高手总结的15个技巧,让你轻松玩转数据可视化!
以上就是「构成」类常用图表,可归纳如下。 ![]() 三、分布&联系 通过分布&联系型图表能看到数据的分布情况,进而找到某些联系,如相关性、异常值和数据集群。 常见使用场景:客户的年龄段分布?单票成本与收件量的关系? 1. 两个变量 – 散点图 仍以业务为例,下图为全国网点的单票成本/收入分布情况。 ![]() △ 散点图 单单这样看,可能看不出什么,如果加两条平均线就不一样了。 ![]() 加了平均线,就知道哪些网点高于平均线,哪些低于平均线。但网点那么多,总不能逐个点击查看是哪个大区的,给散点加上颜色后,就很有意义了。 ![]() 通过此图,可以看出哪些大区单票利润较低,急需提升,比如广泛聚集于右下角的第四大区,单票收入低于平均线,单票成本却高于平均线。 2. 三个变量 – 气泡图 大家都知道,网点总利润除了和单票利润有关,还和体量(即收件量)有关,用散点的面积大小表示收件量,就变成了气泡图。 ![]() △ 气泡图 3. 结合地图 – 热力图 气泡图与地图结合可演变为热力图。通过热力图,能看到哪些网点收派件量较多,需进行资源调配。 ![]() △ 热力图 以上是 「分布&联系」类的常用图表,可归纳如下: ![]() 小结 当我们拿到数据后,先提炼关键信息,明确数据关系及主题,再选择合适的图表进行可视化。希望下图能给各位一些参考(结合可视化专家 Andrew Abela 的图表选择指南,进行了简化调整)。 数据可视化设计只要多练习、多总结,总有一天会得心应手。 ![]() 【编辑推荐】
点赞 0 (编辑:惠州站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |