如何成为数据分析师系列（二）：可视化图表进阶
2018-12-31 来源：raincent
继上一篇如何成为数据分析师系列(一)：可视化图表初阶整理了折线图、柱形图、散点图、饼图4种基本图表的特性及其使用场景，这次整理了一些平常不太使用，但在合适的场景的使用它们，往往能为你的分析报告加分不少的图表。
需要说明的是，这次演示的图表几乎都是用Tableau制作的「因自身学习的原因」，不再是Excel制作的图表。其中有部分图，仍旧能用Excel制作，有部分已经不适合使用Excel制作了。
树状图(TreeMap)
功能&应用场景
主要功能用于可视化整体与部分关系，以区块表示部分层级(不同区块用颜色区分)，用矩形面积表示大小关系。
缺点
以面积表示大小，当数值相近时人眼难以辨别，当然可通过填充数值弥补。
漏斗图(FunnelPlot)
应用场景
适用于关键业务环节数据比较，将各环节串联起来构成漏斗，量化流程内环节，追踪各环节转化率。转化是漏斗图主要表达信息。
♦ 电商类：访问 -> 注册 -> 购物车 -> 下单 -> 付款;
♦ 营销推广：展现 -> 点击 -> 访问 -> 咨询 -> 下单 -> 付款;
♦ CRM：潜在客户阶段 -> 意向客户阶段 -> 谈判阶段 -> 成交签约。
以上只是常见漏斗，实际各种业务流程都可构建漏斗。
缺点
♦ 漏斗图在实际分析中并不常见，但在PPT中用作信息描述却明显优于干巴巴的数字
♦ 追踪流程较困难，而企业是结果导向的，我们更在意整个流程的转化率，有时不会深究细节;
有时候我们更关心某环节转化率在时间维度上的变化。
漏斗图 vs 行为路径分析
漏斗图要区分于行为分析路径图，行为分析路往往是你对用户的访问路径未知，而漏斗图则是基于已知关键流程构建。
样式变种：将面积形式变种为柱形图样式，显得更加清晰
雷达图(RadarChart)
应用场景
雷达图主要用于静态的多维对比，它直观地呈现几个观察对象在多个指标上对比情况。
缺点
能表达的静态数据信息有限，线条不宜超过5条，指标不宜超过8个。
注意事项
雷达图中的指标必须是正向且可以比较的，也就是指标代表越好，且当指标差异较大时，需要进行标准化，消除单位影响。
♦ 指标必须是相同表征含义：如都是越大代表越好，或越小代表越好;
♦ 雷达图的数据必须进行标准化;
♦ 雷达图是静态数据很量，不可能有时间维度。
制作过程
数据如图
♦ 数据源-第一个指标要重复一列，作为环形的起点和终点;
♦ 在Tableau中要进行透视表操作;
♦ 生成路径： CASE [数据透视表字段名称]
WHEN '认证两分钟回复率' then 1
WHEN '认证数' then 2
WHEN '消息两分钟内回复率' then 3
WHEN '消息回复率' then 4
WHEN '回复消息数' then 5
WHEN '质检得分' then 6
ELSE 7
END
♦ 生成弧度:IF [路径]=7 THEN pi()/2 ELSE PI()/2 - ([路径]-1)*2*PI()/6 END
♦ 生成X = [数据透视表字段值]*COS([弧度])、Y = [数据透视表字段值]*SIN([弧度])
箱线图/盒须图(Box plot)
箱线图是利用五个统计量：最小值、第1分位数、第2分位数、第3分位数、最大值 来描述数据的图形。
应用场景
主要用于观察数据分布：观察分布&异常值&偏态等
♦ 箱线图可直观明了地观察数据的分布情况，对不同数据批的数据分布进行对比;
♦ 箱线图可直观明了地识别数据批中的异常值;
♦ 箱线图可初步判断数据批中的偏态和尾重; 异常值出现于一侧的概率越大，中位数也越偏离上下四分位数的中心位置; 异常值集中在较小值一侧，则分布呈现左偏态;异常值集中在较大值一侧，则分布呈现右偏态。
图形元素说明
矩盒两端的位置分别对应数据的Q1、Q3分位数，矩形盒内部绘制一中位数线
♦ 内限=Q1-1.5*IQR、=Q3+1.5*IQR IQR(四分位矩)=Q3-Q1，它反映了中间50%数据的离散程度(数值越小，中间50%数据越集中)
♦ 外限=Q1-3*IQR、=Q3+3*IQR 内限以外位置都是异常值，其中在内限与外限之间的为温和异常值(Mild outliers)，外限以外的称为极端异常值(extreme outliers)。
应用举例
甘特图(Gantt chart)
应用场景:项目管理
甘特图对于说明项目各元素的起始与终止日期效果非常好，清楚看到需要完成的内容和截止时间对于项目的成功非常关键。 多数情况下，我们把甘特图和项目管理联系到一起，不过它其实还可以用来表现随时间推移事物的变化(人员、机器、订单等)。
♦ 显示项目进度。例如：说明关键可交付成果、所有者、截止期限。
♦ 显示随时间推移的其他事物使用事项。例如：机器使用的持续时间、团队成员有空与否，订单发货时间等。
桑基图(Sankey diagram)
桑基图，即桑基能量分流图，也叫桑基能量平衡图。
起源
♦ 1898年Matthew Henry Phineas Riall Sankey绘制的“蒸汽机的能源效率图”而闻名世界，此后便以其名字命名为“桑基图”。
应用场景
♦ 展示分类维度间的相关性，以流的形式呈现同一类别的元素数量;
♦ 表示集群的发展，比如特定人群的分布，如：杏仁活跃医生在一段时间的活跃状态变迁;
♦ 具有流程图的性质，表示能量/物质流转。
核心特征
最明显的特征是始末端的分支宽度总各相等，即所有主支宽度的总和应与所有分出去的分支宽度的总和相等，保持能量的平衡。
图形制作
1.S型曲线-sigmoid Fuction
该函数图像的特点有： 1. 连续，光滑，严格单调; 2. 关于(0, 0.5)中心对称; 3. 值域为(0,1).
1. 简单桑基图 数据格式如下。左为Data，右为模型Model，要求制作桑基图表示用户ID从position 1变化为position 2的路径。
a. 连接Excel文件，将Data与Model均拖入数据，并由Link进行inner join连接;
b. 创建计算字段Sigmoid Function代表S曲线函数：1/(1+EXP(1)-[t]);
c. 创建计算字段Curve代表曲线：[Position 1]+(([Position 2]-[Position 1])*[Sigmoid Function]);
d. 将t拖拽至[列]，Curve拖拽至[行]，并调整为连续的维度; e. 将Name、ID拖到详细信息，Name拖拽到颜色;
f. 选择标记类型为 线，一个简单的桑基图就完成了，示例可参见Tableau文件。
难点理解：曲线是如何生成的!
♦ 每一个用户有position 1、position 2，以ID=1的用户为例：
- position 1=1
- position 2= 100
- [Position 2]-[Position 1]=99
- ([Position 2]-[Position 1])*[Sigmoid Function]
将上式记作A，根据S曲线特性，当t->负无穷时，函数s->0，A->0;因s函数严格单调，当t增大时，s增大;当t->正无穷时，s->1，A->([Position 2]-[Position 1])。所以curve=[Position 1]+(([Position 2]-[Position 1])*[Sigmoid Function])可生成一条S曲线.
难点是设置position，让每个类别的点靠近。不仅是大类别要靠近，细分类别也要靠近
词云
应用场景
词云图是为了描述事物的主要特征，要求能够让人一眼看出一个事物的主要特征，越明显的特征越要突出显示。不要为了词云而词云，要关注制作词云要表达什么信息(包括数据的关系是什么)
♦ 内容型网站对内容关键词提取制作词云作为网站导航;
♦ 人物肖像刻画、事物肖像刻画、小说核心主题刻画，总之对于各种事物进行某种主题的刻画，可以选用词云，如果是表现层次化关系，则不建议使用词云。(下图就不是词云最合适的运用场景)
主要特征
词云是可视化中较为艺术化的图表。 Word直接展示对象，Word字体大小表示某种度度量。
以上就是图表类型的介绍了。其实图表类型还有很多很多，如基于鼠标点击的热力图、基于网络传播的关系图等等，但它们都不再适合用Excel或Tableau制作，需要用R/Python进行绘图，暂时用不上，故没有再往下写的必要。
此外，图表制作还有很多主意事项，比如：背景色的使用
黑色背景给人以震撼，但它的情感色调是郑重、悲伤、紧张 白色背景比较单调，但它的情感色调是以轻松
具体的图表如何使用，它是非常灵活的，见仁见智。这些基础理论只是将图形的特征介绍清楚，具体如何用仍需要结合业务场景、分析目标等。
版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点！
本站所提供的图片等素材，版权归原作者所有，如需使用，请与原作者联系。
