数据分析中常用的图形

在数据分析中，常用的图形根据数据类型和分析目的分为以下几类：

1. 分布分析

用于了解单一变量的分布情况，观察集中趋势、离散程度及偏态等。

• 直方图（Histogram）：
  适用于数值型变量，显示数据的分布情况。

• 用于观察数据的对称性、峰度、偏态等。

• 密度图（Density Plot）：
  平滑后的直方图，适合连续数据。

• 用于比直方图更直观地显示分布形态。

• 箱线图（Boxplot）：
  显示分布的五个数字摘要（最小值、第一四分位数、中位数、第三四分位数、最大值），并标记异常值。

• 用于发现异常值和比较多个分组的分布。

• 小提琴图（Violin Plot）：
  结合了密度图和箱线图。

• 用于观察分布的细节并比较分组差异。

2. 比例分析

用于展示组成部分的比例。

• 饼图（Pie Chart）：
  显示各部分占总体的比例。

• 适合显示简单的比例关系，但不适合数据量较多的情况。

• 条形图（Bar Chart）：
  水平显示分类数据的频数或百分比。

• 比饼图更适合比较多个类别。

• 堆叠条形图（Stacked Bar Chart）：
  将条形图叠加，显示多类别的比例构成。

• 用于多分类数据的组成对比。

3. 趋势分析

用于展示数据随时间变化的趋势。

• 折线图（Line Chart）：
  显示连续数据的变化趋势。

• 用于时间序列数据分析，如销售额变化、温度变化。

• 面积图（Area Chart）：
  类似折线图，但通过填充颜色显示累积值。

• 用于显示变化趋势和累积大小。

4. 对比分析

用于比较多个组的数据。

• 柱状图（Bar Chart）：
  垂直显示分类数据的频数或百分比。

• 适用于比较各组的数值。

• 分组柱状图（Grouped Bar Chart）：
  将不同组的柱状图并列显示。

• 用于比较多组数据的大小。

• 点图（Dot Plot）：
  用点的位置表示值，直观且不容易造成视觉误解。

• 用于数值和分类数据的对比。

5. 相关分析

用于展示两个变量之间的关系。

• 散点图（Scatter Plot）：
  用点表示两个变量的取值，显示它们的相关性。

• 用于分析相关关系或聚类。

• 气泡图（Bubble Chart）：
  类似散点图，但用气泡大小表示第三个变量。

• 用于多变量分析。

6. 数据分布和相关性结合

• 热力图（Heatmap）：
  用颜色深浅表示值的大小。

• 适用于展示矩阵数据或变量间的相关性。

• 分面图（Facet Grid）：
  按类别分面显示多个图表。

• 用于探索分组间的差异。

7. 时间序列和多变量

• 时间序列图（Time Series Plot）：
  用折线显示随时间变化的数据。

• 常用于财务、气候等领域。

• 平行坐标图（Parallel Coordinates Plot）：
  用于多维数据，每个维度对应一条平行的轴。

• 适合探索高维数据。

8. 分类和聚类

• 堆叠柱状图（Stacked Bar Chart）：
  分组后显示类别比例。

• 簇状图（Cluster Plot）：
  显示数据在不同类别或聚类中的分布。

9. 特殊用途

• 网络图（Network Graph）：
  显示节点之间的关系和连接。

• 用于社交网络分析。

• 桑基图（Sankey Diagram）：
  表示数据的流动或转化路径。

• 适合展示数据的转移或分布过程。