一篇文章,带你了解7种数据可视化的方式!
Python绿色通道
共 4837字,需浏览 10分钟
·
2021-01-18 13:16
↑ 关注 + 星标 ,每天学Python新技能
后台回复【大礼包】送你Python自学大礼包
作者丨Slava Shestopalov
来源丨MicroUX
链接丨https://medium.muz.li/dataviz-sins-976f3a08948c
显示一个以上的图并保持可读性是很困难的。 线条的粗细掩盖了实际的数字,因此需要采取一些愚蠢的变通方法,比如“斑马”色或网格色。 图表只有在“完美”的模拟数据下才有可能呈现光滑的曲线,而且真实的数据会让图表变扁。 连接数据点的曲线意味着存在一些中间点,但这只是一种错觉。
如果数据点很少,使用条形图。 如果有许多数据点,这意味着数据是连续的,那么可以考虑一个简单的细线图。
圆环的形状很难解读。人们可以很好地识别出25% 、50% 、75% 或100% 这样的百分比,但通常会很难解决处于这些特殊数值之间的百分比。 嵌套的圆圈需要图例或工具提示,因为标签通常不能优雅地附加到相应的圆圈上。 在嵌套图表中,圆环的末端使比较大小变得困难。
考虑使用条形图来精确显示百分比。 若非要使用一个圆形图表,避免嵌套的圆圈和圆滑边缘。
与传统的饼图不同,“贝壳”背后的逻辑并不清楚:数据是由面积、弧半径或扇区角度表示的吗? 重叠的扇区会扭曲数据,无法传达准确数值。 这些图表的圆滑3D 风格只有在模拟数据中才可能实现,并且会被“不完美”的真实数据所粉碎。
如果没有太多的数据和不强调准确的比较,请尽管使用经典的饼图。 树图也可能是一种方便的技术,可以通过区域大小来显示百分比。
“山脉”给人一种连续数据的印象,但它是基于有限的一组点。 曲线总是显示平滑的数据动态,虽然它是未知之间的实际点发生了什么。这种转变可能是迅速的,渐进的,或者是波动的。 为了保持曲线的平滑,图表的宽度必须加宽。因此,它占用空间,显示的数据很少。
确保数据点与有助于识别趋势(如连线)的视觉效果有很好的区别。 如果部件上有几个重叠图形,尽量不要使用颜色填充来保持良好的对比度。
“香肠”隐藏了大量的真实数据,因此不够准确,无法进行分析和严肃的决策。 此外,这样的图表在紧凑性上存在问题,他们需要额外的空间,才能看起来不凌乱。
不要用间距破坏整体数据。通常,不要在各数据部分之间添加间隙,数据总和应等于100%。 检查图表的边缘是否过于圆滑ーー圆度太大会掩盖有价值的数据。
与数据量相比,“摩天大楼”以及其他等距可视化图像占据了巨大的空间。 这样的图表也不能呈现微妙的数据波动。 当“摩天大楼”突出显示“屋顶”时,它们就更难阅读了,因为顶部的条看起来更高。
不要在商业图表上使用3D效果。 确保图表设计支持真实的数据,这些数据通常不像原型图那样完美呈现波浪形。
“婴儿立方体”可能旨在使数据在视觉上更有吸引力,但不幸的是,它们也失去了精确性和实用性。 圆形、阴影、渐变填充和3D 效果与普通表单相比,不能承受“不完美”的真实数据。 时尚概念的特点是数据可视化,它们看起来令人印象深刻,但并不一定是最合适的(例如,两个数字就足够了的甜甜圈图)。
事先对用户和业务进行研究,并根据研究结果进行仪表盘设计。 避免针对业务需求的过于简化的仪表板设计。 使用实际的任务,在没有提示的情况下对用户进行测试。例如,“第二季度的收入是多少? ”而不是“你能在屏幕中间看到显示收入的模块吗?”
见面礼
扫码加我微信备注「三剑客」送你上图三本Python入门电子书
推荐阅读
评论