统计图有哪几种(常用的22种图表类型汇总)

统计图的种类有：比较类：柱形图、对比柱形图、分组柱形图、堆积柱形图、分区折线图、雷达图、词云、聚合气泡图、玫瑰图；占比类：饼图、矩形块图、百分比堆积柱形图、多层饼图、仪表盘；趋势关联类：折线图、范围面积图、面积图、瀑布图；分布类：散点图、地图、热力区域图、漏斗图。

做数据可视化，经常不知道图表要怎么用？做出来的图表又丑又看不出趋势，今天帆软君给大家分享一下如何更好地利用图表。

根据数据之间的关系，统计图表可被分为分成四个大类，你可根据自己的目的（即你想表达什么）来选择适合的图表，最后达到“一图胜千言”的效果。

比较类：柱形图、对比柱形图、分组柱形图、堆积柱形图、分区折线图、雷达图、词云、聚合气泡图、玫瑰图

占比类：饼图、矩形块图、百分比堆积柱形图、多层饼图、仪表盘

趋势关联类：折线图、范围面积图、面积图、瀑布图

分布类：散点图、地图、热力区域图、漏斗图

为了方便大家记住，我把每类的图表及优势场景，制作成了思维导图，大家可收藏以备不时之需

思维导图可能会看不清，因此完整版的图表分类我会在底下再次说明，图表制作工具均为：FineBI

评论并私信回复「BI」即可获取工具体验地址

一、比较类

1、对比柱形图

简介：使用正向和反向的柱子显示类别之间的数值比较

特点：用于展示包含相反含义的数据的对比，若不是相反含义的建议使用分组柱形图。

场景举例：

美国大选选举「民主党 democrat」与「共和党 republican」在各州获得的票数对比。

2、分组柱形图

简介：分组柱状图经常用于相同分组下，不同类数据的比较。用柱子高度显示数值比较，用颜色来区分不同类的数据。

特点：相同分组下，数据的类别不能过多。

场景举例：

对2018年第一季度每月饮料、日用品、零食的销售额作对比

3、堆积柱形图

简介：可以对分组总量进行对比，也可以查看每个分组包含的每个小分类的大小及占比，非常适合处理部分与整体的关系。

特点：适合展示总量大小，但不适合对不同分组下同个类别进行对比。

场景举例：

对比周一至周日的访问量，并显示出每天用户从哪些渠道访问的数目和大致占比

4、分区折线图

简介：分区折线图能将多个指标分隔开，反映事物随时间变化的趋势

特点：适合对比趋势，避免多个折线图交叉在一起。

场景举例：

对比两个城市同一段时间的风速走势

5、雷达图

简介：雷达图又被叫做蜘蛛网图，它的每个变量都有一个从中心向外发射的轴线，所有的轴之间的夹角相等，同时每个轴有相同的刻度。

特点：雷达图变量过多会降低图表的可阅读性，非常适合展示性能数据。

场景举例：

对市面上两款手机的性能进行对比

6、词云

简介：词云是文本大数据可视化的重要方式，常用于将大量文本中的高频语句和词汇高亮展示，快速感知最突出的文字，常用于网站高频搜索字段的统计。

特点：不适合数据量多的文本数据，也不适合数据区分度不大的数据处理。

场景举例：

用词云展示搜索关键词，搜索次数越多的关键词字体越大

7、聚合气泡图

简介：聚合气泡图中，维度定义各个气泡，度量定义气泡的大小、颜色。

特点：不适合区分度不大的数据。

场景举例：

用聚合气泡图展示各省招生人数，招生人数最多的江苏省气泡面积最大

8、玫瑰图

简介：南丁格尔玫瑰图的作用与柱形图类似，主要用于比较，数值大小映射到玫瑰图的半径

特点：数据比较相近时，不适合用饼图，而是适合用南丁格尔玫瑰图

场景举例：

回款金额的大小映射到每个省份的弧度和半径上，最终形成了玫瑰图

二、占比类

1、矩形块图

简介：适合展现具有层级关系的数据，能够直观体现同级之间的比较。父级节点嵌套子节点，每个节点分成不同面积大小的矩形，使用面积的大小来展示节点对应的属性。

特点：非常适合带权的树形数据，对比各分类的大小关系以及相对于整体的占比关系。

场景举例：

展示 2011-2017 年的合同金额情况， 2016 年的合同金额最大

2、百分比堆积柱形图

简介：对比同一个分组数据内不同分类的占比。

特点：同一个分组内不同分类的个数不能过多。

场景举例：

比如下图显示了 1986 年至 2016 年期间，民众对体罚儿童的态度对比变化情况

3、饼图/多层饼图

简介：多层饼图指的是具有多个层级，且层级之间具有包含关系的饼状图表。多层饼图适合展示如地理区域数据、公司上下层级、季度月份时间层级等等。

特点：层级和类别都不能过多，过多导致切片过小干扰阅读。

场景举例：

内圈不同颜色的弧度分别映射每个区域的销售额，外圈浅色切块代表该区域下不同品牌的销售额。

4、仪表盘

简介：仪表盘设定目标值，然后用于展示速度、温度、进度、完成率、满意度等，很多情况下也用来表示占比。

特点：只适合单个指标的数据展示。

场景举例：

Top10门店销售额占总销售额的比重

三、趋势关联类

1、折线图（多系列折线图）

简介：来体现事物随时间或其他有序类别而变化的趋势

特点：折线数量不能过多，会导致图表可读性变差

场景举例：

该图展现了自1800年至2017年全世界能源消耗情况，图中不同颜色的折线代表不同的能源类型

2、范围面积图

简介：用来展示持续性数据，可很好地表示趋势、累积、减少以及变化。

特点：展示两个连续变量的差值的变化趋势。

场景示例：

展示访问次数和跳出次数的变化趋势，并通过面积的变化映射出两者差值量的变化趋势

3、普通面积图

简介：普通面积图是在折线图的基础上进化而来，也很方便来体现事物随时间或其他有序类别而变化的趋势。由于有面积填充，所以比折线图更能体现趋势变化。

特点：面积线最好不要超过五条

场景示例：

用两条面积线分别表示「合同金额」和「回款金额」，不仅能展示出2011 -2017年的走势，还可以展示出回款金额对合同金额的占比关系。

4、瀑布图

简介：瀑布图显示加上或减去值时的累计汇总，通常用于分析一系列正值和负值对初始值（例如，净收入）的影响

特点：通过悬空的柱形图，可以更直观的展现数据的增减变化

场景举例：第四列的应发工资=第一列的基本工资+第二列的绩效工资+第三列的加班工资

四、分布类

1、散点图

简介：散点图 可以显示数据集群的形状，分析数据的分布。通过观察散点的分布，推断变量的相关性。

特点：散点图在有比较多数据时，才能更好的体现数据分布。

场景举例：

例如利用散点图和警戒线，可以看出身高和体重都超出平均的大多是男生。

2、热力区域图

简介：以特殊高亮的方式展示坐标范围内各个点的权重情况

特点：效果柔化，不适合精确的数据表达，主要用于看分布。

场景举例：

展示每月 24 小时的气温分布

3、地图

简介：地图组件即使将数据反映在地理位置上，FineBI提供多种地图组件，包括热力地图 、区域地图、流向地图、点地图等。

特点：非常直观的观察不同区域的数据关系。

场景示例：

各个城市的销售额数值大小映射在点的面积上，销售额越多，点越大

4、漏斗图

简介：漏斗图又称倒三角图，漏斗图从上到下，有逻辑上的顺序关系，经常用于流程分析，比如分析哪个环节的流失率异常。

特点：上下之间必须是有逻辑顺序关系的，若是无逻辑关系建议使用柱形图对比。

场景举例：

观察从搜索到交易成功的人数变化，并定位对比每一步流失人数。

在解决实际的问题当中，我们如何选择统计图要看这个统计图能否去真实、高效地反映出数据的情况，而且符合题目的实际要求。并不是我们学习了折线统计图以后，全部的题目都选择条形统计图，而是要根据各个条形统计图的特点来决定的。