最牛的数据可视化就是只需要一张图，里面包含了所有的重要信息，并且基本上不需要多余的文字描述以及解释，就可以完整且清晰的表达出该有的全部信息。
而同样的数据，不同的人做出来的可视化结果会天差地别，比如说饼图，也就是Pie Chart，会经常被用来展示各个成分的比例，比如下图，红色块代表的消费占比最大，一目了然，完全不需要加文字描述。
而差的可视化其实也很明显，比如下面这个饼图，它有很多的问题。
第一，饼图的所有数据加起来应该等于100%，而这个可视化明显存在着计算错误。
第二，其中包含的信息太多，特别是左上方的内容，这些占比比较少的内容应该被合并，最多一般不超过6个元素。
第三，这个可视化的颜色我也很不喜欢，有些太亮有些太暗，会很容易使得黑色字体看的不清楚。
其实想要做出好的可视化并不算复杂，只需要根据不同的可视化类型对症下药就可以。
而这个前提是你得有一些数据分析的基本理论支撑，否则你很难去做出一个很实用的可视化图，，这里我非常建议大家跟着系统的课程来进行理解，比如知乎知学堂旗下研职在线数据分析课程，它的好处就是会带你过一遍这些基础的知识，让你对数据分析有一个基本的了解，然后你才可以去系统的，科学的进行数据分析。
常见的可视化类型就这些，
柱状图（Bar Chart）是一种常见的数据可视化形式，主要用于表示分类数据。每个柱子代表一个类别，高度或长度通常表示该类别的数值大小。柱状图可以是垂直的（列图）或水平的（条形图）。除此之外，还有一些变种，如堆叠柱状图、分组柱状图等。
基础元素：
常用场景：
注意事项：
特别要注意的，Y轴要从0开始，不然很容易误导读者，比如下面这个图，其实两者的数据都一样，但是右边是从90开始，从视觉上感觉两个相差很大，其实从0开始看的话（左图），两者几乎是持平的。
其次，每个柱之间的间隙也要注意，如果几个分类是离散的，比如身高的高中低，那必须得有间隙；如果是年龄，比如10-20，20-30，30-40，那么这种就算是连续的数据，不需要有间隙。
另外顺序也很重要，如果没有特殊的要求，那么柱状图可以按照数量从大到小或者从小到大的排列，观众会很容易阅读。
有时候会觉的直方图和柱状图很相似，其实他们俩主要的应用场景是不一样的。它俩最大的区别是柱状图主要用来描述分类数据，每个柱子代表不同的类别，而直方图反映的是数据的分布，所有的柱子都代表一个类，不同高度/长度的主子反映不用的数量。
另外柱状图一般柱子之间有Gap，而直方图的X轴心一般是连续的，所以不需要Gap。
基础元素：
常用场景：
注意事项：
需要用到直方图的时候一般是在做统计，比如一个班的身高，一个地方的人均收入，这些情况明显的数据是连续的，我们想通过直方图来了解这些信息的基本情况，比如身高。
我们可以很清晰的看到不管男女，分布都是两头低，中间高的趋势，这其实也吻合我们的日常观察，那就是特别高和矮都不多，大多数都是普通身高。
细看的话女性的平均身高更为集中，意味着普通身高的女性更多。
这些都是直方图的应用场景，让人可以快速的对于一个数据的基本统计信息做出理解。
散点图是一种二维数据可视化类型，其中两个变量的值用笛卡尔坐标系中的点来表示。散点图常用于展示两个连续变量之间的关系，以及用于观察数据集中的模式、趋势和异常点。
一个常见的例子就是用散点图来分析身高和体重的关系，可以从图中清晰的看到身高越高，体重一般也会相对应的越重。
这种相关性是双向的，有正向的，也有负向的，比如说你的体重就跟你的每天跑步时间成反比，意味着你跑的距离越长，你的体重越轻。
基础元素：
常用场景：
注意事项：
画散点图的时候要注意不能太过密集，不然的话你的图就是一团，根本看不出有什么趋势或者关系。
线形图是一种常用于表示一系列数据点（称为“标记”）在一个坐标系中的趋势的图表类型。这些数据点通常通过直线段连接，从而形成“线”。
这个最常见的应用就是时间序列分析了，很多情况下X轴都是时间，比如说历年的高考报名和招生人数，从这个图里面可以一目了然的看到两者都在升高，但是在18-19年招生人数明显增幅更快。
基础元素：
常用场景：
注意事项：
箱图，也称为箱型图或盒须图，是一种用于可视化数据分布特性的统计图表。它不仅能呈现数据的中位数、四分位数和极值，还可以用于识别数据中的异常值。
从这个图可以可以看到ABCD四个组的年龄分布，其中C组很明显最年轻，而D组的年龄分布更广，从20到60多都有。而AB总体比较相似，但是年龄范围A要比B更广。
其实它不难理解，你可以看这张图，这样是不是就很容易理解了。
基础元素：
常用场景：
注意事项：
饼图是一种用于显示数据集中各类别相对大小的圆形图表。在饼图中，每个类别的比例由相应扇形的弧长或面积来表示。
基础元素：
常用场景：
注意事项：
饼图很简单，画的时候注意，别画超过6个饼，多的部分用其他一并代替了，否则就会变成这样，根本分不清主次。同时一般也别用3D，这样会让你图非常难以一眼看明白。
数据可视化其实并不算一个技术含量高的活，而是需要你去理解数据以及目标受众的需求，这样你做出来的数据可视化才是最为对症下药的。最后还是建议大家可以试一下知学堂开设的数据分析课程⬇️
