企业官网建设流程全解析

本章学习目标：

• 理解数据可视化的核心目的：探索 vs 解释
• 掌握不同分析场景对应的图表类型
• 了解每种图表的优势和局限
• 学会根据数据特征和分析目标选择图表
• 核心能力：不只会画图，更知道为什么画这张图

一、为什么要做数据可视化？

1.1 可视化的核心价值

“一张好的图表，胜过千言万语。”

1.2 可视化的两种目的

核心原则：探索时可以画100张图，汇报时只用1张最能说明问题的图。

二、图表选择的决策框架

2.1 核心问题：你想表达什么？

在选择图表之前，先问自己：

2.2 图表选择总览图

你想表达什么？ │ ├── 比较大小 ──→ 柱状图（类别少）、条形图（类别多） │ ├── 趋势变化 ──→ 折线图（时间序列） │ ├── 占比关系 ──→ 饼图（类别少）、环形图、堆叠柱状图 │ ├── 数据分布 ──→ 直方图（单变量）、箱线图（对比分布）、小提琴图 │ ├── 变量关系 ──→ 散点图（两变量）、热力图（多变量相关） │ └── 地理数据 ──→ 地图

三、按分析目的选择图表

3.1 比较大小——柱状图、条形图

什么时候用：想比较不同类别之间的数值大小。

核心原则：用柱子的高度（或长度）代表数值大小，越长/越高表示数值越大。

选择指南：

• 类别名称短（2-4个字）→ 垂直柱状图
• 类别名称长（5个字以上）或数量多 → 水平条形图
• 想强调排名 → 排序后画水平条形图

常见错误：

• ❌ Y轴不从0开始（会夸大差异）
• ❌ 3D柱状图（无信息增量，反而难读）
• ❌ 柱子间距不合理（过密或过疏）

如何向AI描述：

“画一个柱状图，X轴是品牌，Y轴是平均价格，按价格从高到低排序”

3.2 趋势变化——折线图

什么时候用：想看数据随时间（或其他有序变量）的变化趋势。

核心原则：用点代表数据，用线连接相邻点，强调变化的连续性。

折线图 vs 柱状图：

选择原则：X轴是时间或其他有序变量 → 折线图优先；X轴是类别（如品牌、地区） → 柱状图优先。

常见错误：

• ❌ 类别型数据用折线图（如不同“品牌”的价格连线——连线的意义是什么？）
• ❌ 缺失数据时直接连线（可能误导）
• ❌ 同时展示太多线条（超过5条就难读了）

如何向AI描述：

“画一个折线图，X轴是月份，Y轴是销售额，按不同产品画多条线”

3.3 占比关系——饼图、环形图、堆叠柱状图

什么时候用：想看各部分占整体的比例。

核心原则：用面积（而非长度）代表比例，强调“整体中的一部分”。

重要警告：饼图是争议最大的图表。很多专家建议慎用饼图，因为人眼对面积的感知不如对长度的感知敏感。

饼图使用铁律：

1. 类别不超过5个（超过就用条形图）
2. 从12点钟方向开始，按从大到小顺时针排列
3. 比例必须加起来为100%
4. 不用3D饼图（视觉扭曲）

什么时候不用饼图：

• 类别超过5个 → 变成“千层饼”，完全无法阅读
• 需要精确比较比例 → 条形图更适合（长度对比更精准）
• 比例非常接近 → 饼图难以区分差异

替代方案：

• 多类别 →水平条形图（更清晰）
• 多整体对比 →分组柱状图或百分比堆叠柱状图

如何向AI描述：

“画一个饼图，展示各品类的销售额占比，按占比从大到小排列”

3.4 数据分布——直方图、箱线图、小提琴图

什么时候用：想看数据的集中趋势、分散程度、偏态、异常值。

3.4.1 直方图

核心原则：将数据分成连续的区间，用柱子高度代表落在该区间的数据数量。

关键参数：

如何选择bin数量：

• 数据量大（>1000条）→ 可以多用些bin（20-50）
• 数据量小（<100条）→ 少用些bin（5-10）
• 默认值通常可用，有疑虑就多试几个值

从直方图能读出什么：

如何向AI描述：

“画一个价格列的直方图，bin数量设为50”

3.4.2 箱线图

核心原则：用五个统计量概括数据分布：最小值、Q1、中位数、Q3、最大值。超出1.5倍IQR的点标记为异常值。

箱线图的结构：

异常值 ● | ┌───────┴───────┐（上边缘：Q3 + 1.5×IQR） │ │ │ ┌───────┐ │ │ │ │ │ ───┼───┼───────┼───┼───（Q3：75%分位数） │ │ Q3 │ │ │ │ │ │ │ │ ~~~ │ │ ← 中位数线 │ │ │ │ │ │ Q1 │ │ ───┼───┼───────┼───┼───（Q1：25%分位数） │ │ │ │ │ └───────┘ │ │ │ └───────────────┘（下边缘：Q1 - 1.5×IQR） | 异常值 ●

箱线图的优势：

• 信息密度高，一张图包含多个统计量
• 特别适合对比多组分布
• 自动标记异常值

箱线图的局限：

• 看不到分布形状（如果数据是双峰，箱线图无法反映）
• 需要理解分位数概念才能读懂

如何向AI描述：

“画一个箱线图，X轴是品牌，Y轴是价格，看不同品牌的价格分布对比”

3.4.3 箱线图 vs 小提琴图

选择建议：

• 快速报告、汇报对象非技术背景 →箱线图
• 自己的探索性分析、技术报告 →小提琴图

如何向AI描述：

“画一个小提琴图，X轴是变速箱类型，Y轴是价格，中间叠加箱线图”

3.5 变量关系——散点图、热力图

什么时候用：想看两个或多个变量之间的关系。

3.5.1 散点图

核心原则：每个点代表一个样本，X轴和Y轴分别代表两个变量。

从散点图能读出什么：

常见陷阱：

• ❌ 数据量太大（>10000点）→ 点重叠严重，无法读图 → 考虑抽样或六边形分箱图
• ❌ 过度解读异常点（少数离群点可能只是噪音）

如何向AI描述：

“画一个散点图，X轴是里程，Y轴是价格，看里程和价格的关系”

3.5.2 热力图（相关系数矩阵）

核心原则：将相关系数矩阵用颜色深浅表示，颜色越深（或越鲜艳）表示相关性越强。

热力图的读法：

• 对角线（变量与自己的相关）= 1（最深色）
• 上三角和下三角对称
• 颜色深浅代表相关系数大小

从热力图能发现什么：

如何向AI描述：

“画一个相关系数热力图，展示所有数值特征之间的相关性，用颜色深浅表示相关强度”

四、图表选择速查表

4.1 按分析目的查找

4.2 按数据类型查找

五、本章总结

核心选择原则

图表速记口诀

比较用柱状，趋势用折线，占比用饼图（别超5个），分布用箱线，关系用散点，相关用热力。

核心心法

“好的图表不是最复杂的图表，而是能让读者在3秒内理解你想表达什么的图表。”

六、思考题

1. 你想比较10个城市的人均消费。你会用什么图表？为什么不用饼图？

2. 你想展示某产品过去12个月的销售额变化趋势。你会用折线图还是柱状图？为什么？

3. 一份报告中有8个饼图，每个饼图有8个扇区。这个报告有什么问题？你会怎么改进？

4. 你想对比不同品牌的价格分布（中位数、波动、异常值）。箱线图和小提琴图哪个更合适？为什么？

5. 你想探索“里程”和“价格”的关系。应该用什么图？如果发现数据有100万点，直接画散点图会遇到什么问题？怎么解决？

下一节预告：6.2 各图表深度解读 —— 折线图、柱状图、箱线图、散点图、热力图……每种图表的读法和解读要点。