5个正确使用数据可视化图表的方法

然而可视化类型的选择，既不是纯粹美学也不是完全个人化。一个不合适的方案，受众可能会觉得乏味或者费解，甚至兼而有之。更有甚之，不精确的数据可视化会造成你和你听众之间的信任壁垒。

所以，让我们浅析如何选择最精确和有趣的方式来可视化你的数据。

条形图

支持蓝牙的设备遍布全球（十亿级别）。节选自一份蓝牙交互报告，由杀手视觉策划设计。

折线图

一张没人看得懂的漂亮图表就只是抽象艺术。

考虑到这个图表是基于30000多个数据点（每个点记录一个真实的出生）的，这些数据完全足够表征所有的增量变化，并得出一个平均分布。

饼图和圈图

圆图是被最广泛使用的数据可视化形态之一。圆图包括饼图（实心）和圈图（中空，周边为圆形数据条）。

这种类型的图表非常流行，糟糕的是，它也是最常被错误使用的数据可视化类型之一。

只有当你展示的各部分加起来是一个整体时，才能使用圆图。例如，“75%的毛虫喜欢苹果”可以用饼图显示，因为它指的是所有毛虫100%中的75%。

你还可以将比例转换为此目标的百分比。如果数据点是四分之三的毛虫，那就相当于75%的毛虫。

不精确的数字可视化构成了你和受众之间的信任障碍。

不像条形图和折线图，圆图不能展现增长或减少趋势。来看一个能表达我意思的案例，一份来自TubularInsights的视频市场统计。

2016年至2017年间，在YouTube上品牌视频内容浏览量增长了99%。下图中显示99%的圆图就不对。这将使它看起来像99%的视频观看是品牌视频，然而事实并非如此。取而代之的是，您需要带有两个条形数据的条形图，一个表示2016年的基线浏览量，另一个表示比该基线增长99%：

这个案例可能不是很直观。如果你不经常处理百分比数据，百分比的变化可能会很棘手。Investopedia的这张备忘单可以帮助您处理这种类型数据。

数量图

数量图是一个用重复的符号或图标展示数量的图标。一个常见的例子是使用多个人物图标来展示的人的数量。你可能发现，浴室门上用经典的男女图标就是这种方法。

数量图非常适用于较小数量（比如“我们街上新开了12家餐馆”）。它们也适用于小百分比或小比例的饼图。例如，“我们的街上四分之三的餐馆[75%]在卖披萨”。

对于较大的数字，数量图通常不起作用。想象一下，你的统计数据是“2018年售出11214件商品”。你的设计中没有11214个图标的空间——如果你认为你有，我建议你再想想！这是一个庞大的数字来一一列举。所以，很自然联想到增加一个代表物——“1个购物袋=1000件商品”，然后只显示11个购物袋。没错吧？

你可能是想展示这是一个巨大的，令人印象深刻的数字。但是当你这样缩减数量，可视化的效果却会适得其反。即使有代表物，十一个购物袋看起来可能感觉都没有那么大。数字“11214”本身更有说服力。（我会稍后讨论为什么版面设计更适合这些统计数据。）

比例也是相似的情况。例如，想象一下使用数量图可视化统计数据“2018年售出的11214件商品中有8370件是杯子”，还是算了！所以如果你需要一个代表物来说明它，数量图并不是一个合适的选择。

如果你的统计到目前为止符合数量图，你该思考下该使用什么象形图。注意：象形图非常简单，可能会对于严肃主题过于贫乏。你不会让简单图标让你严肃主题变得特别琐碎吧。

如果你的统计体量过大或者不适合象形图，排版设计是个轻松的弥补方案。现在就说说在什么时候怎么样把它结合进你的设计。

排版设计

事实上，在很多局限的情形中，排版确实是最好的解决方案。显然，你不应该仅仅因为做视觉效果而选择排版。不要寻求老的仅含文本的解决方案！取而代之的是，聪明地使用排版来获得一个成功而有效的内容。

如果出现以下情况，您的数据点或数字就会是一个很好的排版元素：

数据很大（大于100）。

并不是整体的百分比或者增加/减少的百分比。

数据独立——不与其他数据比较。

在开始排版之前，请对照上面的每一点检查你的数据，并考虑我已经讨论过的其他类型的数据可视化。你应该在排版前排除所有其他可能性。这是因为视觉效果明显地更有吸引力、更有效地吸引你的受众。然而，视觉效果只有在准确的时候才是有效的。如果你的数据可视化带来了困惑或者不精确，那就使用文字。

一个增强排版效果的方法是将它与一个象形图（就在数量表用的一样，一个就行）、一个图标或一个插图结合起来。这将有助于为观看者提供有关统计主题的可视上下文，同时让数字本身表达该有的意思。

这里挑选了一个针对不同类型数据可视化（包括排版）案例，其中也包含了排版：

在这个例子中，使用数量图可视化数字16是有意义的——它是小数字，因此很容易直观地相加。但是180万的统计数据如果使用数量图一一列举，就会难以理解。正如前文提到的，如果你觉得需要使用一个代表物，比如将每个图标的数量等同于100或1000个，那么选择数量图就不合适。这就是为什么很大的数字通常最好留给排版处理。

无论哪种解决方案最适合你的数据，美学考虑横跨了所有形式的数据可视化。除了单纯地使用合适的数据可视化技术外，你还必须使用正确的美学语言展示信息并传达给受众。一个有趣的现代霓虹灯式折线图，可能就不适用于投资者和企业高管。一个平面灰度的饼图就不合适出现在夏季露营手册上。

所以，一定要确保形式和功能被同等考虑——因为一张没人看得懂的漂亮图表就只是抽象艺术。