深浅统计

深浅统计

当前位置: 主页 > 深浅统计 >

左右统计大屏数据可视化图表选用指南六合茶楼

深浅统计 时间:2022年06月19日 18:45

  大屏,这个词比来几年来被渊博地提及,险些各行各业都愿望通过大屏这种办法来将我方的产物或营业实行数字化升级。同时,也就吸引越来越众的计划师看好可视化大屏正在来日的前景。

  动作一种交互和视觉都相对炫酷的界面涌现办法,不但或许将众种场景同时涌现正在一个屏幕上,同时,也能够给观者带来激烈的视觉攻击力,使其直观地解析到思要眷注的及时动态新闻,或者通过大屏上的数据图外来剖判出目下及来日的近况、趋向等。

  数据可视化便是将空洞观点实行地步外达,将空洞说话实行具象图形可视的流程。粗略明确,便是将数据以视觉的形状来闪现,如图外或者舆图,从而助助人们解析这些数据自己以及背后的意思。

  数据可视化一个基础的法则,便是将具有价钱的数据和洞察,通过简短、切确、超过洞察的图外体现出来。

  是以,将数据可视化不仅单是粗略的图外的胪列,更紧要的是证明数据背后的意思(本质题目&处置计划);然而良众期间咱们只是涌现了良众炫酷的图外,但没有处置任何本质的题目;或者具有高价钱的数据新闻,没有应用合意的闪现办法,导致外达欠亨晓,输正在了这临门一脚。

  咱们用一个粗略的合联图来示意一下,一个可视化图外是否外现出了它应有的价钱。

  src=一个图外既必要供应出可供参考的价钱,也必要统筹读者明确新闻的速率,若是只是供应了价钱,可是明确起来对照耗时,那么它必然是低效的;假使明显地涌现数据新闻,可是不或许供应足够的价钱,那么也只是空有外面,缺点内正在。

  是以咱们正在计划一个图外之前,就必要咱们明晰数据有哪些字段组成、每个字段的数据类型、字段之间的依赖合联等。忖量若何用简短的架构无缺的描画营业。

  正在这里举个粗略的例子,比方铁道行业——什么工夫?哪位员工?正在哪个住址?实施了什么功课?以及全部的功课实质

  当然,如此的数据是静态的。劈面临咱们的客户时,他们会更体贴题目和谜底。而题目大凡不是一个简单的题目,而是继续串题目的组合,寻找题目的流程更像是剥洋葱。

  正在营业剖判的流程中,都是差别维度方针之间的钻取和干系剖判,粗略的题目唯有一个数据方针,丰富的题目则同时蕴涵众个数据方针及其彼此合联。剖判数据的流程便是正在题目对应的数据方针上,落成聚集剖判。站正在差别的视角对待一组数据的眷注点也会差别。

  src=做为计划师,当咱们将一组数据实行数据可视化时,往往是仍旧历程管束过的数据,咱们只必要对图外实行优化即可,而无须去眷注原始的数据是若何管束的,正在这种情景下计划师的做事就相对来说对照粗略了。

  可是对待原始数据的管束和剖判本来吵嘴常丰富的,有机缘和众人分享一下数据背后的故事。

  虽然做为计划师只消将数据图外实行精美的计划,但大大都的计划师是不明晰什么才是好的可视化图外,这也是写这篇作品处置众人这些题目的初志。

  正在计划时,大大都的计划师都是遵照我方的第一主观感触或者集合本身经历的堆集去判定一个图外的长短。而不是遵照科学的技巧来去权衡一个图外是否是好的图外。正在此给众人一个验证数据可视化图外计划的黄金公式。

  咱们终于该若何去评判一个图外的长短?不是通过主观地、带有经历性子的觉得,而是要有科学地凭借实行剖判和论证,有相对应的目标去权衡。如此本事避免咱们走良众不须要的弯途。而这个科学的凭借便是GLAD法则,是咱们验证一条数据可视化的黄金公式。

  GLAD是由四个短语的起首首字母组成:Good Data and Insight、Less Noise、Accurate Expression、Distinct Mark。它们是黄金公式中四项紧要构成部门。搜求性数据剖判器重内在,解说性数据剖判器重外面,一个好的图外必要外里兼修。GLAD法则,动作优化图外计划的理念,是两者统筹的。G正在搜求性数据剖判流程中着重擢升图外的价钱,LAD正在解说性数据剖判中助助读者加疾明确新闻的速率。

  将数据可视化的上风是显而易睹的,咱们通过最粗略的办法来转达最切确的新闻。通过对待数据的剖判、管束,加疾人们明确新闻的速率,最大化地供应数据所或许带来的价钱。

  数据可视化是对数据实行图形化的管束来实行涌现,转达数据背后的价钱。而数据是对活动的胸宇结果,无论是大数据如故小数据,都能够拆分成两个部门:种别和胸宇目标。

  数据剖判通常会分为三个步伐:数据洗刷、数据筑模、数据可视化,这就像烹调的流程:洗菜切菜、炒菜、上菜摆盘

  咱们思要提升读者明确新闻的速率,就必要通过对图外的计划来擢升。图外类型、配色办法、线条粗细、字体巨细、坐标轴高度、题目地方、刻度线疏密、图例的摆放等细节都邑影响到读者明确新闻的速率,也都有讲求的法则。

  早期,事务于AT&T贝尔实行室的统计学家William S. Cleveland及Robert McGill曾颁发过《图像感知:咨询图像化技巧的外面、实验和利用》。对待若何遵照功用抉择最佳图外形状提出了指引。作家计划了一个蕴涵10项基础感知做事的列外,每项做事代外涌现数据的一种技巧并实行了排序。从而给咱们正在视觉体现方面少少领导性的目标。

  src=咱们正在优化图外的流程中,有的期间能够并不会由于认知判定切确性的上下从而确定一个图外的优劣,而是正在大大都情景下对整个的认知判定切确性实行整体的感知。是以咱们正在实行数据可视化的流程中,既要通晓地领会到每种图外的应用准则和场景,选用确切的图外来体现数据,也要对其正在视觉感知方面实行整个的忖量和优化(视觉+交互)即,利用好GLAD法则。

  抉择一个确切的胸宇值往往是处置题目的枢纽,今世处分学之父彼得.德鲁克的一条金句曾道破胸宇的紧要价钱:若是你不行胸宇它,就无法刷新它。

  既然咱们仍旧深切地领会到可视化图外的上风所正在——简短、切确、超过洞察,以及正在可视化大屏中的紧要名望,咱们就应当对待一个无缺的图外有一个全部的领会息争析。

  什么是好的图外?一个无缺的图外都由什么元素构成?元素对待读者明确新闻有哪些影响?应当避免哪些题目能够提升读者对待新闻的速率?等等题目,都是动作一个可视化大屏计划师应当负责的基础功。

  遵照前文的先容,咱们能够明晰对待一个图外的长短,能够通过GLAD法则去检讨。工欲善其事,必先利其器,唯有先全部的解析和领会图外的构成元素,本事正在计划时逛刃足够。接下来,咱们分裂先容一下图外的构成有哪些。

  题目的苛重感化是对图外的主旨实行概述,副题目则是对题目实行增补证明,或者证明数据的由来等,便是为了简单更直观的解析到图外主旨和实质。

  夙昔端开采的角度来看,题目唯有少少文字新闻,是以题目的设备无非是少少定位、字体巨细、颜色等,但是也有些题目能够插手超链接属性。

  是以,咱们就能够斟酌对题目文字的字体、字号、颜色、地方等方面动作优化的目标。当然若是要同时显示题目和副题目时,咱们也要斟酌到两者之间的间距。

  图例是图外顶用差别形式、颜色、文字等,用来标示差别数据列,通过点击标示能够显示或隐蔽该数据列。

  正在对图例的样式优化中,咱们能够通过对图例容器的背风景、边框颜色、巨细(宽、高)、暗影等方面动作优化目标。也能够展现一个图外中数据胸宇项过众,图例正在悉数图外占比过大的局面,咱们也能够采用分页的形状实行视觉上的减压,正在交互上面实行冲破。

  图例容器的样式能够驾御图例整个样式,图例的全部实质则是通过图例项合联属性来驾御的。咱们不但要斟酌到容器的计划,也要更眷注于图例项自己。

  合于图例项的基础样式,即巨细、颜色、圆角等,图例项能够通过标示颜色的差别来代外差别的种别(注:统一组图例中,尽量避免展现邻近的颜色,能够提升图外新闻读取的速率),又有上边提到的差别状况下的计划样式,比方图例隐蔽时的样式,鼠标划落伍的样式,图外项正在容器中的地方以及之间的相对地方合联。

  图例正在图外中的对齐办法有左对齐、居中对齐、右对齐,图例实质的结构办法有笔直结构和秤谌结构。

  笛卡尔图外(通常的二维数据图)都有X轴和Y轴,默认情景下,x轴显示正在图外的底部,y轴显示正在左侧(众个y轴时能够是显示正在足下两侧)。

  坐标轴题目。通常情景下,x轴没有题目(通常涌现种别),y轴大凡是数据的胸宇目标。

  当咱们的数据值相对聚集,咱们能够通过y轴坐标轴标签步进的办法来淘汰视觉上的压力。同理若是x轴的数据维度也至极众,咱们也能够通过步进的办法去实行优化。除此除外,这里咱们也能够通过交互层面去优化,比方能够将x轴的标签创立为可拖动的。

  坐标轴的刻度通常咱们计划时对照容易怠忽,可是正在图外中咱们大凡或许通过这个小小的刻度来确定对映区间的数据值。咱们也通过调剂刻度,从而淘汰视觉的压力。但是这种调剂,固然和上面的正在坐标轴刻度标签中的优化技巧相似,可是其背后的逻辑是不相似的,前者只是改动了显示间隔,尔后者是真正意思上的调剂刻度。

  同时咱们正在图外的优化流程中,能够对坐标轴刻度线的长度、宽度、颜色实行优化,也能够对刻度线的地方实行改正,比方是放正在刻度标签的下边,如故正在刻度标签的中央。

  标示线是用来记号坐标轴上异常值的一条直线,正在画图区内绘制一条自界说的线。标示线老是笔直于它属于的轴。它可孤单界说正在x轴或y轴,也能够同时界说正在x轴和y轴。若是标示线同时界说正在x轴和y轴,界说正在y轴的标示线会显示正在前面。

  src=视觉上,咱们能够通过对标示线的颜色、粗细、线条样式(虚线、实线)等实行计划优化,以及标签(标示线的文字证明)的地方、颜色等。

  标示带同标示线,只但是标示的实质为一段边界。标示带的感化、事项等良众都好像标示线。

  导出功用按钮可增补图外导出为常睹文献功用,通常都是用icon与下拉列外组合应用。常睹的导出式样有png、jpeg、svg、pdf等。

  数据列即图外上一个或众个数据系列,比方弧线图中的一条弧线,柱状图中的一个柱形,也便是咱们所睹的种种图外的体现形状。

  当鼠标悬停正在某点上时,以框的形状提示该点的数据,比方该点的值、数据单元等。数据提示框内提示的新闻全体能够通过式样化函数动态指定。

  版权标签通常显示正在图外右下方的蕴涵链接的文字,默认是我方公司的官网地方。但正在大屏涌现时,大凡会隐蔽新闻。

  前面咱们仍旧明晰一个无缺的图外都是由哪些元素构成,接下来咱们就来领会一下图外都有哪些类型,哪些图外能够分为一类,咱们该若何抉择合意的图外来实行数据可视化。

  src=当咱们真正去利用它的期间,会呈现良众场景不是粗略地遵循图中的头脑线就能够找到适合的图外,以至实情与领导目标天渊之别,照旧必要良众客观的忖量与辨证的判定。若是咱们刻舟求剑,会呈现此中良众逻辑观点,以专业的数据剖判视角来评议是存正在漏洞的。

  src=该头脑指南图的中枢题目是以你思涌现什么为起始,这是个极其巨大、丰富的话题,很难竣工面面俱到,这导致对照、组成、接洽、漫衍这四个大类不行组成一个无缺个,必然有漏掉。比如思要涌现特地点、趋向、聚类、排名,这些是不是也应当与四大类并列插手到涌现的新闻中呢?

  并且,对照这个词属于归纳性观点,全体的图外都能够称为数据的对照,该词必定与其他种别有重叠的部门。如此粗略地划分四个大类昭彰违背了数据剖判范围的基础常识——MECE法则(Mutually Exclusive Collectively Exhaustive):不重叠、不漏掉。

  但是也不行全体否认这张图外的价钱,固然逻辑上有题目,但该头脑指南图自己是具有计划性和饱动性的,咱们从中也能够受到少少饱动,像组成、接洽、漫衍等良众图外都有其盛行的利用场景,如静态工夫的组成常用饼图,动态工夫的组成能够用积聚百分比条形图,这就近似正在咖啡厅、酒吧、婚礼、健身房、办公室等场景播放音乐,必要先认识差别音乐作风——蓝调、爵士、古典、摇滚等,再去配合种种场景精巧应用。

  是以,咱们如故要回归咱们真相要涌现哪些新闻上来,但咱们不应当被既定的框架桎梏住,而是要遵照咱们要涌现的数据来抉择合意的图外。

  选定可视化图外类型图外的感化,是助助咱们更好地看懂数据。抉择什么图外,必要答复的首要题目是我有什么数据,必要用图外做什么,而不是 图外长成什么样。根基图外有直线图、弧线图、弧线面积图、面积图、面积边界图、柱状图、条形图、饼图、散点图、气泡图、仪外图等。又有少少和股票合联的图外类型,席卷 K 线、分时图、烛炬图等,以及大数据量的工夫轴图外。又有地舆新闻合联的舆图,舆图中能够蕴涵舆图区域、线、点、气泡等元素。

  用于响应事物随工夫或有序种别而转化的趋向。直线图是用直线将一系列的数据点相连的图外,直线图常常用来外示跟着工夫转化的数据。弧线图是用弧线将一系列的数据点相连的图外。应用倡导:Y 轴刻度值抉择要合理,目下显示的数据震动要最大化的显示;显示数据尽量大于3条,不然不或许明显地响应出数据随工夫转化的趋向。

  席卷通常的面积图及面积边界图,遵照面积相连线的差别,又能够分为直线面积图和弧线面积图当咱们正在计划大屏时展现过众的折线图,或者觉得图外与题目(计划丰富)的样式不行亲时,咱们能够实行丰饶图外的体现力,应用面积图来撑起画面,让画面整个看上去不空虚。

  柱状图是用竖直的柱子来外示数据,通常用于外示横向的数据转化及比较。条形图是用横向的柱子来外示数据,通常用于纵向的数据排名及比较。

  src=应用倡导:预防每个数据分类的宽度以及差别分类之间的间距,数据之间的间隔与宽度最好是1.2~1.5倍

  src=要选用适宜的圆角,避免应用大圆角,会形成认知明确杂乱,同时也不是很体面。

  src=当每个数据分类项文字过长是,能够将柱状图转化成条形图,缓解视觉压力;这也是条形图相对待柱状图的一个益处,同时当要涌现的数据分类项过众时,咱们也能够用条形图来淘汰图外所占用的宽度,由于正在咱们计划大屏的流程中,图外的数据涌现区域宽度往往是固定的,不会有太众的横向空间是图外全体涌现,这时咱们就能够斟酌条形图。

  src=当咱们思要夸大此中一个数据分类项时,能够应用差别的颜色实行划分,但此时要保障独一变量(即颜色不跨越两个)。

  饼图以扇区的形状显示每一个数值相对待总数值的巨细。通过差别的扇面巨细,外达了差别种别的比例,即一个数据组中差别数据项的数据巨细占所罕有据和的比例;并通过带颜色的图例将扇面和数据项逐一对应起来。是以当咱们思要一组数据中每个数据类型所占的比例时,就能够优先抉择饼形图。饼形图能够分为根基饼形、环形图以及扇形图。

  环形图是饼图的一种变形,通过去掉中央部门,使环形图正在视觉上看上去更轻巧,避免因为饼图大面积色块带来的视觉压力,但它照旧或许外达出和饼图相似的寓意以及差别数据项之间的占比合联。正在应用环形图时,咱们要预防环形图的粗细,避免展现圆环过粗或者细致的情景,如此都邑影响正在视觉上的体面水平。

  边界图席卷面积边界图、弧线面积边界图及柱形边界图,也可将边界柱状图造成边界条形图。

  散点图和气泡图常用于外示数据的漫衍情景。通过数据之间的地方漫衍来查看变量之间的彼此合联。数据之间的彼此合联苛重分为:正合联(两个变量值同时拉长)、负合联(一个变量闪现拉长漫衍另一个变量闪现降低漫衍)、不对联、线性合联、指数合联等。而漫衍正在集群点较远的数据点,被称之为特地点。散点图常常与回归线(便是最切确地贯穿全体点的线)集合应用,总结剖判现罕有据以实行预测剖判。

  src=气泡图是一种众变量图外,是散点图的变体,也能够以为是散点图和百分比区域图的组合。与散点图相似,气泡图应用笛卡尔坐标系沿网格绘制点,此中 X 和 Y 轴是孤单的变量。然而,与散点图差别,每个点都分派有标签或种别(显示正在图例旁边或图例上)。然后,每个绘制点通过其圆的面积流露第三个变量。

  颜色还可用于划分种别或用于流露附加数据变量。工夫能够通过将其动作一个轴上的变量来显示,也能够通过动画数据变量随工夫转化来显示。

  气泡图大凡用于通过应用定位和比例来对照和显示分类圆圈之间的合联。气泡图的整个情景可用于剖判形式/合联性。太众的气泡会使图外难以阅读,是以气泡图的数据巨细容量有限。

  这能够通过交互来处置:单击或悬停正在气泡上以显示隐蔽新闻,能够抉择从新构制或过滤分组种别。与比例面积图相似,必要遵照圆的面积而不是半径或直径来绘制圆的巨细。圆圈的巨细不但会呈指数级转化,还会导致人类视觉体系形成歪曲。

  漏斗图往往外示的是每个阶段数据的淘汰情景,比如正在出售中各个阶段的流失情景。金字塔图是由众个塔层构成的金字塔形式的图形,此中每个塔层的高度和其点的值相合。正在时间层面上,金字塔图是一个颠倒的漏斗图(没有漏斗颈)。

  雷达图又称极舆图、蜘蛛图。雷达图的 X 轴外示为雷达图的圆周(即沿着图形的圆周的是 X 轴),Y 轴则体现为圆心到圆的顶端(即圆的半径线),即极舆图中的圆周线、半径线及合联的文字能够通过坐标轴合联的设备来驾御。

  src=雷达图能直观地闪现某一个对象众维度的数据,助助咱们解析该对象的才能漫衍情景,常被利用于才能评分、用户画像等场景。那么什么是众维度呢?即央求数据组中的数据能够被归类为众个相互独立的类目。

  雷达图本质的操纵价钱,全部能够分两部门:一是正在描画简单对象上的操纵,二是正在比较众个对象上的操纵。应用倡导:目标得分迫近圆心,证明处于较差状况,应剖判刷新;目标迫近圆的顶端,证明胸宇值越高;数目驾御正在5-8个最佳。

  瀑布图是用一系列正负值的形状体现数个数值累计及转化情景,因其形似瀑布流水而得名。

  偏差线图大凡流露数据的可变边界、偏差边界。偏差条可用作图形加强功用,可将绘制数据正在笛卡尔图上的可变性可视化。偏差条可利用于散点图、点图、条形图或折线图等图外,以供应所闪现数据的特殊细节层。

  偏差条有助于指示臆度的偏差或不确定性,以大致解析丈量的切确度。大凡,偏差线用于显树范围数据聚会的程序谬误、程序偏差、置信区间或最小值和最大值。

  为了可视化这些新闻,偏差线通过绘制从绘制数据点(或带有条形图的角落)的中央延迟的带帽尖的线来事务。偏差条的长度有助于揭示数据点的不确定性:较短的偏差条流露值聚会,流露绘制的均匀值更切确,而较长的偏差条流露值更分袂,而且不太牢靠。

  同样取决于数据的类型,每对偏差条的长度往往正在两侧的长度相似。可是,若是数据有谬误,那么每一边的长度就会不

  平均。偏差线永远平行于定量刻度轴,是以它们能够笔直或秤谌显示,全部取决于定量刻度是正在 Y 轴如故 X 轴上。若是

  径向条形图只是正在极坐标系上绘制的条形图,而不是正在笛卡尔坐标系上。固然它们看起来很酷,但径向条形图的题目正在

  于条形长度能够会被歪曲。纵使它们代外相似的值,外部的每个条形都相对较长。

  这是由于每个条必需有差别的半径,是以每个条都遵照它的角度来判定。咱们的视觉体系更擅长解说直线,是以笛卡尔

  第一部门苛重证明一下什么是数据可视化,讲的是数据可视化基础的法则,便是将具有价钱的数据和洞察,通过简短、切确、超过洞察的图外体现出来。以及遵照GLAD法则去评判一个图外的长短;

  第二部门苛重证明了一个图外的构成都有哪些?从而做为咱们能够优化图外的目标;

  第三部门苛重先容了少少对照常睹的图外类型,从开采的角度去斟酌竣工以及忖量若何或许更好全部地负责每一个图外

左右统计大屏数据可视化图表选用指南六合茶楼的相关资料:
  本文标题:左右统计大屏数据可视化图表选用指南六合茶楼
  本文地址:http://uqq8.com/shenqiantongji/0619433.html
  简介描述:大屏,这个词比来几年来被渊博地提及,险些各行各业都愿望通过大屏这种办法来将我方的产物或营业实行数字化升级。同时,也就吸引越来越众的计划师看好可视化大屏正在来日的前...
  文章标签:可视化图表种类
  您可能还想阅读以下相关文章:
----------------------------------
栏目列表
推荐内容