2024年10月18日,在 分析和商业智能

7 分钟阅读

如何构建更好的折线图和条形图

Alex Yarosh Portrait
Alex Yarosh
‧ 2024年10月18日,在 分析和商业智能

‧ 7 分钟阅读

How to build better line and bar charts Image

条形图和折线图约占数据可视化中您所见内容的80%。虽然在Metabase中构建这些图表很简单,只需30秒,但本文将重点介绍构建有效图表背后的思维过程,而不是如何创建它们。

我们将超越基础知识,探索如何改进您的图表,以及使用不同类型可视化的最佳实践。

我们还就此举办了一场完整的网络研讨会——请在此处查看录音(无需注册!)。

首先,我们整理了这份方便的备忘单,您可以在下次可视化时参考。它涵盖了5种常用图表:折线图、条形图、面积图、组合图和行图。

如何选择合适的图表类型?

选择正确的图表类型是利用数据讲述正确故事的关键。这些指南将帮助您在线图、条形图和面积图之间进行选择。

连续数据使用折线图和面积图

当数据点之间存在清晰、连续的流动时(例如随时间跟踪数据),折线图和面积图效果最佳。如果您的数据点只是类别,彼此之间没有内在联系,请选择条形图。

Use line and area charts for continuous data

折线图非常适合显示指标随时间的变化,侧重于趋势。另一方面,条形图和面积图更适合强调指标在特定点的大小或总值。当您想要清晰地比较总量时,请使用条形图。

Leave trends for line charts, totals for bars

小幅变化使用折线图

条形图和面积图暗示累积,在您的指标与零相关时效果最佳。但如果您的数据仅显示小幅波动——例如在31和33之间波动——使用条形图可能会产生误导。折线图更准确地突出微小变化而不会夸大它们。

Use line charts for small changes

如何改进您的条形图

让我们以条形图为例,一步步尝试改进它。

排序您的数据

对于条形图,数据通常没有自然顺序。将条形图从大到小排序,可以更容易地发现趋势并理解您的数据所讲述的故事。有组织的图表让人们能够快速看到重要信息。

Order you data

在需要的地方显示信息

阅读条形图或折线图时,不断检查Y轴以确定数值是很令人沮丧的。相反,将信息直接放在图表上——例如在每个条形的顶部显示数值。这样,人们可以一目了然地解读您的图表,而无需不必要的来回查看。

Show information where it's needed

保持条形图简洁

专注于必要的信息。观众需要知道作业精确地有1,494份,还是只需要知道作业数量大约是测验的两倍就足够了?如果确切的数字不重要,请简化您的图表。通过省略不必要的标签或网格线来减少混乱,让您的主要信息突出显示。

Keep it simple

利用自然阅读模式

人们阅读图表的方式与阅读文本相同——从左到右,从上到下。对于英语读者来说,“Z”形模式是自然的。在某些情况下,行图可能比条形图效果更好,因为它符合这种阅读流程,使您的数据更容易被吸收。

Use natural reading patterns

突出重点

您的图表目标是什么?人们应该关注特定的数字还是趋势?使用视觉强调——例如加粗关键数据点或改变颜色——以将注意力引导到最重要的洞察上。

Highlight what matters

使用有意义的颜色

绿色、红色和橙色等颜色通常带有隐含意义——绿色代表积极,红色代表消极。如果您的图表反映积极或消极的结果,请使用这些颜色来帮助传达这些情感。但如果您的图表与情感无关,最好避免使用这些颜色以防止不必要的联想。您还可以使用颜色饱和度来突出图表中的重要区域,而不会让观众感到不知所措。

Use meaningful colors

堆叠图的最佳实践

堆叠图会增加数据可视化的复杂性,因此了解何时使用以及何时避免使用它们非常重要。让我们分解有效使用堆叠图的关键注意事项。

堆叠图增加了认知负荷

当您堆叠数据时,您为观众处理信息增加了额外的复杂性。在选择堆叠图之前,请问自己:您是想比较类别内的数据还是跨类别的数据?通常,创建单独的图表可以提供更清晰的数据视图。

堆叠意味着累积

只堆叠那些有意义的指标——例如总数或计数。不要堆叠像平均值或最大值这样不能自然累加的指标。例如,您不能有一个5分制下的“平均评分”为12。只有当数据逻辑上可以累积时才使用堆叠。

Use meaningful colors

折线图非常适合显示指标如何随时间演变,尤其是在跟踪小幅变化时。如果您正在可视化平均评分等内容,折线图将提供比条形图更清晰的图像。要放大微小变化,您可以将Y轴从零点取消固定——但切勿对条形图或面积图这样做,因为它会扭曲比例。

为了让您的折线图更清晰,请通过删除不必要的数据点来减少视觉混乱。使用线条粗细和颜色来强调最重要的系列数据。

处理不同大小的类别

当图表中的类别大小差异很大时,很难进行比较。如果您的目标是比较条形图中类别的比例,请使用100%堆叠图。但如果您对比较原始大小更感兴趣,请重新排列细分项的顺序或使用非堆叠图。

考虑使用行图以获得更自然的阅读顺序,特别是如果自定义顺序与业务上下文更吻合。您还可以使用颜色饱和度和视觉强调来突出关键基准。

Use meaningful colors

更好

  • 行图而非条形图,以实现自然阅读顺序
  • 更符合商业逻辑的自定义条形图顺序
  • 视觉上突出重要基准
  • 传达上下文的颜色深浅和饱和度

堆叠图中比较细分项的挑战

在堆叠图中比较细分项可能很困难,因为比较高度比比较面积更容易。在堆叠图中,只有第一个(底部)部分易于通过高度进行比较——其上方的任何部分都必须通过面积来判断,而这不够精确。

解决方案

  • 使用非堆叠图,但请注意它们可能会在视觉上造成混乱。
  • 考虑使用堆叠面积图,但请记住它们可能会根据数据和上下文产生误导。根据您要传达的洞察选择正确的可视化。

谨慎使用堆叠面积图

堆叠面积图很容易扭曲数据,因为面积的顺序会影响对变化的感知。当图层重叠时,很容易高估或低估变化。请记住,面积图最适合显示大小,而不是变化或趋势。

结论

既然您已掌握基础知识,请前往您的Metabase 账户并尝试这些技术来改进您的数据可视化。看看它们如何使您的图表更清晰、更有用。绘图愉快!

更多数据可视化资源

您可能还会喜欢

所有文章
What is embedded analytics? Image 2025年5月15日,在 分析和商业智能

什么是嵌入式分析?

嵌入式分析意味着让您的用户直接在产品中访问图表、指标和报告,这样他们就可以探索自己的数据并采取行动,而无需离开您的应用程序或依赖他人获取答案。

Alex Yarosh Portrait
Alex Yarosh

11 分钟阅读

Top 5 Dashboard fails (and how to fix them) Image 2025年4月25日,在 分析和商业智能

5 大仪表盘失败案例(及如何修复它们)

仪表盘旨在指导决策,而非制造困惑。在本指南中,我们将探讨五个常见陷阱以及如何修复它们。

Abed Habli Portrait
Abed Habli

7 分钟阅读

所有文章
© . All rights reserved.