在日常工作中，很多人都会面对一堆数据，却不知道如何更直观地展示它们，或者不知道用什么样的图表能达到更好的展示效果！小编今天整理了一些经常用到的数据图表，希望对大家有用。

什么是可视化呢？

传统意义上的说，可视化是利用计算机图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。如果从字面上来理解，可视化就是把信息映射为可见图形的过程。它为人类与计算机这两个信息处理系统之间提供了一个接口。

为什么数据可视化如此重要？

数据可视化能把枯燥的数据变得有趣起来，不用再成千上万的数据面前焦头烂额。下面来认识一下这些图表的庐山真面目。

1. 柱状图

用垂直或水平的柱子表示不同分类数据的数值大小。二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较，用于显示一段时间内的数据变化或显示各项之间的比较情况。

1.1堆积柱状图

适用于包含若干个小分类的分组数据的可视化。不仅可以直观地看出每个系列的值，还能够反映出系列的总和，尤其是当需要看某一单位的综合以及各系列值的比重时最适合。

1.2分组柱状图

适用于包含了相同分类的多组数据的比较，可以比较同一分组内不同分类的数据，或不同分组内相同分类的数据，无法对比各分组的总量。

2.正负条形图

使用正反向柱子表示数据的正负数值，适用于有相反含义的数据（例如不同国家的男性与女性的人口数量），注意的是分界线需为0点。

3.折线图

折线图适合二维的大数据集，还适合多个二维数据集的比较。一般用来表示趋势的变化，横轴一般为日期字段。用于展示数据的连续变化趋势，注意自变量要有顺序关系（如时间），因变量单位数值对于折线起伏变化的影响，折线过多会降低图表的易读性。

4.层叠面积图

用颜色填充折线与坐标轴之间的区域，以强调数据的变化趋势注意颜色部分，要是用透明度来区分不同分类数据。

5.河流图

面积图的变形，展示不同类别的数据随时间变化的情况。注意数据可视化是围绕一个变化的中心基线而不是自变量轴。

6.基础饼图

通过扇形的角度大小展示各数据在整体种的占比大小分类过多时，占比晓得分类数据会难以辨别。在展示区别不大的数据时，饼图的可视化效果会下降。

7.环图

属于中心挖空的饼图，通过环块的角度大小展示各数据在整体中的占比大小。

7.1双层环图

属于中心挖空的饼图，双环之间有一层包含关系，适合展示有一层包含关系的数据占比情况。

8.南丁格尔玫瑰图

擅长凸显数据之间的差异，适用于比较大小相近的数值，不适合分类过少的数据（例如一个国家出生和死亡人数）。不适合数值相差过大的数据（例如世界各国人口数）。

9.旭日图

饼图的变形，适用于展示多层级的数据的占比情况。通过环块的角度大小展示各数据在同环数据中的占比大小，相邻的两层数据通常有包含关系，越往外层，分类越细越具体，在数据量很大的是，要借助交互功能才能保持图表的易读性。

10.雷达图

坐标轴始于统一圆心径向排列，同一个分类数据的各项数值点围成一个多边形，擅长展示综合性能和突出异常数据，不适合变量或分类过多的数据。

11.漏斗图

适用于具有逻辑顺序的分类数据的对比（例如看到问卷的人数—进入问卷填写页面的人数—完成问卷的人数—转发问卷的人数）。每个梯形的下底长度则代表该分类数据的数值大小。

12.散点图

通过点的位置展示数据的大小，通过点的分布观察不同分类数据的相关关系，分类数据过多会使点的数量过多，降低图表的易读性。

13.立体气泡图

气泡图是基于散点图的多变量数据可视化形式，气泡的面积大小和颜色均可以表示数值，气泡过多会让气泡难以区分。

14.热力图

热力图通过颜色不同展示不同的数据大小和分布情况，可以没有特定的自变量轴和因变量轴，经常与不同的背景（例如地图）结合。

15.矩形树图

适用于带有权重的层级数据（例如不同省份幼儿教师的学历比例情况），通过小矩形面积的大小表示其在整体种的占比情况。

16.弦图

数据分布在圆周的节点上，通过节点之间的连线来展示节点的关系，弦的两端宽度可以不相同，以展示权重关系。

17.桑基图

一种描述多级数值流向的流程图，节点的不同长度代表了不同的数值大小，起始流量大小必须一致。不适宜展示带有权重的数值关系。

18.词云

显示词频，可以用来做一些用户画像、用户标签的工作。很酷炫、很直观，但使用场景较为单一，一般用来做词频。