发布时间
您知道吗?可视化数据图表有 12 种类型,例如柱状图和折线图¹。选择合适的图表并非关键。将不同类型的图表组合在一起,可以讲述一个引人入胜的数据故事。通过将各种图表叠加在一起,我们可以获得更深刻的洞察,并对受众产生更大的影响。专家们分享了使用 Plotly 和 Seaborn/Matplotlib 等工具创建这些图表的代码片段¹ 。
本文将探讨如何混合使用不同类型的图表来创建强大的复合可视化图表。这些图表有助于讲述故事和分析复杂数据。无论您是从事研究、决策制定还是热爱数据,学习复合可视化图表都能提升您分享见解和激发行动的能力。
关键精华
- 复合可视化 让您以清晰的方式展示数据的多个方面。
- 选择正确的图表类型组合可以让您的见解打动受众。
- 这些图表非常适合讲述故事,并通过展示关系和模式来分析复杂数据。
- 创建有效的化合物可视化 意味着了解你的听众和你想说什么。
- 使用正确的工具可以使制作这些图表变得简单而有趣。
让我们深入探讨复合可视化,学习让你的数据演示脱颖而出的策略。我们将探索如何让你的数据故事更具感染力。加入我们,一起提升你的数据叙事能力。
了解目的和受众
在制作任何数据可视化之前,关键是要明确目的和受众。你想传达什么信息?哪些洞察最为重要?了解这些数据沟通目标有助于为你的复合可视化选择合适的图表类型和设计。
了解受众的数据素养和可视化偏好也至关重要²。通过使你的视觉叙事与他们的期望和理解相匹配,你的复合可视化将更好地传达你的信息²。
确定信息和目标
明确主要信息和关键见解是制作出色数据可视化的关键。了解数据的用途有助于选择合适的图表类型和设计元素来实现目标²。
为目标受众定制可视化
了解受众的数据素养以及他们喜欢的可视化方式非常重要。为他们定制可视化内容,可以确保你的见解能够被分享和理解³。
| 受众特征 | 可视化注意事项 |
|---|---|
| 新手数据用户 | 使用简单、直观的图表类型;提供清晰的上下文信息 |
| 主题专家 | 利用更复杂的可视化来揭示更深刻的见解 |
| 跨职能团队 | 采用均衡的可视化组合来满足不同的需求 |
了解你的受众,并使你的数据可视化目的与沟通目标保持一致,有助于创建能够吸引和告知你的利益相关者的视觉故事3。
“制作有效的数据可视化的关键在于了解你的受众,并根据他们的特定需求和偏好定制见解。”
有效数据叙事的比较图表
打造引人入胜的数据故事是营销机构吸引客户和分享洞察的关键。其核心是对比可视化,例如条形图和柱状图。这些工具可以让你并排比较数据点⁴。
条形图和柱形图:简单而强大
条形图和柱形图对于讲述数据故事至关重要。它们易于理解,能够清晰地展示差异和趋势。条形图非常适合避免图表杂乱,并能比较超过 10 个项目⁴。它们也适用于跟踪变化和比较不同组别⁴。
分组图表和堆积图表:显示多个系列
对于复杂的比较,可以使用分组图和堆叠图在一个视图中显示多个数据系列。这些图表有助于探索数据之间的关系和模式。使用颜色、间距和标签可以提高图表的可读性和影响力,从而更好地辅助你的叙事⁴。
| 可视化类型 | 最佳用例 |
|---|---|
| 垂直条形图 | 比较不同类别的值,提供清晰的比较、易读性和视觉层次5. |
| 折线图 | 显示随时间变化的趋势、连续流动、比较和对比趋势的能力、讲述视觉故事、轻松发现高峰和低谷5. |
| 面积图 | 强调随时间变化的趋势和累计总量,提供流畅的视觉过渡、丰富多彩的效果、跨类别的比较,帮助发现高点和低点5. |
| 甜甜圈图 | 显示整体比例、中央信息中心、提高可读性、视觉焦点、色彩强调5. |
| 气泡图 | 在图表中添加第三个维度,使用气泡表示三组数据,气泡大小对于变量表示具有重要意义,有助于进行全面的数据比较5. |
“条形图和柱状图等对比图表是有效数据叙事的基础。这些简单明了的图表类型可以清晰地并排比较数据点,使读者能够轻松识别差异和趋势。”
相关性和多元可视化
以相关性为重点的可视化图表,例如散点图、气泡图和热力图,是发现数据模式的关键。它们有助于识别趋势、异常值和聚类。这使得理解数据和做出更明智的决策变得更加容易。
散点图:揭示关系
散点图展示了两个变量之间的联系。它们揭示了二者关系的强度和方向²。您可以观察这种关系是直线还是曲线,找到异常数据点,并寻找相关性。这些图表非常适合检验想法和发现新的见解。
气泡图和热图:多元分析
气泡图和热图比散点图更能处理大量数据⁶。气泡图通过气泡大小增加第三个维度,从而显示另一个变量。热图则使用颜色来展示不同变量之间的关系。这些工具有助于发现简单图表难以呈现的复杂模式。
使用相关性可视化可以帮助您更好地理解数据。它们对于分析销售、营销活动或人力资源数据非常有用<sup> 2 6</sup>。
部分到整体和分层可视化
当你的数据展现比例关系时,像饼图和树状图这样的部分与整体可视化工具非常适用。饼图展示了不同部分如何构成整体。树状图则适合在有限的空间内展示复杂的数据⁷。
饼图和树状图:表示比例
旭日图和漏斗图非常适合展示复杂数据。它们能帮助你了解事物之间的联系和流动方式。这些图表功能强大,能让你的数据变得易于理解<sup>8</sup>。
旭日图和漏斗图:层次结构
可视化对于分享有关基因组和健康趋势的复杂数据至关重要。像 nextstrain 和 Microreact 这样的工具可以让专家和政策制定者深入了解他们的数据7。
“基因组测序现在是抗击疾病的重要组成部分,科学家正在研究更好的方法来展示这些数据。”
基因组流行病学可视化类型学(GEViT)帮助科学家为他们的研究选择合适的可视化方式。它提供了一种清晰的方法来设计和探索可视化7。
在 gevit.net 上有一个专门的区域,GitHub 上也有代码,可以用来查看这些可视化效果。这表明规划如何展示复杂数据是多么重要7。
时间数据可视化
当你想了解事物随时间的变化时,使用时间数据可视化至关重要。折线图和面积图非常适合展示数据随时间变化的趋势和变化。它们可以帮助你发现模式、异常点以及数据的总体方向。
想要详细了解时间线和里程碑,甘特图和时间线是理想之选。它们能让您轻松查看日程安排、进度以及事件的来龙去脉。这些工具能帮助您的受众把握全局,发现趋势,并就您的研究或项目做出明智的选择。
折线图和面积图:跟踪随时间的变化
折线图和面积图非常适合展示事物随时间的变化。它们以时间轴为轴绘制数据,使您可以观察趋势、模式和异常值。折线图侧重于特定数据点及其变化。面积图则显示数据系列之间的累积或比例变化。
甘特图和时间表:项目规划和里程碑
甘特图和时间线非常适合管理和规划项目。甘特图将任务以条形图的形式显示在时间线上,使用户可以轻松查看开始和结束日期、依赖关系以及项目进度。时间线则清晰地展示了里程碑、事件和活动顺序。它们对于让利益相关者了解项目进展和跟踪项目进度非常有帮助。
利用这些可视化方法,您可以展示您的研究或项目是如何发展的。您可以发现趋势和模式,并为明智的决策提供支持。无论您是跟踪变化还是规划复杂的项目,这些工具都能最大限度地发挥数据的价值。
分布和密度可视化
为了更清晰地了解数据的分布情况,使用以分布为中心的图表至关重要。直方图和箱线图可以展示数据的分布情况,帮助识别主要趋势、分布范围以及任何突出的数据点¹⁰。为了进行更深入的分析,可以使用小提琴图和山脊线图来展示不同组别的数据密度,从而揭示其他图表无法显示的模式和差异¹⁰。这些工具可以使您的数据洞察更加清晰,并有助于您做出更明智的决策。
直方图和箱线图:理解数据分布
直方图将数据分成若干区间,以显示每个区间出现的频率。箱线图由约翰·图基 (John Tukey) 在 1970 世纪 10 年代创建,可以快速展现数据的主要趋势、分布情况和异常值¹⁰。这些简单的图表能够提供对数据的深入洞察,并指导您的分析。
小提琴图和山脊线图:比较分布
与箱线图不同,小提琴图可以提供数据的详细视图¹⁰。它们非常适合展示复杂的数据模式,尤其适用于具有两个主要峰值的数据¹⁰。山脊线图可以显示数据随时间变化的趋势,尤其适用于查看垂直方向的变化¹⁰。这些高级图表可以揭示简单图表可能隐藏的模式和差异。

使用这些可视化图表时,请考虑数据点的数量以及合适的箱体大小或核带宽。小提琴图可能会显示实际上没有数据的地方,尤其是在数据边缘¹¹。选择合适的可视化图表并调整其设置,可以准确且有意义地展现数据的分布情况。
| 可视化类型 | 主要特征 | 典型应用场景 |
|---|---|---|
| 直方图 | 显示箱中观察的频率 | 探索整体数据分布 |
| 箱线图 | 总结集中趋势、分布和异常值 | 比较各组之间的分布 |
| 小提琴情节 | 可视化数据密度,可以表示双峰分布 | 复杂数据分布的详细探索 |
| 山脊线图 | 显示随时间变化的分布趋势 | 纵向分析数据分布的变化 |
使用分布和密度可视化可以加深您对数据的理解。它们有助于发现模式和异常值,并指导您做出更明智的决策。无论您喜欢直方图、箱线图、小提琴图还是山脊线图,这些工具都是分析数据的关键。
地理空间和网络可视化
当您的数据包含空间或关系信息时,地理空间和网络可视化至关重要。它们可以帮助受众了解数据的位置以及数据之间的连接方式。这使得理解数据的空间分布及其内部关系变得更加容易。
分级统计图:空间数据表示
等值线地图展示和分析地理数据。它们突出不同区域的模式和趋势。这些地图使用颜色或图案来显示特定区域(例如国家或州)的数据值¹²。
桑基图和网络图:流程和连通性
桑基图和网络图非常适合展示流动和连接。桑基图适用于追踪能量或数据等事物在不同地点之间的流动。网络图则展示了不同事物之间的相互关系,例如人或产品¹²。
网络可视化在过去20年中发展迅速。许多研究探讨了不同类型的网络可视化。但是,这些研究中使用的术语可能会令人困惑,使得区分不同的方法变得困难13。
研究人员已经提出了许多展示地理空间网络的方法。这些方法包括简单的地图和复杂的虚拟现实世界。他们还找到了处理大型网络和不确定连接的方法¹²。
近期研究的主要目标是帮助设计更好的地理空间网络可视化方案。这些研究旨在解决当前问题并指导未来的研究<sup> 12</sup>。设计空间包括四个主要领域:地理、网络、计算和交互<sup> 12</sup>。
“文中列举了具体的历史例子,例如查尔斯·约瑟夫·米纳德 (Charles Joseph Minard) 于 1858 年、1864 年和 1865 年绘制的棉花进口到欧洲的图,以及哈里·贝克 (Harry Beck) 于 1933 年绘制的伦敦地铁示意图。”<sup> 12</sup>
地理空间和网络可视化是强大的工具。它们揭示了数据的空间和关系特征。这有助于您发现原本难以察觉的模式、趋势和联系。
组合图形类型:创建有效的复合可视化
数据可视化的真正力量在于将不同类型的图表融合在一起。这使得仪表盘和展示能够完整地讲述我们的数据故事。
有效化合物可视化的原理
为了使复合可视化效果良好,它们需要易于理解和操作。使用小型多图、链接视图和组合图表有助于我们创建引人注目并提供深刻见解的可视化效果²。
组合图形类型的技术
混合使用多种图表类型的一个好方法是使用组合图表。这些图表将条形图、柱状图和折线图组合在一起。它们非常适合比较不同的数值或展示两个指标之间的关系。
另一种方法是使用分组图或堆叠图。例如,分组条形图或堆叠柱形图。这些图表允许我们在一张图表中显示多个数据系列,使比较更容易,关系更清晰¹⁵。
学习混合使用各种图表类型可以改善我们的数据沟通和决策。它有助于我们创建能够吸引受众并分享重要见解的仪表盘和信息设计²。
“数据可视化的真正力量在于能够将多种图表类型组合成一个单一、连贯的复合可视化图表。”
最佳实践和设计注意事项
要想让数据可视化既美观又有效,需要精心设计。巧妙运用色彩、字体和布局,可以使你的可视化效果更好、更有影响力¹⁶。
颜色、字体和布局建议
考虑一下配色方案、字体选择以及图表元素的排列方式。好的配色方案、清晰的字体和简洁的布局会让你的视觉效果更具吸引力和感染力¹⁷。
可视化中的可访问性和交互性
此外,请确保您的视觉素材易于访问,使用清晰的标签和交互功能。通过运用这些设计技巧并提高可访问性,您可以让您的视觉素材脱颖而出,并有效地向不同人群传达您的信息¹⁶。
| 数据可视化设计的最佳实践 | 关键注意事项 |
|---|---|
| 色彩设计 |
|
| 活版印刷 |
|
| 布局 及结构 |
|
| 无障碍服务 |
|

通过使用这些设计原则和辅助功能技巧,您不仅可以使您的视觉效果看起来不错,还可以很好地与许多人分享您的信息17。
“由于受众范围不断扩大,有效的数据可视化至关重要。” <sup>17</sup>
创建可视化的工具和资源
创建出色的数据可视化需要数据专家拥有一套强大的工具包。如今,我们有很多选择,从功能强大的库到易于使用的在线平台。这些工具可以帮助我们将复杂的数据转化为清晰且具有影响力的可视化效果¹⁸。
流行的数据可视化库和软件
像Plotly 、Tableau 和 D3.js 这样的顶级数据可视化库提供了许多功能,可用于创建自定义和交互式可视化效果¹⁸。它们使用户能够将复杂的数据转化为引人注目的可视化效果。这使得处理不同的数据源并创建引人入胜的仪表板和报告变得容易¹⁸。
用于快速可视化的在线工具和平台
此外,还有一些易于使用的在线工具和平台可用于制作数据可视化图表。例如,Datylon Online 和 Datylon for Illustrator 等工具拥有简洁的界面和模板。这使得用户即使不是技术专家也能快速制作出精美的可视化图表¹⁸。
通过使用这些工具,数据专家可以提高他们的技能,使他们的工作更轻松,并创建能够触达受众的惊人视觉效果18。
| 数据可视化工具 | 主要功能 | 使用案例 |
|---|---|---|
| Plotly | 强大的图表和仪表板功能、交互式可视化、高级分析 | 探索性数据分析、交互式仪表板、基于网络的数据可视化 |
| 画面 | 直观的界面、丰富的图表类型、数据混合、高级分析 | 商业智能、数据发现、自助分析 |
| D3.js | 高度可定制、基于 SVG、丰富的可视化类型库、高级 互动 | 复杂数据可视化、基于网络的交互式数据探索 |
| 达泰隆在线 | 用户友好界面、预建模板、轻松数据导入、快速可视化生成 | 快速原型设计、演示可视化、协作数据探索 |
| Datylon 插画 | 与 Adobe Illustrator 无缝集成、以设计为中心的可视化创作、高级定制 | 视觉驱动 数据讲故事、高质量的报告和演示文稿可视化 |
借助这些强大的数据可视化工具、软件、库和平台,专家可以制作出令人惊叹的可视化作品。这些可视化作品能够分享真知灼见,并吸引观众的注意力<sup>18 19 20</sup>。
结语
结合使用不同类型的图表是分享数据并理解数据的有效方法。了解我们的目标,并根据受众选择合适的图表,有助于我们制作清晰有力的数据展示。这些展示能够帮助我们做出更明智的决策,并分享重要的洞见。
医疗保健分析市场正在快速增长,从2022年的35.3亿美元增长到2023年的167.0亿美元<sup> 21</sup>。顶尖的医疗保健机构展示了数据可视化如何改善患者护理、简化流程并有效利用资源<sup>21</sup>。随着数据可视化的发展,使用条形图、散点图和折线图等不同的图表有助于我们更好地分享健康问题、趋势和复杂数据。
通过以最佳方式结合可视化和新工具,我们可以改进用数据讲述故事的方式。将 2D 和 3D 视觉效果与交互式部分相结合,可以更轻松地探索数据并有助于进行复杂的分析。这在绘制数据和研究气候等领域尤其有用。随着我们越来越擅长使用数据可视化,我们可以充分利用我们的数据并帮助在许多领域根据确凿的证据做出决策。
常见问题解答
创建有效的复合可视化的目的是什么?
复合可视化将不同类型的图表组合成一个。这使数据更易于理解和呈现。它们可让您同时显示数据的多个部分,使您的信息更清晰,并有助于进行复杂的分析。
我应该如何定义数据可视化的目的和受众?
首先要知道你想说什么以及谁会看到它。选择合适的图表和设计来匹配你的信息和受众。了解你的受众能理解什么和喜欢什么视觉效果是关键。
对于数据讲述来说,有哪些有效的比较图表?
条形图和柱状图非常适合展示数据差异,它们能让人们轻松比较不同数据之间的差异。对于更复杂的数据,可以使用分组图和堆叠图,在一个视图中显示多个系列的数据。
以相关性为中心的可视化如何帮助揭示数据中的关系?
散点图、气泡图和热图等工具可显示数据中的关系。它们有助于发现趋势、奇点和群体,让您更轻松地理解数据的深层含义。
哪些类型的可视化对于显示比例和分层数据有效?
要展示整体的各个部分,可以使用饼图和树状图。对于复杂的嵌套数据,可以尝试使用旭日图和漏斗图。它们能让你轻松了解事物之间的关系和流程。
时间可视化如何帮助追踪随时间而发生的变化?
折线图和面积图非常适合展示一段时间内的趋势。它们有助于发现变化、周期和异常点。在规划方面,甘特图和时间线图则非常适合展示进度安排和进展情况。
哪些类型的可视化可以帮助我了解数据分布?
直方图和箱线图显示数据的分布情况。它们有助于查看主要趋势、分布情况以及是否存在奇点。为了进行更详细的分析,小提琴图和脊线图可比较各组之间的密度。
地理空间和网络可视化如何帮助我分析数据?
地理空间和网络可视化非常适合处理包含位置或关联性的数据。等值线图展示地理数据和趋势。桑基图和网络图则展示数据中的流动和关系。
创建有效的化合物可视化的关键原则和技术是什么?
将不同类型的图表混合到一个可视化中非常有效。使用清晰的布局和导航,并策略性地利用空间。小倍数和链接视图等技术可让您的可视化更具吸引力和洞察力。
对于数据可视化,我应该考虑哪些最佳实践设计?
好的设计能让你的可视化内容清晰有力。巧妙运用色彩、字体和布局。同时,确保它们易于访问,配备清晰的标签和交互功能。
有哪些工具和资源可用于创建有效的数据可视化?
许多工具和资源有助于制作出色的可视化效果。Plotly、Tableau 和 D3.js 等库提供了许多功能。还有一些在线工具和模板,可让您轻松快速地创建可视化效果。
源链接
- https://www.analyticsvidhya.com/blog/2021/12/12-data-plot-types-for-visualization/
- https://chartexpo.com/charts/combo-charts
- https://fastercapital.com/content/Visualization-Techniques–Compound-Charts—Compound-Charts–Combining-Multiple-Visualization-Techniques.html
- https://blog.hubspot.com/marketing/types-of-graphs-for-data-visualization
- https://surveysparrow.com/blog/types-of-charts/
- https://www.oracle.com/business-analytics/analytics-platform/capabilities/visualize/
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6513170/
- https://www.atlassian.com/data/charts/essential-chart-types-for-data-visualization
- https://www.thoughtspot.com/data-trends/data-visualization/best-data-visualization-tools
- https://clauswilke.com/dataviz/boxplots-violins.html
- https://clauswilke.com/dataviz/histograms-density-plots.html
- https://www.research.ed.ac.uk/files/253258820/Visualizing_and_Interacting_Sch_ttler_DOA01032021_VOR_CC_BY.pdf
- https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10947241/
- https://learn.microsoft.com/en-us/power-bi/visuals/power-bi-visualization-combo-chart
- https://www.datylon.com/blog/types-of-charts-graphs-examples-data-visualization
- https://www.linkedin.com/pulse/art-science-data-visualization-in-depth-exploration-transforming-jha-po7bc
- https://mschermann.github.io/data_viz_reader/fundamentals.html
- https://www.intellicus.com/data-visualization-a-gateway-to-clarity-and-insight/
- https://www.projectionhub.com/post/the-most-effective-charts-graphs-to-use-in-your-pitch-deck-based-on-50-of-the-most-successful-startups
- https://encord.com/blog/databricks-visualization/
- https://binariks.com/blog/data-visualization-in-healthcare/
