data-visualization

数据可视化技能

图表选择指南、Python 可视化代码模式、设计原则以及无障碍注意事项,用于创建有效的数据可视化。

图表选择指南

按数据关系选择

你要展示的内容	最佳图表	替代方案
随时间变化的趋势	折线图	面积图(如需展示累计值或构成)
跨类别比较	垂直柱状图	水平柱状图(类别较多时)、棒棒糖图
排名	水平柱状图	点图、斜率图(比较两个时期)
部分与整体的构成	堆叠柱状图	树状图(层级结构)、华夫饼图
随时间变化的构成	堆叠面积图	百分比堆叠柱状图(侧重比例)
分布	直方图	箱线图(比较各组)、小提琴图、条带图
相关性(2 个变量)	散点图	气泡图(以第 3 个变量作为大小)
相关性(多个变量)	热力图(相关系数矩阵)	配对图
地理模式	分级统计地图	气泡地图、六边形地图
流动 / 流程	桑基图	漏斗图(按顺序排列的阶段)
关系网络	网络图	弦图
实际表现与目标对比	子弹图	仪表盘(仅适用于单一 KPI)
同时展示多个 KPI	小型多图	包含多个独立图表的仪表板

不应使用某些图表的情况

• 饼图:除非类别少于 6 个,且精确比例不如大致比较重要,否则应避免使用。人类很难准确比较角度,应改用柱状图。
• 3D 图表:绝对避免。它们会扭曲感知,且不增加任何信息。
• 双轴图表:需谨慎使用。它们可能暗示相关性,从而产生误导。如果使用,请清楚标注两个坐标轴。
• 堆叠柱状图(类别较多):难以比较中间段的数值。请改用小型多图或分组柱状图。
• 环形图:比饼图略好,但存在相同的根本问题。最多仅用于单一 KPI 展示。

Python 可视化代码模式

设置与样式

import matplotlib.pyplot as plt
import matplotlib.ticker as mticker
import seaborn as sns
import pandas as pd
import numpy as np

# Professional style setup
plt.style.use('seaborn-v0_8-whitegrid')
plt.rcParams.update({
    'figure.figsize': (10, 6),
    'figure.dpi': 150,
    'font.size': 11,
    'axes.titlesize': 14,
    'axes.titleweight': 'bold',
    'axes.labelsize': 11,
    'xtick.labelsize': 10,
    'ytick.labelsize': 10,
    'legend.fontsize': 10,
    'figure.titlesize': 16,
})

# Colorblind-friendly palettes
PALETTE_CATEGORICAL = ['#4C72B0', '#DD8452', '#55A868', '#C44E52', '#8172B3', '#937860']
PALETTE_SEQUENTIAL = 'YlOrRd'
PALETTE_DIVERGING = 'RdBu_r'

折线图(时间序列)

fig, ax = plt.subplots(figsize=(10, 6))

for label, group in df.groupby('category'):
    ax.plot(group['date'], group['value'], label=label, linewidth=2)

ax.set_title('Metric Trend by Category', fontweight='bold')
ax.set_xlabel('Date')
ax.set_ylabel('Value')
ax.legend(loc='upper left', frameon=True)
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# Format dates on x-axis
fig.autofmt_xdate()

plt.tight_layout()
plt.savefig('trend_chart.png', dpi=150, bbox_inches='tight')

柱状图(比较)

fig, ax = plt.subplots(figsize=(10, 6))

# Sort by value for easy reading
df_sorted = df.sort_values('metric', ascending=True)

bars = ax.barh(df_sorted['category'], df_sorted['metric'], color=PALETTE_CATEGORICAL[0])

# Add value labels
for bar in bars:
    width = bar.get_width()
    ax.text(width + 0.5, bar.get_y() + bar.get_height()/2,
            f'{width:,.0f}', ha='left', va='center', fontsize=10)

ax.set_title('Metric by Category (Ranked)', fontweight='bold')
ax.set_xlabel('Metric Value')
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

plt.tight_layout()
plt.savefig('bar_chart.png', dpi=150, bbox_inches='tight')

直方图(分布)

fig, ax = plt.subplots(figsize=(10, 6))

ax.hist(df['value'], bins=30, color=PALETTE_CATEGORICAL[0], edgecolor='white', alpha=0.8)

# Add mean and median lines
mean_val = df['value'].mean()
median_val = df['value'].median()
ax.axvline(mean_val, color='red', linestyle='--', linewidth=1.5, label=f'Mean: {mean_val:,.1f}')
ax.axvline(median_val, color='green', linestyle='--', linewidth=1.5, label=f'Median: {median_val:,.1f}')

ax.set_title('Distribution of Values', fontweight='bold')
ax.set_xlabel('Value')
ax.set_ylabel('Frequency')
ax.legend()
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

plt.tight_layout()
plt.savefig('histogram.png', dpi=150, bbox_inches='tight')

热力图

fig, ax = plt.subplots(figsize=(10, 8))

# Pivot data for heatmap format
pivot = df.pivot_table(index='row_dim', columns='col_dim', values='metric', aggfunc='sum')

sns.heatmap(pivot, annot=True, fmt=',.0f', cmap='YlOrRd',
            linewidths=0.5, ax=ax, cbar_kws={'label': 'Metric Value'})

ax.set_title('Metric by Row Dimension and Column Dimension', fontweight='bold')
ax.set_xlabel('Column Dimension')
ax.set_ylabel('Row Dimension')

plt.tight_layout()
plt.savefig('heatmap.png', dpi=150, bbox_inches='tight')

小型多图

categories = df['category'].unique()
n_cats = len(categories)
n_cols = min(3, n_cats)
n_rows = (n_cats + n_cols - 1) // n_cols

fig, axes = plt.subplots(n_rows, n_cols, figsize=(5*n_cols, 4*n_rows), sharex=True, sharey=True)
axes = axes.flatten() if n_cats > 1 else [axes]

for i, cat in enumerate(categories):
    ax = axes[i]
    subset = df[df['category'] == cat]
    ax.plot(subset['date'], subset['value'], color=PALETTE_CATEGORICAL[i % len(PALETTE_CATEGORICAL)])
    ax.set_title(cat, fontsize=12)
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)

# Hide empty subplots
for j in range(i+1, len(axes)):
    axes[j].set_visible(False)

fig.suptitle('Trends by Category', fontsize=14, fontweight='bold', y=1.02)
plt.tight_layout()
plt.savefig('small_multiples.png', dpi=150, bbox_inches='tight')

数字格式化辅助函数

def format_number(val, format_type='number'):
    """Format numbers for chart labels."""
    if format_type == 'currency':
        if abs(val) >= 1e9:
            return f'${val/1e9:.1f}B'
        elif abs(val) >= 1e6:
            return f'${val/1e6:.1f}M'
        elif abs(val) >= 1e3:
            return f'${val/1e3:.1f}K'
        else:
            return f'${val:,.0f}'
    elif format_type == 'percent':
        return f'{val:.1f}%'
    elif format_type == 'number':
        if abs(val) >= 1e9:
            return f'{val/1e9:.1f}B'
        elif abs(val) >= 1e6:
            return f'{val/1e6:.1f}M'
        elif abs(val) >= 1e3:
            return f'{val/1e3:.1f}K'
        else:
            return f'{val:,.0f}'
    return str(val)

# Usage with axis formatter
ax.yaxis.set_major_formatter(mticker.FuncFormatter(lambda x, p: format_number(x, 'currency')))

使用 Plotly 创建交互式图表

import plotly.express as px
import plotly.graph_objects as go

# Simple interactive line chart
fig = px.line(df, x='date', y='value', color='category',
              title='Interactive Metric Trend',
              labels={'value': 'Metric Value', 'date': 'Date'})
fig.update_layout(hovermode='x unified')
fig.write_html('interactive_chart.html')
fig.show()

# Interactive scatter with hover data
fig = px.scatter(df, x='metric_a', y='metric_b', color='category',
                 size='size_metric', hover_data=['name', 'detail_field'],
                 title='Correlation Analysis')
fig.show()

设计原则

颜色

• 有目的地使用颜色:颜色应用于编码数据,而非装饰
• 突出故事重点:用醒目的强调色标示关键洞察,其余内容使用灰色
• 顺序数据:对有序数值使用单一色相的渐变(由浅到深)
• 发散数据:对具有有意义中心点的数据,使用带中性中间色的双色相渐变
• 分类数据:使用可区分的色相,最多 6-8 种,超过后会变得混乱
• 避免仅依赖红/绿:约 8% 的男性存在红绿色盲。主要配色请使用蓝/橙组合

字体排版

• 标题应点明洞察:"营收同比增长 23%" 优于 "按月营收"
• 副标题补充背景:日期范围、已应用的筛选条件、数据来源
• 坐标轴标签应易于阅读:若可能,避免旋转 90 度。应缩短或换行处理
• 数据标签用于增加精确度:用于关键数据点,而非每一个柱子都标注
• 注释用于突出重点:通过文字注释标注特定数据点

布局

• 减少图表冗余元素:移除不承载信息的网格线、边框和背景
• 有意义地排序:除非存在自然顺序(如月份、阶段),否则按数值排序类别,而非按字母顺序
• 合适的宽高比:时间序列图宽度应大于高度(3:1 至 2:1);比较类图表可以更接近正方形
• 留白很重要:不要把图表挤在一起,为每个可视化内容留出足够的空间

准确性

• 柱状图从零开始：始终如此。从 95 到 100 的柱子会夸大 5% 的差异
• 折线图可以使用非零基线：当变化范围具有实际意义时
• 多个图表使用一致的刻度：比较多个图表时，使用相同的坐标轴范围
• 展示不确定性：数据存在不确定性时，使用误差线、置信区间或范围
• 为坐标轴添加标签：绝不让读者猜测数字的含义

无障碍注意事项

色盲

• 切勿仅依靠颜色来区分数据系列
• 添加图案填充、不同的线型（实线、虚线、点线）或直接标签
• 使用色盲模拟器进行测试（例如 Coblis、Sim Daltonism）
• 使用对色盲友好的调色板：sns.color_palette("colorblind")

屏幕阅读器

• 添加替代文本，描述图表的关键结论
• 在可视化图表旁提供数据表格作为替代内容
• 使用语义化的标题和标签

通用无障碍

• 数据元素与背景之间保持足够的对比度
• 标签文字最小 10pt，标题文字最小 12pt
• 避免仅通过空间位置传递信息（添加标签）
• 考虑打印场景：图表在黑白打印下是否依然清晰？

无障碍检查清单

分享可视化图表之前：

• 图表在无颜色的情况下依然可读（通过图案、标签或线型区分系列）
• 在标准缩放级别下文字清晰可读
• 标题描述的是洞察结论，而不仅仅是数据内容
• 坐标轴已标注单位
• 图例清晰，且位置不遮挡数据
• 已注明数据来源和日期范围