维度，分别利用XY轴、气泡大小、气泡颜色进行可视化；

注意：过多的气泡会发生重叠，可以使用透明度来解决；一般会结合鼠标悬停来显示气泡的更多数据信息，所以更适合在电脑端展示；

局限：过多的分类数据会让数据分布的概况变得杂乱。

2、多轴气泡图

类似多面柱图的变形，用气泡的大小代表数据的大小，既可以横向（沿X轴）比较，也可以纵向（沿Y轴）比较。

3、极坐标气泡图

把多轴气泡图建立在极坐标的形式下，更突出数据的周期性特征。

4、弦图

弦图的数据分布在圆周上，通过弧线连接两个有关系的数据，弧线的粗细代表了这段关系中的“数量关系”。

适用：多用于展示同一分类的数据之间的数量关系，例如世界各大洲的十年的人口流动，世界各国之间的债务关系等；

注意：圆周上的所有数据都属于“同一分类”，例如国家、球队、篮球运动员等；弧线的粗细也可以是均等的，只展现数据之间存在关系；

局限：数据点不适宜过多，否则弧线过于密集，会影响可视化的效果。

5、热力日历图

热力日历图是一个组合图表，基于时间，利用颜色的变化编码数值的大小，从而看出数据在一段时间的变化和分布情况。

适用：以时间为基础的数据变化；

注意：数据之间差异越明显，颜色区分度越高，可视化效果会更好；

局限：经过颜色编码之后，我们无法精确获得具体数据，有时需要结合交互。

这23种经典图表，有我们最常接触到的柱状图、折线图和饼图，也有数据量较大、但非常值得尝试利用的弦图、河流图、热力日历图等。可视化图表千变万化，今天只介绍了比较经典的23种，更多图表冷知识欢迎关注镝次元专栏。