20个小技巧,让数据可视化图表更专业

页面数据可视化 转自:微点阅读(www.weidianyuedu.com)微点阅读 - 范文大全 - 免费学习知识的网站 可视化不是单纯的数据展示,其真正价值是设计出可以被读者轻松理解的数据展示。设计过程中的每一个选择,最终都应落脚于读者的体验,而非设计者个人。 本文提到了一些常见错误,也是经验总结出的一些技巧。这25条小技巧能够快速提升和巩固你的数据可视化设计。一起来看看! 一「原则」 1. 选择可以讲故事的图表 你首先需要思考清楚你想达到什么目的、传达什么信息、以及你的用户是谁等。 2. 删减与故事 阅读详情
      参考 uxdesign Taras Bakusevych

数据可视化是数据展示的常见方式,所谓一图抵千言,好的图表能高效传递信息,让观众一目了然,差的图表往往会不知所云。

人类大脑的一半完全是用于处理可视化信息的。当你给用户展示一张信息图的时候,你已经以大脑的最大带宽路径在影响他了。

一张设计优良的数据可视化图能即时给予观者深刻的印象,并能穿透一个复杂故事的芜杂直抵问题的核心。

众所周知,纽约时报的可视化图表非常专业,既能阐述事实,也不失简洁美观。

图片

作为普通人,其实只要遵守一些设计规则,加上一点审美训练,也能制作出专业的可视化图表。

这次给大家介绍20个图表制作过程中有用的方法和规则。

1、选择合适的图表类型

错误的图表类型会导致混淆视听,同样的数据集可以选择多种图表类型,但大家要注意甄别用法。

你想要给观众展示什么,这是最重要的选择依据,下面给大家列举了的十几种图表类型。

图片

2、根据正负值选择合适的绘图方向

绘制水平条形图时,在Y轴左侧绘制负值,在Y轴右侧绘制正值,不要把正负值绘制到轴同一侧。

垂直柱状图同理。

图片

3、从0基线开始绘制柱状图

截断Y轴会导致表达失真。在下面的示例中,查看左侧的图表,可以很快得出结论,值 B 比 D 大 3 倍以上,而实际上差异要小得多。

从0基线开始可确保用户获得更准确的数据表达。

图片

4、折线图使用自适应Y 轴比例

对于折线图,如果始终将 Y 轴比例限制为从0开始可能会使图表过于平坦,无法表达趋势变化。

由于折线图的主要目标是表示趋势,比较合理的是根据数据范围调整比例,保持折线上下高度占据 Y 轴范围的三分之二。

图片

5、时间点稀疏时慎重使用折线图

折线图是由线连接的“标记”组成,通常可用于表达时间序列变化。

当时间间隔很小,且时间点较多时,折线是一种非常好的展示变化的方式,比如股票分钟线。

但如果时间点比较稀疏,且时间间隔大,最好是使用柱状图来展示,比如月销量变化。因为此情况下折线图容易导致混淆。

图片

6、少使用平滑折线图

平滑的折线图可能在视觉上令人愉悦,但它们歪曲了背后的实际数据,而且过粗的线条掩盖了真正的“标记”位置。

图片

7、避免使用双轴图

一般情况下,为了节省可视化空间,当有两个数据系列具有相同的度量但大小不同时,可能倾向于使用双轴图表。

但双轴图表不仅难以阅读,而且还会误导观众,以为代表了 2 个数据系列之间的比较。

大多数用户不会密切关注双轴比例差异,只是浏览图表,可能得出错误的结论。

图片

8、饼图中显示的切片数量不宜过多

饼图是最受欢迎且经常被误用的图表之一。

在大多数情况下,条形图是更好的选择。但是,如果非要使用饼图,需要注意以下几个点:

  • 不要超过 5-7 个切片,保持简洁

  • 可以将额外多的最小段分组到“其他”切片中

图片

9、直接在图表上标注标签

没有适当的标签,无论图表多好看——它都几乎没有意义。

直接在图表上标记对所有查看者都非常有帮助,因为一目了然,更节省时间。

查看图例需要花费很多时间,一般观众不会仔细去对比图例和图表的颜色。

图片

10、饼图不要直接在切片上面标注

将值放在切片之上可能会导致多个问题,可读性差,薄切片无法标注等。

更好的做法是,为每个数据标签添加带有清晰指向的黑色标签。

图片

11、饼图切片需要排序

如果饼图切片大小无顺序,则很难理解表达的内容。

所以饼图切片需要以一定规则排序,一般是将最大的切片放在12点钟位置,然后按顺时针方向降序放置下一个切片。

图片

12、避免随机性

柱状图排序也要避免随机性,按照一定规则排序会更加清晰易读。

将最大值放在顶部(对于水平条形图)或左侧(对于垂直条形图),以确保最重要的值占据最突出的空间,减少眼球运动和阅读图表所需的时间。

图片

13、圆环图宽度要适当

当我们去掉饼图中间部分并创建一个圆环图时,我们可以腾出空间来显示额外的信息,但如果宽度过窄,它会使图表变得很难阅读。

图片

14、尽量避免复杂样式,让数据自己说话

不必要的样式不仅会分散注意力,还可能导致对数据的误解,让用户产生错误印象。

应该避免以下几种:

  • 3D样式

  • 阴影、渐变

  • 斑马纹,过多的网格线

  • 高度装饰、斜体、粗体或衬线字体

图片

15、选择与数据性质相匹配的调色板

颜色是有效数据可视化的一个组成部分,在设计时考虑这 3 种调色板类型:

  • 定性调色板最适合显示分类变量。分配的颜色应该是不同的,以确保可读性。

  • 顺序调色板最适合需要按特定顺序放置的数字变量。使用色调或亮度或两者的组合,可以创建一个连续的颜色集。

  • 发散调色板是两个连续调色板的组合,中间有一个中心值(通常为零)。通常,不同的调色板会传达正值和负值。确保颜色也符合“消极”和“积极”表现的概念。

图片

16、选择无障碍颜色设计

研究数据表明,大约每 12 个人中就有 1 人是色盲。图表只有在广泛的受众可以访问时,才能最大化它的价值。

所以在配色时注意以下几个方面:

  • 在调色板中使用不同的饱和度和亮度

  • 以黑白打印的数据可视化图表以检查对比度和可读性

图片

17、时刻注意易读性

确保排版准确传达信息,并帮助用户专注于数据,而不是分散注意力。

注意以下几点:

  • 选择易读的字体,比如雅黑、黑体,避免衬线和装饰性很强的字体

  • 避免斜体、粗体和全部大写

  • 确保与背景形成高对比度

  • 不要旋转文字

图片

18、使用水平条形图而不是旋转标签

标签过长时不要使用旋转角度,而是用水平条形图来表达,这个简单的技巧将确保用户能够更有效地观看图表。

图片

19、选择适合自己的图表库

如果你想向Web 和APP项目添加交互式图表,将使用什么图表库?

现在有很多专业的图标库可供选择,比如echarts、highcharts等。

图表库包含了许多前面提到的交互和规则。基于定义的库进行设计将确保易于实施,并为你提供大量交互想法。

图片

20、可交互式图表,让用户自己选择

通过更改参数、可视化类型、时间线帮助用户进行探索,可交互式图表能更有效的获取有用的信息。

图片

结论

好的数据可视化图表会在你的脑海里久久留下关于事实、趋势或者过程的心理模型。

图表制作并不难,但好的图表需要注意很多细节,避免画蛇添足、过犹不及。

3种高效方法:用DeepSeek+Python/Mermaid/HTML打造专业可视化图表 本文介绍了三种利用DeepSeek高效制作专业可视化图表的方法:通过Python生成统计图表,使用Mermaid绘制流程图与甘特图,以及借助HTML/JavaScript创建交互式数据看板。无论数据分析报告、技术文档还是动态仪表盘,都能通过自然语言指令快速生成代码,大幅提升工作效率。 阅读详情

相关推荐

基于Apache SeaTunnel构建CDC数据同步管道

Apache SeaTunnel是一个数据集成开发平台,其发展经历了几个重要阶段:ETL时代(90年代):面向结构化数据库的数据同步,用于构建数据仓库。MPP和分布式技术流行:使用技术如Hive进行数据仓库的构建。此阶段主要使用mapreduce程序进行数据搬运和转换。数据湖技术流行:重视数据集成,强调先同步数据至数据湖仓储,再进行业务面向的转换和设计。CDC,即变更数据捕获,是一种捕获数据库变更事件(如插入、更新、删除)的技术。

weixin_54625990的博客 2173

6个可视化美学原则,让你的图表惊艳所有人

导读:是什么使一张示意图或一张函数关系图既能充分地表达信息又具有美观性,并将设计美学建立在以下原则之上?本文将详细介绍这些原则。01最大化数据墨水比率在任何图形中,一些笔墨(墨水)用于表示实际的基础数据,而其余一些笔墨(墨水)则用于图形效果。一般而言,可视化应侧重于显示数据本身。我们将数据墨水比率定义为:图1按性别列出了平均工资(来源:劳工统计局,2015年),其将有助于...

张俊红的个人博客 807

信息系统项目管理(三)软件工程相关知识

软件工程是指应用计算机科学、数学及管理科学等原理,以工程化的原则和方法来解决软件问题的工程,其目的是提高软件生成率、提高软件质量、降低软件成本。 一、需求分析 软件需求是指用户对新系统在功能、行为、性能、设计约束等方面的期望。 1.1 软件需求层次 软件的需求主要分为三个层次,从低到高依次是系统需求、用户需求和业务需求 1.1.1 系统需求 系统需求主要是从系统角度来说明软件需求,包括功能需求、非功能需求和设计约束 功能需求:规定开发人员必须在系统中实现的软件功能,满足业务需要 非功能需求:系统必须具备的

hello_1566的博客 5460

好看的数据可视化图片是怎样做的?

好看的数据可视化图片是怎么样做的?这里我将介绍如下几个知识点,相信掌握如下数据可视化技巧和知识,一定可以让你的图表焕然一新,令人眼前一亮~图表制作规范:图表选取,突出显示重点数据,消除图表杂乱;图表制作技巧:借助Excel+PowerBI多种可视化工具绘制精美的图表;图表学习资源:多种素材网站,不断学习数据可视化的技巧和方法。通过细致地学习,你也可以创建一个诸如下面一样的大屏看板,且这种看板可以做...

张俊红的个人博客 1242

K-近邻算法: k-nearest neighbor classification (kNN) 详细介绍

@创建于:2020.04.09 @修改于:2020.04.09,2024.06.22 文章目录1、kNN介绍2、k近邻法的三要素详解2.1 距离度量2.2 k值的选择2.3 分类决策规则3、k近邻法的实现:kd树4、Python实现过程5、优缺点6、常见问题 1、kNN介绍 kNN是一个基本而简单的分类算法,作为监督学习,那么KNN模型需要的是有标签的训练数据,对于新样本的类别由与新样本距离最近的k个训练样本点按照分类...

chenhepg的博客 9万+

“迎圣诞,拿大奖” 活动赛题 Web-SQLi

1. php中sprintf()函数漏洞原理及其利用; 2. mysql盲注语法及python脚本; 3. sqlmap的需要进一步学习;

qq_34106499的博客 674

对于数据可视化分析图表,你了解多少?

随着可视化技术的快速发展,数据也在逐渐进步。借助于可视化大屏,数据可视化的数据分析图表,将数据以图表的形式进行分析,缩短了用户对于数据的理解时间,同时对于整体的布局也进行了一些美化。 那么,数据可视化分析图表是如何设计的,数据可视化分析图表的类型有哪些呢?不知道大家私底下有没有自行了解过,如果没有的话,就跟着小编一起往下看吧。 数据可视化分析图表的制作 1、掌握数据分析 数据分析结果是由数据可视化分析图表进行展示的,那么要制作数据可视化分析图表就需要掌握数据分析的能力,在理解数据进行分析的基础之上,根据不

明月说数据 765

肖特基二极管的反向恢复过程

本博客简述肖特基二极管反向恢复过程。

记得诚 1万+

python数据可视化第四章图标样式的美化

一、图标样式的概述 matplotlib在绘图的过程中会读取储存在本地的的配置文件matplotlibrc,通过matplotlibrc文件中的缺省配置信息指定图表元素的默认样式,完成图表元素的初始设置,不需要开发人员逐一设置便可使用。 matplotlibrc文件包含众多图表元素的配置项,可以通过rc_params()函数查看全部的配置项,实例代码如下: import matplotlib matplotlib.rc_params() 由上可知,rc_parmas()函数返回一个RcParmas对象。R

qq_55682472的博客 4068

7.5华为OD机试真题 新系统 - 省超足球比赛获胜队伍计算 (Java/Py/C/C++/Js/Go)

7.5华为OD机试真题 新系统 - 省超足球比赛获胜队伍计算 (Java/Py/C/C++/Js/Go)

算法大师! 829

【100%通过率】华为od统一考试B卷【查找接口成功率最优时间段】Python 实现

服务之间交换的接口成功率作为服务调用关键质量特性,某个时间段内的接口失败率使用一个数组表示,数组中每个元素都是单位时间内失败率数值,数组中的数值为0~100的整数, 给定一个数值(minAverageLost)表示某个时间段内平均失败率容忍值,即平均失败率小于等于minAverageLost,找出数组中最长时间段,如果未找到则直接返回NULL。

MISAYAONE的博客 5872

【Python】20个小技巧,让数据可视化图表更专业!

参考uxdesign Taras Bakusevych数据可视化是数据展示的常见方式,所谓一图抵千言,好的图表能高效传递信息,让观众一目了然,差的图表往往会不知所云。人类大脑的一半完全是...

fengdu78的博客 298

在Centos上从零开始部署并运行TinyWebServer服务器,过程记录(非常详细)

TinyWebServer是个什么项目?它是Linux下C++轻量级Web服务器,助力初学者快速实践网络编程,搭建属于自己的服务器。使用线程池+非阻塞socket+epoll(ET和LT均实现) +事件处理(Reactor和模拟Proactor均实现) 的并发模型使用状态机解析HTTP请求报文,支持解析GET和POST请求访问服务器数据库实现web端用户注册、登录功能,可以请求服务器图片和视频文件实现同步/异步日志系统,记录服务器运行状态。......

AnChenliang_1002的博客 3021

20个小技巧,让数据可视化图表更专业!

数据可视化是数据展示的常见方式,所谓一图抵千言,好的图表能高效传递信息,让观众一目了然,差的图表往往会不知所云。人类大脑的一半完全是用于处理可视化信息的。当你给用户展示一张信息图的时候,你已经以大脑的最大带宽路径在影响他了。一张设计优良的数据可视化图能即时给予观者深刻的印象,并能穿透一个复杂故事的芜杂直抵问题的核心。众所周知,纽约时报的可视化图表非常专业,既能阐述事实,也不失简洁美观。作为普通人,其实只要遵守一些设计规则,加上一点审美训练,也能制作出专业的可视化图表。

分享Python、数据分析、人工智能前沿知识 1971

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

10个让你的图表更漂亮的小技巧

从颜色搭配到标题设计,从删繁就简到动态交互,这10个小技巧未必惊天动地,但每一条都能实实在在地提升你的图表质量和表现力。数据本身是冰冷的,但通过我们巧妙的设计和用心的表达,它可以变得生动、有趣、甚至感人。希望你读完这篇文章后,不再只是羡慕别人的图表“长得帅”,而是能够亲手打造属于自己的“高分作品”。毕竟,每一个漂亮的图表背后,都是对细节的一次次打磨。本人是10年经验的前端开发和UI设计资深“双料”老司机,1500+项目交付经历,带您了解最新的观点、技术、干货,下方微信我可以和我进一步沟通。

2501_90478035的博客 1312

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

从零学数据可视化:新手也能做出让领导称赞的图表

数据可视化是职场必备技能,通过图表将复杂数据转化为直观洞察。新手可从Excel基础图表入手,掌握折线图展示趋势、柱状图对比数据、饼图呈现占比的核心方法。关键要遵循"逻辑优先"原则,明确受众需求和核心诉求,避免过度设计。优秀可视化能直接推动决策,如热力图发现销售瓶颈、双轴图揭示渠道问题。从静态图表到交互仪表盘,数据可视化正成为连接数据与商业价值的核心能力。职场人无需复杂工具,用清晰图表就能让数据"开口说话",提升工作价值。

2401_89815267的博客 586

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

基于MATLAB绘图合集包!18种代码和20个绘图小技巧!

MATLAB绘图合集包!18种代码和20个绘图小技巧! 包括单组箱式图、堆叠柱状图、对数坐标图、多组箱式图、二维散点图、进阶热力图、进阶柱状图、面积填充图、普通热力图、普通折线图、曲面映射图、三维面积图、三维曲面拟合图、三维散点图、实用柱状图、双Y轴组合图、误差折线图、小窗图:折线图+柱状图以及一些实用的matlab编程小技巧

2501_90804007的博客 717

ECharts中的一些小技巧:创建漂亮的图表

ECharts是一个强大且灵活的JavaScript图表库,它可以帮助您创建各种类型的交互式图表和数据可视化。除了基本的图表功能外,ECharts还提供了一些小技巧和技巧,可以帮助您增强和定制您的图表。通过自定义主题、数据筛选和过滤、动画效果、标签和提示框的格式化以及图表导出功能,您可以创建出漂亮和交互性强的图表。在ECharts中,您可以使用数据筛选和过滤功能来动态显示或隐藏图表中的数据。通过自定义主题,您可以根据自己的需求来定义图表的颜色、字体和其他样式。方法来实现图表的导出。

GnqEditor的博客 515

数据可视化入门:Python让数据说话

大家好!今天我要和大家聊一个特别有趣的话题 —— 用matplotlib来做数据可视化。你是否好奇过如何把枯燥的数据变成生动的图表?或者想知道那些漂亮的统计图是怎么做出来的?跟着我一起来探索这个神奇的数据可视化世界吧!还记得我们小时候画的第一幅画吗?可能是几根简单的线条,但却充满了无限的创意。在Python中,matplotlib就像是我们的数字画笔,让我们能够用代码来作画,将数据变成图形。首先,让我们准备好我们的"画笔": 二、绘制你的第一张图:线形图 想象一下,你正在记录一周的温度变化。让我们

biancheng_syz的博客 771

Gemini 2.5 Pro实战:一键生成专业图表(折线图/柱状图/PPT),国内免魔法畅用

本文详细介绍了Gemini 2.5 Pro在生成专业图表(折线图、柱状图)和PPT方面的实战应用。通过自然语言指令,用户可快速生成高质量的可视化图表,大幅提升工作效率。文章还分享了数据可视化最佳实践、复杂图表生成案例以及一键生成PPT的进阶技巧,特别适合需要快速制作专业报告的场景。

github5actions的博客 873

Matplotlib 和 Seaborn 数据可视化实践

数据可视化是数据分析过程中非常重要的一部分,它能让我们快速理解数据的趋势和特征。Python 中的和是两个强大的可视化工具,分别适用于基础绘图和高级统计图表。本博客将带你通过具体实践,学习如何使用 Matplotlib 和 Seaborn 进行数据可视化。我们还需要 Pandas 来加载和操作数据。Matplotlib 是一个底层绘图库,提供了非常灵活的绘图功能,适合需要高度自定义的场景。

秋元的博客 1365

数据可视化进阶指南:从基础图表到专业设计的核心原则与实战技巧

数据可视化是将数据转化为直观图形的关键技术,其核心在于通过视觉编码有效传递信息。其原理涉及视觉感知、认知负荷与信息设计,旨在降低数据理解门槛,提升决策效率。在技术价值层面,优秀的数据可视化能揭示隐藏模式、辅助商业洞察并增强报告说服力。应用场景广泛覆盖商业分析、学术研究、产品运营与公众传播。本文聚焦于如何通过明确核心信息、定制化设计、建立视觉层次等原则,并借助Excel、Python(Matplotlib、Seaborn)等工具,系统性地提升图表的表现力与沟通效率,实现从‘展示数据’到‘讲述故事’的跨越。

anjichan4261的博客 410
上一篇: 用 Python 库 PySimpleGUI 制作自动化办公小软件
下一篇: Python爬取大量数据时,如何防止IP被封
Python_xiaowu
博客等级 码龄5年 3096粉丝 178原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值