数据可视化三节课之二：可视化的使用( 三 ) 编辑导读：对于经常需要用数据、做分析

「构成」类的可视化方案，重在展现整体里的构成比例，最简单的「构成」例子非饼图莫属。或许有同学会问，饼图也展现了不同部分的大小比例，是不是也可以和柱状图一样，作为「比较」类的可视化方案呢？
理论上可以，但屠夫不建议这么做。人眼对于面积和角度的感知敏感性远低于长度，而饼图恰恰是运用面积和角度进行可视化表达，在「比较」方面不够显著。
举个例子，下面3种情形属于“比较对象的数值接近” ，我们从上面饼图里获得的对比效果，远不及下面的柱状图—— 虽然上下两张图，是基于相同数据绘制的。
文章插图
来源：图之典
实际分析里我们也会遇上“带层级结构的数据” ，这时我们需要饼图的加强版 —— 旭日图。旭日图又叫“多层饼图” ，以同心圆的多层来表示层级关系，内层是外层的“父” ，本质上也是一种树状结构。
比如下面这张图展示了不同咖啡风味的层级关系：
文章插图
来源：jasondavies.com
较真的同学会发现，饼图运用了圆的“圆心角” ，旭日图以此为基础套上“同心圆” ，却没有发挥“半径” 。如果把圆的半径也用于数据表达，就会形成南丁格尔玫瑰图。顾名思义，这是由著名的医疗改革家南丁格尔护士发明的一种图表，用扇形的半径来表达数据。
下面的例子是Facebook在2016年的用户画像，每一块扇形表示一种数据维度，而人口统计学属性 (性别、收入、年龄、学历) 还使用了层叠：
文章插图
来源：excelhowto.com
六、Trend · 趋势第五大类是T · Trend ，趋势。
「趋势」类的可视化方案，重在描述数据随某一维度变化而变化的情况。 “某一维度”往往是「时间」，这样的图表就是我们经常见到的折线图了：
文章插图
来源：澎湃新闻
注意了，屠夫只是说“往往是「时间」” ，总会有例外。如果“某一维度”是「流程节点」，那么可以用桑基图来表达：
文章插图
来源：经济学人
上图是经济学人对“难民流向”问题的可视化，其中蓝色表示难民来源国家，黄色表示迁移目的地，绿色表示成功入境，红色表示拒绝入境。
桑基图在互联网行业常用于用户路径分析，每一个节点可以表示一个功能页面，而节点间的条状带表示有多少用户沿着这个方向跳转或流动—— 这，也是一种“趋势” 。
把桑基图顺时针旋转90度，再挑选其中一种路径进行展示，就成了另一种图表 —— 漏斗图。依然是来自经济学人的可视化案例，这次是有关职场性别歧视 (薪资差距) 的分析，对比同类型工作中男女薪资差异。
漏斗从上至下分别是：

所有工作
同级别的工作
同级别且同公司的工作
同级别、同公司且同部门的工作

文章插图
来源：经济学人
七、可视化方案5大类的总结无论是在分析过程中辅助推理，还是在分析结果上辅助表达，选取合适的可视化方案十分重要。
让我们重新回顾一下5大类可视化方案及其作用吧~
【Distribution · 分布】展现数据的分布情况，是洞察的基础【Relationship · 关系】表达数据之间的关系，突出的是关联【Comparison · 比较】对比数据的不同表现，重点的是差异【Composition · 构成】呈现数据内部的成分，关注的是比例【Trend · 趋势】考虑数据随时间、流程等维度变化的情况在第二节课的最后，屠夫整理了一些常见图表的可视化功能，大家不妨保存下来随手查询哦~