本章学习目标理解数据可视化的核心目的探索 vs 解释掌握不同分析场景对应的图表类型了解每种图表的优势和局限学会根据数据特征和分析目标选择图表核心能力不只会画图更知道为什么画这张图一、为什么要做数据可视化1.1 可视化的核心价值“一张好的图表胜过千言万语。”对比维度表格/数字图表理解速度慢需要逐行阅读快一眼看出趋势发现规律难数字不直观易图形揭示模式沟通效果枯燥生动信息密度高适中精确性高较低需要标尺1.2 可视化的两种目的目的说明场景图表特点探索性分析自己看图发现数据中的规律前期数据分析、找特征可以复杂、多维度、尝试多种图表解释性分析向他人展示传达明确结论报告、PPT、汇报简洁、清晰、突出重点核心原则探索时可以画100张图汇报时只用1张最能说明问题的图。二、图表选择的决策框架2.1 核心问题你想表达什么在选择图表之前先问自己问题对应的分析目的想比较大小对比不同类别的大小想看趋势数据随时间的变化想看占比部分与整体的关系想看分布数据的分散和集中程度想看关系两个变量之间的关联想看组成整体由哪些部分构成2.2 图表选择总览图你想表达什么 │ ├── 比较大小 ──→ 柱状图类别少、条形图类别多 │ ├── 趋势变化 ──→ 折线图时间序列 │ ├── 占比关系 ──→ 饼图类别少、环形图、堆叠柱状图 │ ├── 数据分布 ──→ 直方图单变量、箱线图对比分布、小提琴图 │ ├── 变量关系 ──→ 散点图两变量、热力图多变量相关 │ └── 地理数据 ──→ 地图三、按分析目的选择图表3.1 比较大小——柱状图、条形图什么时候用想比较不同类别之间的数值大小。核心原则用柱子的高度或长度代表数值大小越长/越高表示数值越大。图表类型适用场景优点缺点例子垂直柱状图类别名称较短、类别数量适中3-8个直观、易读类别名太长会重叠各品牌销量对比水平条形图类别名称较长、类别数量多8个以上标签易读占空间大各省份GDP排名分组柱状图同时比较两个维度如不同年份的不同产品对比清晰类别多了会拥挤2019/2020/2021年各产品销量堆叠柱状图想看总量内部构成同时展示总量和结构难以对比中间部分总销售额各品类贡献选择指南类别名称短2-4个字→ 垂直柱状图类别名称长5个字以上或数量多 → 水平条形图想强调排名 → 排序后画水平条形图常见错误❌ Y轴不从0开始会夸大差异❌ 3D柱状图无信息增量反而难读❌ 柱子间距不合理过密或过疏如何向AI描述“画一个柱状图X轴是品牌Y轴是平均价格按价格从高到低排序”3.2 趋势变化——折线图什么时候用想看数据随时间或其他有序变量的变化趋势。核心原则用点代表数据用线连接相邻点强调变化的连续性。适用场景说明例子时间序列数据最经典的应用月销售额趋势、股价走势有序类别如年龄段0-1818-3030-45…不同年龄段患病率对比多个趋势多条折线在同一图对比不同产品的销售趋势折线图 vs 柱状图对比维度折线图柱状图强调什么变化趋势、连续性数值大小、对比数据特点X轴有序通常是时间X轴是类别适用场景趋势分析、预测横向对比选择原则X轴是时间或其他有序变量 → 折线图优先X轴是类别如品牌、地区 → 柱状图优先。常见错误❌ 类别型数据用折线图如不同“品牌”的价格连线——连线的意义是什么❌ 缺失数据时直接连线可能误导❌ 同时展示太多线条超过5条就难读了如何向AI描述“画一个折线图X轴是月份Y轴是销售额按不同产品画多条线”3.3 占比关系——饼图、环形图、堆叠柱状图什么时候用想看各部分占整体的比例。核心原则用面积而非长度代表比例强调“整体中的一部分”。重要警告饼图是争议最大的图表。很多专家建议慎用饼图因为人眼对面积的感知不如对长度的感知敏感。图表类型适用场景优点缺点饼图类别极少2-4类、想强调占比直观、易懂类别多了难读难以精确比较环形图同饼图中间可加总数视觉效果更好同饼图堆叠柱状图多个整体内部结构可同时对比多个整体的组成难以对比中间的类别百分比柱状图只看比例不看总量适合对比不同群体的构成丢失了规模信息饼图使用铁律类别不超过5个超过就用条形图从12点钟方向开始按从大到小顺时针排列比例必须加起来为100%不用3D饼图视觉扭曲什么时候不用饼图类别超过5个 → 变成“千层饼”完全无法阅读需要精确比较比例 → 条形图更适合长度对比更精准比例非常接近 → 饼图难以区分差异替代方案多类别 →水平条形图更清晰多整体对比 →分组柱状图或百分比堆叠柱状图如何向AI描述“画一个饼图展示各品类的销售额占比按占比从大到小排列”3.4 数据分布——直方图、箱线图、小提琴图什么时候用想看数据的集中趋势、分散程度、偏态、异常值。图表类型适用场景优点缺点例子直方图单变量分布直观看到分布形状对bin数量敏感年龄分布、价格分布箱线图单变量分布对比多组分布简洁、信息密度高丢失细节看不到双峰不同城市的价格分布对比小提琴图箱线图升级版需要看分布形状保留分布形状箱线图信息较复杂新手难读懂比箱线图信息更丰富密度图平滑版直方图平滑、美观带宽选择影响形状概率密度估计3.4.1 直方图核心原则将数据分成连续的区间用柱子高度代表落在该区间的数据数量。关键参数参数说明影响bin数量分组的数量bin太少→信息损失bin太多→噪音太多bin宽度每个区间的宽度影响分布形状的呈现如何选择bin数量数据量大1000条→ 可以多用些bin20-50数据量小100条→ 少用些bin5-10默认值通常可用有疑虑就多试几个值从直方图能读出什么形状特征含义例子对称钟形正态分布身高右侧长尾正偏态右偏收入、房价左侧长尾负偏态左偏考试通过率两个高峰双峰分布可能有混合群体孤立的柱子可能有异常值少数极高值如何向AI描述“画一个价格列的直方图bin数量设为50”3.4.2 箱线图核心原则用五个统计量概括数据分布最小值、Q1、中位数、Q3、最大值。超出1.5倍IQR的点标记为异常值。箱线图的结构异常值 ● | ┌───────┴───────┐上边缘Q3 1.5×IQR │ │ │ ┌───────┐ │ │ │ │ │ ───┼───┼───────┼───┼───Q375%分位数 │ │ Q3 │ │ │ │ │ │ │ │ ~~~ │ │ ← 中位数线 │ │ │ │ │ │ Q1 │ │ ───┼───┼───────┼───┼───Q125%分位数 │ │ │ │ │ └───────┘ │ │ │ └───────────────┘下边缘Q1 - 1.5×IQR | 异常值 ●箱线图的优势信息密度高一张图包含多个统计量特别适合对比多组分布自动标记异常值箱线图的局限看不到分布形状如果数据是双峰箱线图无法反映需要理解分位数概念才能读懂如何向AI描述“画一个箱线图X轴是品牌Y轴是价格看不同品牌的价格分布对比”3.4.3 箱线图 vs 小提琴图对比维度箱线图小提琴图信息内容5个统计量统计量完整分布形状可读性高易读懂中需要解释美观度一般高适用场景快速对比多组需要看分布形状的细节选择建议快速报告、汇报对象非技术背景 →箱线图自己的探索性分析、技术报告 →小提琴图如何向AI描述“画一个小提琴图X轴是变速箱类型Y轴是价格中间叠加箱线图”3.5 变量关系——散点图、热力图什么时候用想看两个或多个变量之间的关系。图表类型适用场景优点缺点例子散点图两个连续变量的关系直观看到相关模式数据量大时点重叠年龄vs价格气泡图三个变量的关系XY大小增加信息维度可能过度拥挤价格vs里程销量热力图多变量相关性矩阵信息密度极高无法看到非线性关系各特征相关性散点图矩阵多个变量的两两关系全面扫描信息量大需解读探索多变量关系3.5.1 散点图核心原则每个点代表一个样本X轴和Y轴分别代表两个变量。从散点图能读出什么点的模式含义相关系数r例子从左下到右上正相关r 0功率↑ → 价格↑从左上到右下负相关r 0里程↑ → 价格↓云状无方向不相关r ≈ 0价格vs车身颜色编码曲线形非线性关系接近0某些倒U型关系常见陷阱❌ 数据量太大10000点→ 点重叠严重无法读图 → 考虑抽样或六边形分箱图❌ 过度解读异常点少数离群点可能只是噪音如何向AI描述“画一个散点图X轴是里程Y轴是价格看里程和价格的关系”3.5.2 热力图相关系数矩阵核心原则将相关系数矩阵用颜色深浅表示颜色越深或越鲜艳表示相关性越强。热力图的读法对角线变量与自己的相关 1最深色上三角和下三角对称颜色深浅代表相关系数大小从热力图能发现什么发现含义处理建议两个特征颜色很深特征间高度相关多重共线性建模时考虑只保留一个某特征与目标变量颜色深强预测力建模时重点使用某行/列都很浅该特征与谁都无关可能可以删除如何向AI描述“画一个相关系数热力图展示所有数值特征之间的相关性用颜色深浅表示相关强度”四、图表选择速查表4.1 按分析目的查找你想表达什么推荐图表不要用比较几个类别的数值柱状图、条形图饼图类别多了不行看数据随时间的变化折线图柱状图不强调连续性看部分占整体的比例2-4类饼图、环形图折线图无顺序看部分占整体的比例多类水平条形图饼图变成千层饼看单变量的分布直方图、密度图饼图对比多组数据的分布箱线图、小提琴图折线图看两个变量的关系散点图连接线除非有时间顺序看多个变量的相关性热力图多个散点图4.2 按数据类型查找X轴数据类型Y轴数据类型推荐图表类别离散数值柱状图、箱线图时间有序数值折线图数值数值散点图类别类别堆叠柱状图、马赛克图数值单变量—直方图、箱线图五、本章总结核心选择原则原则说明目的驱动先想清楚要表达什么再选图表简洁至上去掉一切非必要元素3D、过多颜色、网格线读者导向你的读者能看懂这张图吗准确第一不歪曲数据Y轴从0开始、不用截断的轴图表速记口诀比较用柱状趋势用折线占比用饼图别超5个分布用箱线关系用散点相关用热力。核心心法“好的图表不是最复杂的图表而是能让读者在3秒内理解你想表达什么的图表。”六、思考题你想比较10个城市的人均消费。你会用什么图表为什么不用饼图你想展示某产品过去12个月的销售额变化趋势。你会用折线图还是柱状图为什么一份报告中有8个饼图每个饼图有8个扇区。这个报告有什么问题你会怎么改进你想对比不同品牌的价格分布中位数、波动、异常值。箱线图和小提琴图哪个更合适为什么你想探索“里程”和“价格”的关系。应该用什么图如果发现数据有100万点直接画散点图会遇到什么问题怎么解决下一节预告6.2 各图表深度解读 —— 折线图、柱状图、箱线图、散点图、热力图……每种图表的读法和解读要点。