可视化数据分析图表（数据可视化常用的图有哪些，有什么特点）

本文目录

• 数据可视化常用的图有哪些，有什么特点
• 可视化数据图表要怎么做才好看
• 已有excel数据，如何做图表数据分析，即让数据呈现可视化图表！！！
• 一张图讲清如何正确应用可视化图表，学会后再也不会用错图表
• 数据分析可视化有哪些类型
• 数据可视化图表类型分析
• 数据分析可视化数据图表怎么制作
• 33种经典图表类型总结，轻松玩转数据可视化
• 常见的数据分析可视化图表有哪些
• 已有excel数据，如何做图表数据分析，即让数据呈现可视化图表！！！

数据可视化常用的图有哪些，有什么特点

DataViz可视化数据分析软件中含有丰富的各种图表，可以帮助用户通过简单的拖拽就可以轻松的创建用于数据分析的图表，或者将多个图表组成图册来进行交互分析并进行大屏展示。

DataViz中图表联动可以实现对同一个数据集或不同数据集的图表的联动，通过图表联动可以让某个图表作为筛选器，点击其中某一个数据项，与其关联的图表将会筛选出所选项的数据内容，快速且直观展现数据分析结果。下面我们来介绍下DataViz中图表联动的几种方式。

● 实现与指定的图表进行联动图表联动可以设置指定的图表与当前图表进行联动，在图册页中点击选择某个图表后，在选中图表的“内容设置”中，有一个“图表联动设置”的功能按钮。

点击“图表联动设置”的功能按钮弹出“图表联动设置”页面，如下图所示。可以选择与该图表联动的图表，当选中的被联动图表与该图表不在一个数据集中时，需要设置该图表数据集与被联动图表数据集的关联字段。进行完图表联动的设置后，点击确定进行保存。再点击该图表的某一区域后，其他图表发生联动。

●同一个数据集的图表联动

新建几个图表，数据来自同一数据集，然后新建图册，进入图册定义页面，拖拽定义好的图表到图册中，图表拖拽到图册中时默认都为被联动图表。

下面我们以饼图以主动联动图表为例进行设置，点击饼图，在右侧属性页中，选中“作为筛选器”属性，饼图这时就会作为主动联动图表，如下图所示：

单击饼图的“家用电器”扇区进行联动过滤，这时饼图的“家用电器”扇区高亮显示，其它部分灰显，并且其它图表会根据“家用电器”进行过滤，如下图所示：● 同一个数据源不同数据集的图表联动

当两个同一数据源不同数据集的图表需要联动时，首先需要对不同数据集的字段建立关联关系，点击图册工具栏中的“数据绑定”按钮，如下图。

弹出数据绑定页面，每一行的左侧和右侧分别是绑定字段区域和非绑定字段区域，点击下拉框在其中选择需要进行数据绑定的数据字段即可，从而创建了两个不同字段在同一数据源下不同数据集之间的关联关系。如下图：

之后，就可以实现同一数据源不同数据集的图表之间的联动了，如下图：

DataViz中图表联动设置简单，业务人员只需要简单拖拽就可以实现可视化的图表联动分析，直观展现数据分析结果。帮助企业用户快速准确地洞悉数据背后隐藏的商业价值，让决策更“有据可依”。

可视化数据图表要怎么做才好看

1、选择可视化工具

可以选择派可数据商业智能BI来进行数据可视化设计，企业通过部署BI，能够将业务数据通过数据仓库直连可视化报表，通过使用提前设计好的主题可视化分析模板，可以让企业的业务、技术和管理人员都能制作好看的数据可视化。

也可以使用BI系统中丰富的可视化图表，进行标题、尺寸、配色、规格等自定义设置，在PC、移动、大屏等不同终端上，制作不同风格的数据可视化报表，充分分析企业业务发展情况，将数据转化为信息。

数据可视化-派可数据BI可视化分析平台

数据可视化-派可数据BI可视化分析平台

2、选择图表

图表的选择直接关系到可视化的呈现效果，一个合适的图表能够把数据之间的联系转化为直观的信息，相反错误的图表可能会将需求对象引向错误的方向。

可视化图表-派可数据BI可视化分析平台

数据可视化分析人员必须了解所有主流的图表类型，知道每个图表适合做哪些分析，能够展现哪种类型的信息，举个例子，折线图、柱形图等能够轻易的展现事物的发展趋势，但如果你把某段时间销售数量变化趋势呈现在饼图上，那这个图表就没有任何意义了。

3、页面布局

分析人员将一张完整的页面分割成不同板块、层次，保证数据能够完全展现，同时设计人员还要注意划分信息的重要程度，在整体视觉设计中，把核心的数据指标放在最重要的位置，占据较大的面积，其余的指标按优先级依次在核心指标周围展开。

可视化大屏-派可数据BI可视化分析平台

当然，在实际的可视化分析过程中，管理人员给到的数据需求一般都会比较多，要求在同一页面上展现尽可能多的信息量。这时候设计人员就需要在满足计较关键信息、平衡布局空间以及简洁直观的基础上将数据划分为更多层次。

可视化大屏-派可数据BI可视化分析平台

4、数据可视化分析

在数据分析过程中，很多新手会有一个误区，经常会把各种各样的可视化图表装满几个屏幕，认为这样就可以把所有信息直观地展示给用户。实际上，用户并不需要那么多内容，相比复杂的信息展示，他们往往会更喜欢一目了然的内容设计，一眼就能看到关键信息。

数据可视化-派可数据BI可视化分析平台

此外，整个可视化图表页面中，色彩不宜太过丰富，颜色最好也不要太过鲜艳，把色彩对比强烈的颜色放到关键信息，用清晰的逻辑去呈现变化，突出重点部分，使用户产生更好地体验，这才是他们最希望看到的。

最后，回到数据分析本身，分析人员可以选择为制作完成的可视化图表附上自己从业务逻辑思考的信息，帮助用户更好地分辨图表展现的意义。

已有excel数据，如何做图表数据分析，即让数据呈现可视化图表！！！

1、excel表格里面直接插入“图表”，然后进行可视化图表设置，优点：比较方便，直接插入；缺点：操作相对复杂，数据量大的情况下excel超级慢；2、将excel数据导入BDP个人版，然后直接拖拽字段后选择可视化图表类型即可；优点：操作简单、性能支持数据大的文件、图表类型多；缺点：要导入数据；2种方式你都可以试试，自己评估下。。。

一张图讲清如何正确应用可视化图表，学会后再也不会用错图表

数据分析业内有句经典语录：“字不如表，表不如图” 但可视化图表种类如此之多，什么场景下应该用什么图表展示，是一个让人头秃的难题。 废话不多说，想解决这个难题，就先来跟老李看下日常工作中会常用到哪些可视化图表？随后我们再针对这些图表做具体的适用场景讲解，内容很干，记得收藏备用 1、常见的数据可视化图表 基于老李多年在互联网和国企的数据分析从业经历，基本上工作中常用到的就是：柱状图、折线图、饼图、散点图、雷达图、箱型图、气泡图、词频图、桑基图、热力图、关系图、漏斗图等。 2、具体讲解各类图表适用场景 柱状图 适用场景：展示多个数据之间的差异，适用于较小规模的数据。常用来比较同一指标下的不同群体，如10位不同技术人员的薪酬。 折线图 适用场景：折线图用于在连续间隔或时间跨度上显示定量数值，最常用来显示趋势和关系。此外，折线图也能给出某个时间段内的「整体概览」，观察数据在这段时间内的发展情况。 饼图 适用场景：展示各数据在整体的占比，适用于分类较少的数据。 散点图 适用场景：展示不同数据的相关关系，适用于二维数据。这种空间方法可以很容易地看到相关、负相关、集群和异常值 雷达图 适用场景：展示不同类别数据等级差异，适用于小规模数据。 箱型图 适用场景：反映数据的离散情况，最大最小值，中位数，四分位数。 气泡图 适用场景：展示三个变量之间的关系，适用于小规模数据。 词频图 适用场景：展示关键字数据出现频率大小，适用于用户画像/标签 桑基图 适用场景：反映信息的变化和流动状态，适用于路径和流量分析。 热力图 适用场景：展示数据的分布情况，适用于含位置信息的数据。 关系图 适用场景：展示事物相关性和关联性，适用于社交关系链/品牌传播 漏斗图 适用场景：展示业务流程中的转化情况，适用于用户转化分析。 我是“数据分析不是个事儿”，常年分享数据分析干货，不定期分享好用的职场技能工具。

数据分析可视化有哪些类型

数据可视化实训总结

总结是对某一阶段的工作、学习或思想中的经验或情况进行分析研究的书面材料，它能使我们及时找出错误并改正，让我们一起认真地写一份总结吧。总结怎么写才不会千篇一律呢？下面是我精心整理的数据可视化实训总结，仅供参考，希望能够帮助到大家。

数据可视化实训总结1

数据可视化是指将数据间的关系利用图表直观地展示出来。通过数据可视化将大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可从不同的维度观察数据，从而对数据进行更深入的观察和分析。

一、数据分析可视化常用的图表类型有如下几种：

1、表格

2、散点图

3、折线图

4、柱状图

5、条形图

二、可视化分析

2.1想分析购买数量前10名的用户是否是回头客还是客单量大？

对该项分析使用 表格 分析，按购买数量排名前10的用户根据购买日期的次数分析：都是一次性购买，并非回头客用户，企业应该想办法维护这些大客户群。

2.2 根据2.1分析结果继而想到那些回头客购买力度怎么样呢？从而再次对后买日期统计，分析购买次数多的用户：得出本次共分析29944个用户，回头客只有25个，占比0.083%；其中只有1名用户是购买4次的， 其余24名用户只购买2次。商家需要拉些回头客，考虑是否质量过关，是否活动力度不够？

使用一个饼状图更直接看出回头客比重之小

2.3 根据商品种类cat_id统计出销量前10名的商品种类，使用条形图做了可视化分析：

2.4 对20xx年和20xx年总销量分别按照月度和按照季度做 折线图 可视化分析，很明了看出销售变化趋势如下；11月度销量最高，第四季度销量最高。

2.5 分析表2数据，想知道哪个年龄段的儿童服装销量比较高？如下分别用 柱形图 和 散点图 进行可视化图表分析（感觉点状图效果稍好一些），可以看出相同年龄段的男女生销量走势是一致的，且随着年龄增长销量呈下降趋势。

若以3岁为一个阶段，0—3岁为婴儿期间的销量最高，淘宝和天猫市场需求量大。

三、作为数据分析职责的思想总结

在此总结下两篇初步学习数据分析的心得：数据分析首先要掌握常用的数据分析方法，数据分析工具，然后再根据自己公司的产品调整，灵活组合。接下来我要系统学习数据分析知识。数据分析师是一个实践的职位，要在实际项目中不断的训练，才能成为高手。

作为数据分析师我认为的主要职责是要将业务数据清晰、准确、明了的呈现给数据使用者和决策者，比如预测用户的流失，对用户进行自动分类等。你能提供的价值大了。决策者和管理者能够根据呈现的数据结果及时合理调整业务活动，以使企业得到利润最大化。

数据可视化实训总结2

一、数据可视化的定义

数据可视化（Data Visualization）是涉及信息技术、自然科学、统计分析、图形学、交互、地理信息等多种学科交叉领域，通过将非数字的信息进行可视化以表现抽象或复杂的概念和信息的技术。简单的说，这种技术将数据以图表的方式呈现，用以传递信息。人类有五官，能通过5种渠道感受这个物质世界，那么为什么单单要青睐可视化的方式来传递信息呢？这是因为人类利用视觉获取的信息量巨大，人眼结合大脑构成了一台高带宽巨量视觉信号输入的并行处理器，具有超强模式识别能力，有超过50%功能用于视觉感知相关处理的大脑，大量视觉信息在潜意识阶段就被处理完成，人类对图像的处理速度比文本快6万倍，所以数据可视化是一种高带宽的信息交流方式。

如果我们的视野再开阔些，数据可视化从广义上来说包含了三个分支：科学可视化（Scientific Visualization），信息可视化（Information Visualization）和可视分析学（Visual Analytics）。科学可视化是跨学科研究与应用领域，关注三维现象的可视化，在建筑学、气象学、医学或生物学方面的各种系统中有广泛的应用，这个领域研究的数据具有天然几何结构（如磁感线、流体分布等）。

scientific_data_viz。png

信息可视化则研究抽象数据的交互式视觉表示以加强人类认知。抽象数据包括数字和非数字数据，如地理信息与文本，这个领域研究的数据具有抽象的结构，比如柱状图，趋势图，流程图和树状图，这些图表将抽象的概念转化成为可视化信息，常常以数据面板的形式体现。

info_data_viz。png

可视分析学结合了交互式视觉表示以及基础分析过程（统计过程、数据挖掘技术），执行高级别、复杂的活动（推理、决策）。

viz_analysis。png

二、在数据科学全过程中的位置

数据科学的主要组成部分包含三个大的阶段：数据整理，探索性数据分析和数据可视化。站在一个更高的位置来看，数据可视化在数据科学中的位置是比较靠后的，是属于最后的成果展示阶段。如果要从头说起的话，首先，在数据整理阶段，我们的主要任务是数据的获取和解析，包括一系列对原始数据的清洗和加工工作，这一块的知识领域主要涉及计算机科学。紧接着是探索性数据分析阶段，这个阶段要大量使用统计和数据挖掘方面的专业知识，也需要绘制图表来解释数据和探索数据，这个阶段的主要任务是过滤和挖掘。但这个阶段的可视化分析只是你和数据之间的“对话”，是数据想要告诉你什么，而数据可视化则是数据和你的读者之间的对话，是你通过数据想要告诉读者什么，这是它们之间最大的区别。完成了上面两个阶段的内容，才到了我们最后的数据可视化阶段，这是一个多学科交叉的领域，涉及到图形设计，信息可视化和人机交互，我们的主要任务是对信息进行精炼，然后通过可视化表示出来，并与读者产生交互。然而，如果将数据科学的这三个阶段理解为按严格顺序进行的“线性”的模型那就大错特错了，它经历的是一个迭代的，非线性的过程。后面的步骤会让你更了解之前所做的工作，可能到了数据可视化阶段，才意识到还有太多疑点要弄明白，我们需要回到上一步重新进行之前的工作，就像画家翻来覆去才能最终完成一幅杰作一样，数据可视化的过程并不是给数据分析这个刚出炉的蛋糕加点糖霜，，而是有一个反复迭代，不断优化的过程。

三、数据可视化的技术栈

数据可视化是一个再典型不过的多学科交叉领域了，可以说数据可视化所需要用到的知识，就是数据科学庞大知识体系的一个剪影。你会感受到数据科学理性的.一面，同样也会感受到她感性的一面。你可以穷尽自己的一生，在这个浩如烟海的领域中尽情的探索，常学常新，其乐无穷。

四、数据可视化过程

数据可视化的本质，是充分理解业务的基础上对数据进行深入分析和挖掘，然后将探索数据所得到的信息和知识以可视化的形式展现出来。也就是说我们做的工作其实就是从数据空间映射到图形空间。我们要做的第一步工作是充分的结合业务理解数据，然后采用某些方法选择合适的图表类型，这又要求我们先对图表类型有个比较全面的了解。绘制完图表是不是就完成了呢？其实不是。我们还要对图表进行优化，优化所针对的对象是各种图表元素，对此我们有一系列的设计技巧，下面将一步一步的来介绍这些知识。

4.1 结合业务理解数据

离开对业务的理解谈数据分析都是耍流氓。这里介绍一种快速了解数据与业务以开展进一步的探索与分析的方法，叫“5W2H法”。

步骤一：WHAT，这是关于什么业务的什么事？数据所描述的业务主题是什么？

步骤二：HOW，即如何采集的数据？采集规则会影响后续分析，比如如果是后端数据埋点，那么数据一般是实时的；而如果是前端数据埋点，那么就要进一步弄清楚数据在什么网络状态会上传？无网络状态下是如何处理的？这些都会影响最后数据的质量进而影响分析质量。

步骤三：WHY，为什么搜集此数据？我们想从数据中了解什么？数据分析的目标是什么？

步骤四：WHEN，是何时段内的业务数据？

步骤五：WHERE，是何地域范围内的业务数据？

步骤六：WHO，谁搜集了数据（Who）？在企业内可能更关注是来自哪个业务系统。

步骤七：HOW MUCH，各种数据有多大的量，足够支持分析吗？数据充足和不足的情况下，分析方法是有所不同的。如果七个问题中有一个答复不能令人满意，则表示这方面有改进余地。

4.2 选择图表类型

用简单的三个步骤就可以选择合适的图表类型：一看数据类型，二看数据维度，三看要表达的内容。

我们有两种数据类型，每种数据类型又有两个子类别。首先，我们有分类数据和定量数据。分类数据用来表示类别，比如苹果，香蕉，梨子和葡萄，就是水果的4种类别，称为分类定类；有的分类变量是有一定顺序的，比如可以把红酒的品质分为低，中，高三档，人的身材有偏瘦，正常和肥胖等等，这种特殊的分类变量称为分类定序。定量数据也可以进一步分为两类，一类叫连续值数据，比如人的年龄；一类叫离散值数据，比如猫咪的数量。

数据可视化图表类型分析

数据的可视化显示能够让我们的工作更加流畅，以及对项目的发展状态有直观的了解。今天我们就一起来学习一下，常见的数据可视化图都有哪些类型。

折线图

折线图可能是常见的可视化方式了，它可以让用户很直观地按照时间维度了解系统的情况。系统中每个单一或聚合的指标都会以一条折线在图表中体现。但当同一个图表中同时存在多条折线时，就可能会对阅读有所影响，所以大多数情况下都可以选择仅查看其中的少数几条折线，而不是让所有折线同时显示。如果某个指标的数值产生了大于正常范围的波动，就会很容易发现。例如下图中异常的紫线、黄线、浅蓝线。

折线图的另一个用法是可以将多条折线堆叠起来以显示它们之间的关系。例如对于通过折线图反映服务器的请求数量，可以单独看到每台服务器上的请求，也可以聚合在一起看。这就可以在同一个图表中灵活查看整个系统以及每个实例的情况了。

热力图

另一种常见的可视化方式是热力图。热力图与条形图比较类似，还可以在条形图的基础上显示某部分在整体中占比的变化情况。例如在查看网络请求延时的时候，就可以使用热力图快速查看到所有网络请求的总体趋势和分布情况，另外，它可以使用不同颜色来表示不同部分的数值。

仪表图

还有一种常见的可视化方式是仪表图，用户可以通过仪表图快速了解单个指标。仪表一般用于单个指标的显示，例如车速表代表汽车的行驶速度、油量表代表油箱中的汽油量等等。大多数的仪表图都有一个共通点，就是会划分出所示指标的对应状态。

除了常规仪表样式的显示方式之外，还有较为直接的数据显示方式，配合相同的配色方案，一眼就可以看出各个指标所处的状态，这一点与和仪表的特点类似。用户不需要仔细阅读，就可以大致了解各个指标的不同状态。这种类型的可视化是我常用的类型，在数秒钟之间，我就可以全面地总览系统各方面地运行情况。

火焰图

由Netflix的BrendanGregg在2011年开始使用的火焰图是一种较为少见地可视化方式。它不像仪表图那样可以从图表中快速得到关键信息，通常只会在需要解决某个应用的问题的时候才会用到这种图表。火焰图主要用于CPU、内存和相关帧方面的表示，X轴按字母顺序将帧一一列出，而Y轴则表示堆栈的深度。图中每个矩形都是一个标明了调用的函数的堆栈帧。矩形越宽，就表示它在堆栈中出现越频繁。java课程培训机构发现在分析系统性能问题的时候，火焰图能够起到很大的作用，大家不妨尝试一下。

数据分析可视化数据图表怎么制作

1、一张优秀的可视化报表，是能明晰展现用户所需信息的，并且在制造进程中要有逻辑，不是一切的内容都是相同重要的，咱们要通过各个图表的排版方位和所占大小，突出主次之分。最好是有一个设定的阅览顺序，比方从上到下，从左到右。有些数据可视化项目，罗列了一大堆数据和目标，恨不能在一块屏幕上把一切的数据都展现出来，结果反而让可视化大屏像一团乱麻，就算设计再漂亮，受众也难以获取信息。2、不要企图展现一切的东西，只需给出最要害的信息，将屏幕分割成几个小区域，每个区域力求讲清楚一个部分，一起将最概括性的数据以目标的方式放到显眼的方位。3、可视化数据图表制造可以使数据变得更有意义，并且可视化也可以使数据变得更简单理解。数据可视化软件正帮助越来越多的企业从浩如烟海的杂乱数据中理出头绪，化繁为简，变成看得见的财富，从而实现更有效的决策进程。

33种经典图表类型总结，轻松玩转数据可视化

随着时代的发展，越来越多的数据量堆积，然而这些密密麻麻的数据的可读性较差并且毫无重点，而数据可视化更加直观有意义，更能帮助数据更易被人们理解和接受。 因此运用恰当的图表实现数据可视化非常重要，本文归结图表的特点，汇总出一张思维导图，帮助大家更快地选择展现数据特点的图表类型。 接下来我将依次介绍常用图表类型，分析其适用场景和局限，从而帮助大家通过图表更加直观的传递所表达的信息。 展示多个分类的数据变化和同类别各变量之间的比较情况。 适用：对比分类数据。 局限：分类过多则无法展示数据特点。 相似图表：1）堆积柱状图。比较同类别各变量和不同类别变量总和差异。 2）百分比堆积柱状图。适合展示同类别的每个变量的比例。 类似柱状图，只不过两根轴对调了一下。 适用：类别名称过长，将有大量空白位置标示每个类别的名称。 局限：分类过多则无法展示数据特点 。 相似图表：1）堆积条形图。比较同类别各变量和不同类别变量总和差异。 2）百分比堆积条形图。适合展示同类别的每个变量的比例。 3）双向柱状图。比较同类别的正反向数值差异。 展示数据随时间或有序类别的波动情况的趋势变化。 适用：有序的类别，比如时间。 局限：无序的类别无法展示数据特点。 相似图表：1）面积图。用面积展示数值大小。展示数量随时间变化的趋势。 2）堆积面积图。同类别各变量和不同类别变量总和差异。 3）百分比堆积面积图。比较同类别的各个变量的比例差异。 结合柱状图和折线图在同一个图表展现数据。 适用：要同时展现两个项目数据的特点。 局限：有柱状图和折线图两者的缺陷。 用于发现各变量之间的关系。 适用：存在大量数据点，结果更精准，比如回归分析。 局限：数据量小的时候会比较混乱。 相似图表：1）气泡图。用气泡代替散点图的数值点，面积大小代表数值大小。 用来展示各类别占比，比如男女比例。 适用：了解数据的分布情况。 缺陷：分类过多，则扇形越小，无法展现图表。 相似图表：1）环形图。挖空的饼图，中间区域可以展现数据或者文本信息。 2）玫瑰饼图。对比不同类别的数值大小。 3）旭日图。展示父子层级的不同类别数据的占比。 用颜色的深浅来展示区域范围的数值大小。 适合：展现呈面状但属分散分布的数据，比如人口密度等。 局限：数据分布和地理区域大小的不对称。通常大量数据会集中在地理区域范围小的人口密集区，容易造成用户对数据的误解。 相似图表：1）气泡地图。用气泡大小展现数据量大小。 2）点状地图。用描点展现数据在区域的分布情况。 3）轨迹地图。展现运动轨迹。 以特殊高亮的形式显示访客热衷的页面区域和访客所在的地理区域的图示。 适合：可以直观清楚地看到页面上每一个区域的访客兴趣焦点。 局限：不适用于数值字段是汇总值，需要连续数值数据分布。 展现同一层级的不同分类的占比情况，还可以同一个分类下子级的占比情况，比如商品品类等。 适用：展示父子层级占比的树形数据。 缺陷：不适合展现不同层级的数据，比如组织架构图，每个分类不适合放在一起看占比情况。 突出显示一两个关键的数据结果，比如同比环比。 适合：展示最终结果和关键数据。 缺陷：没有分类对比，只展示单一数据。 展现文本信息，对出现频率较高的“关键词”予以视觉上的突出,比如用户画像的标签。 适合：在大量文本中提取关键词。 局限：不适用于数据太少或数据区分度不大的文本。 展现某个指标的完成情况。 适合：展示项目进度。 局限：只适合展现数据的累计情况，不适用于数据的分布特征等。 将多个分类的数据量映射到坐标轴上，对比某项目不同属性的特点。 适用：了解同类别的不同属性的综合情况，以及比较不同类别的相同属性差异。 局限：分类过多或变量过多，会比较混乱。 用梯形面积表示某个环节业务量与上一个环节之间的差异。 适用：有固定流程并且环节较多的分析，可以直观地显示转化率和流失率。 局限：无序的类别或者没有流程关系的变量。 采用绝对值与相对值结合的方式，展示各成分分布构成情况，比如各项生活开支的占比情况。 适合：展示数据的累计变化过程。 局限：各类别数据差别太大则难以比较。 一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，起始流量总和始终与结束流量总和保持平衡。比如能量流动等。 适合：用来表示数据的流向。 局限：不适用于边的起始流量和结束流量不同的场景。比如使用手机的品牌变化。 相似图表：1）和弦图。展现矩阵中数据间相互关系和流量变化。数据节点如果过多则不适用。 是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。 适用：用来展示一组数据分散情况，特别用于对几个样本的比较。 局限：对于大数据量，反应的形状信息更加模糊。

常见的数据分析可视化图表有哪些

①柱状图：用于做比较。

柱状图是最基础的一种图表，我们通过数据柱的高度来表现数据的多少，进而比较不同数据之间的差异。数据量的大小对比对于我们来说一目了然，一般来说，柱状图的横轴是时间轴，纵轴是数据轴。

②折线图：用于看数据变化的趋势。

折线图一般可以基于时间维度看数据量的变化趋势，发现整体走向和单体突出数据，如图4-2所示。比如通过折线图可以看出全年的新增用户变化情况，找出数据变化的高点和低点，而柱状图则用来对比不同高点之间的变化，进而找原因。

③饼状图：用于看各部分的占比。

饼状图和柱状图在应用上有一定的重合。饼状图的应用重点在于发现单体因素在整体因素中的占比，但如果用多个单体因素做饼状图，可能导致数据特征不明显。

④散点图：用于二维数据的比较。

散点图可以用于三维数据的表现，也可以用于二维数据的比较。一般我们将数据大的维度作为纵轴，更有利于展示结果。

⑤气泡图：用于用户三维数据的比较。

气泡图是对散点图的升级，可通过散点图中点的不同大小来表现第三维数据。

⑥雷达图：用于四维以上数据的对比。

雷达图可以应用于多维度数据的对比。雷达图一方面可以对比出不同群组用户的特征，另一方面可以总结不同用户的特征。

已有excel数据，如何做图表数据分析，即让数据呈现可视化图表！！！

1、首先输入数据，点击插入菜单，在图表命令组找到柱形图命令，插入柱形图。2、按下alt键调整图表大小，并使图表自动吸附网格线。发现图表中有两个系列，四组数据。3、在其中一个系列上右键单击，点击更改系列图表类型。在弹出来的对话框中，找到底部的组合，选择其中一个系列，点击图表类型下拉箭头，将柱形图改为折线图。就可以看到其中的一个系列改为了折线图。3、如果数据相差大，可以将一个系列放在次坐标轴上，调整坐标轴值得大小，以显示正确的图形。