经常有一些数据管理人员过来咨询，不知道自己手头的数据要用什么适合的图形来表达。其实在做数据可视化时用什么样的数据，选择什么类型的统计图，表达的含义又是什么？这里面可是有大大大大学问的，今天我们就对这个问题做个详细的介绍。

目前市面上有很多数据可视化工具，都可以用来对数据进行图形化表达，大家可以自己搜一下，今天我们以亿信华辰的豌豆BI工具为例，手把手教你如何一一匹配。

一、常见的统计图类型

1、柱状图

柱状图一般用来表达某种分类下的数据的大小。

例如以下数据：

按班级分析考试平均成绩，绘制成柱状图的效果如下：

还可按数值进行排序，以便了解各班级学员人数的排名情况，柱状图还可以表现为横向的条形图：

以及不同形状的柱状图，如象形柱图：

对于数据的多维分析，也可以用柱状图来表达，可以将同一课程下各班的平均分放在一起做对比，如下图：

也可以将同一班级中的不同课程的平均分放在一起做对比：

还可以将同一班级的所有课程平均分都堆积到一个柱体中，这样既可以了解各个课程的分数情况，又可以了解到所有课程平均分的汇总情况：

2、饼图

饼图一般用来表达不同类型的数据的占比情况，例如以下数据：

绘制成饼图/环饼图的效果：

从饼图上可以看到销售额占比较大的部门/地区，以便快速了解企业的主力销售部门/地区。

占比类也还有其他表现形式，例如玫瑰图，可以通过扇区的半径大小来表达数值的大小，对于表现突出的部门有更直观的体现。

饼图也可以对数据进行多维度分析，通过饼图的不同环道来表达不同维度，这类饼图也被称为多维度饼图：

还可以对多个指标进行分析，形成多系列饼图，每种颜色代表一个指标，不同环道展示不同分类下的指标值。例如展示各部门的销售额和销售成本：

3、线状图/面积图

线状图/面积图一般用来描述随着时间发生的数据变化

例如：

绘制成线状图的效果：

从线状图/面积图中可以看到不同时期的指标值变化，有利于从数据中探索与时间有关的规律。当然，除了时间维度之外，也可以用来探索其他维度上数据的变化情况。

4、散点图/气泡图

散点图通常用于比较跨类别的聚合数据，实践中一般用来探索两组数据之间的是否存在某种关联，或者用来总结数据的分布模式，气泡图则将散点图中的点的大小用另一组数据来表达

例如以下数据：

绘制成散点图的效果：

通过散点图可以发现，车辆重量和每公里油耗之间是正相关的。

散点图、气泡图中的离群值（即图中偏离较大的点）通常也作为数据分析过程中重点关注的点。

5、地图

数据中含有地域数据时，可以用地图来表达，不同类型的地图有不同的侧重。

常见的有渲染地图：用不同颜色来填充地图上的各个地区。实际使用时通常采用渐变色系来做填充，颜色越深则数值越大。

标点地图：用水滴或圆形、菱形等不同形状的标记来表达各地区数据，标记点的大小代表数值的大小。

热力地图，用高亮的形式表达数据的集中区域，例如旅游的热门区域

流向地图，一般用来表达人或物资在不同区域之间的流向，例如航班、客流等，需要有始发地和目的地两组地域数据：

二、其他统计图形

6、雷达图

雷达图一般用来对指标进行对比分析。例如对比财务报表中的多个比率数据，或者对比不同学历的欠款情况：

7、阈值图

阈值图一般用来展示生产、销售等计划的实际完成情况，需要数据中有计划值和实际完成值，可以直观的呈现计划未完成或超额完成的情况：

8、漏斗图/金字塔图

漏斗图倒过来就是金字塔图，一般用来表达不同业务环节的价值转化情况，例如互联网行业的客户转化漏斗图

9、平行坐标图

平行坐标图一般用来观察不同指标的相关情况，例如对居民的日常饮食的营养摄入分析：

10、桑基图

桑基图一般用来观察同一指标在不同维度下的分布情况，例如不同年龄段、学历、性别中的负债情况：

11、词云图

词云图是根据关键词出现的频率，通过字符的大小或颜色来展示数据中的高频词汇，在豌豆BI中可表现为静态和动态两种形式

上面介绍的这些统计图的用法，大家也不需要刻板的遵循，针对不同数据可以选用自己觉得合适的统计图，有些数据也可以通过文本方式来表达，或者可视化工具中也有提供的特别工具，例如豌豆BI中的富文本工具、指标卡工具、选项卡工具。

另外，在展示数据的时候也常用到数据的预警，在统计图里也可以通过预警颜色来对超出正常范围的数据进行特殊标记。数据可视化也是一个熟能生巧的技能，建议大家多多从豌豆BI这样的免费试用的工具入手，多多尝试和练习。

关于亿信华辰

亿信华辰是中国专业的智能数据产品与服务提供商，一直致力于为政企用户提供从数据采集、存储、治理、分析到智能应用的智能数据全生命周期管理方案，帮助企业实现数据驱动、数据智能，已积累了8000多家用户的服务和客户成功经验，为客户提供数据分析平台、数据治理系统搭建等专业的产品咨询、实施和技术支持服务。△亿信华辰全产品架构图（点击查看大图）

欢迎关注公众号：亿信华辰Pro

－让数据驱动进步－