数据分析报告中如何选择合适的统计图表

简介:

由于不同的数据分析工具收集到的数据千差万别,基于这些数据生成展示的统计图表也不尽相同;而且数据分析师制作各种报告时,也常常纠结于如何选择合适的图表表达数据诉求,因此我们有必要去理解一些常用数据分析统计图表的特点、使用方法以及注意点。数据分析中主要使用以下几种图表。

折线图:按照时间序列分析数据的变化趋势时使用

柱 图:指定一个分析轴进行数据大小的比较时使用

饼 图:指定一个分析轴进行所占比例的比较时使用

仪表图:单独关注一个指标的绩效表现时使用

(版权归数码林网站分析博客所有,欢迎转载,但转载请注明出处。)

1.折线图

       折线图主要是在按照时间序列分析指标值变化趋势的情况下使用。通常情况下X轴设定为时间,Y轴设定为其他指标值。分析页面浏览数,访问者数,转化数(率)等指标整体变化趋势时多用折线图。这些指标值用折线图表示之后,可以明确每小时段、天、周、月或年的变化趋势,得到类似“平时工作日的访问比较多,周末的访问比较少”,“这个月转化数较上个月下降了近10%”等分析结论。

       那么接下来就让我们去见识一下网站分析所使用的几组折线图(X轴都设定为时间)。

       首先,Y轴设定为页面浏览数的折线图。表示成折线图之后页面浏览数的增减就一目了然了。

       (※折线图 ↓

维析Dashboard折线图


       下图表示了同时涵盖“初次访问”和“再访问”的页面浏览数。在相同单位下这些指标值都可以统合在一个图表中显示。

       (※细分折线图 

维析Dashboard细分折线图


       这样一来就可以细化分析一些趋势变化的原因。在上图中,可以发现:8月16日的流量短暂峰值主要来自于初访者

       接下来看下图。是【今年8月】和【去年8月】每一天的页面浏览数同比数据。可以看出今年不仅总体流量有所提升,而且有效缓解了每逢周末流量减少的现象。

       (※对比折线图 ↓)

维析Dashboard对比折线图


       ■做折线图时的注意事项

       在做成折线图时请注意以下几点。

1. 图表中的指标要明示(即Y轴数值代表的指标)。

2. 当X轴有多于5个项目时推荐使用折线图,当不足5个项目时可以使用柱图。

3. 在一组折线图中如果折线超过了4条,由于折线之间有重复的部分所以会看不清楚。这种情况下,可以拆分成两组折线图去表现。

(版权归数码林网站分析博客所有,欢迎转载,但转载请注明出处。)

2.柱图

       柱图主要是以特定的轴线来比较指标值的大小的情况下使用。柱图是网站分析中最常使用的一种图表。柱图可分为竖柱图横柱图和累积竖柱图等。下面说明一下这几种柱图的特点。

       首先是【横柱图】。横柱图也叫条形图,一般用来表示一类项目的横向对比,例如按访问量对网页的排名、按转化率大小对广告媒体的排名等。横柱图的X轴通常代表确定数值大小的刻度尺。下图是按访问量大小对网站页面的排名图:

       (※横柱图 ↓)

维析Dashboard横柱图


       其次是【竖柱图】。竖柱图和折线图用法类似,常用来表示时间序列的指标数值变化情况。不同的是,如果X轴上的时间点不多(例如低于5个)可以选择使用竖柱图;或者根据数据的性质和图表想要表达的侧重点来选择:竖柱图偏向于表现数量,而折线图偏向于表现趋势

       讲到这里还可以看出【竖柱图】表现的是数据随时间变化的关系,而【横柱图】所表示的项目对比指在某一时间点或时间段内的数据。也许有人会问“横柱图的数据不一样可以通过竖柱图表现出来吗?”,理论上可以,但通常横柱图中的项目名称(例如上例中的网页标题)都偏长,如果通过竖柱图表现很难在一行内展现,可能会出现折行的现象。

       下图就是表现访问次数随时间变化的竖柱图。

       (※竖柱图 ↓)

维析Dashboard竖柱图

       柱图中还有一种叫做【累积竖柱图】。当我们想确认某一个数值的详细内容时使用累积竖柱图就很方便了。下图是对访问次数按网站的访问来源(广告进入、直接访问进入、搜索引擎进入)细分做成图表,这样可以很容易的判断网站进入方式的详细情况。

       (※累积竖柱图 ↓)

维析Dashboard累积竖柱图

       

       ■做成柱图的注意事项

       在做成柱图的时候请注意以下几点。

1. 注意竖柱图和横柱图的区分使用

2. 柱的数量过多导致柱间空隙很小时,可以选择使用折线图

3. 【数量】和【比例】最好做成不同的柱图

(版权归数码林网站分析博客所有,欢迎转载,但转载请注明出处。)

3. 饼图

       饼图主要是在分析整体指标值中的成分比例时使用的。特点就是能够一眼分辨出哪一个项目所占的比例最大。下图中很容易的就能发现网站的进入页主要是“数码林的博客”页,比例将近达到了40%。

     (※饼图 ↓)

维析Dashboard饼图


       ■做成饼图时的注意事项

       在做成饼图时请注意以下几点

1. 由于饼图是为了确认比例而不是数量,所以饼图上表示的是比例,如果想要表现总数值的话,可以添加一行n=XXXX这样的描述。

2. 饼图中的构成元素是按照百分比降序排列的(【其他】除外)

3. 由于人们习惯顺时针看东西,所以最好把最重要的内容放在12点位置附近

4. 当饼图中的构成元素有10种以上时,排在后面的数据总结在一起用【其他】来表示。

(版权归数码林网站分析博客所有,欢迎转载,但转载请注明出处。)

4.仪表图

       仪表图是为了关注单独一个指标的表现时使用。特点是能给出指标的安全范围和警戒范围。

       例如将跳出率的表现以25%、50%为界限分为三个绩效区域,并分别以绿色、黄色和红色来区分三个绩效区域,其中红色表示警戒区域。从下图可以一眼看出9月的跳出率已经超过50%进入警戒区域,需要引起重视了。

       (※仪表图 ↓)

维析Dashboard仪表图


       ■做成仪表图时的注意事项

       在做成仪表图时请注意以下几点。

1. 注意绩效表现区域的划分,一般利用两个边缘值分为三个区域

2. 红色警戒区域出现在左侧还是右侧和指标的业务属性相关,例如跳出率越高越接近警戒区域,所以红色区域在右侧。

       最后援引麦肯锡的《用图表说话》中一段话来总结一下关于图表的选择:

(1)图表是语言的一种形式,它的存在是为了比表格更快更好的表达你想要表达的内容

(2)决定图表的不是数据也不是尺寸,而是你想说明的主题

(3)图表贵精不贵多,只有当图表能帮你表达主题时才使用

(4)图表是直观教具,但它不能取代书写和讲述,在帮你传达主题时,它能起到重要作用

 (注:以上所有统计图截图来自于网站分析工具 – 维析Dashboard)

目录
相关文章
|
6月前
|
机器学习/深度学习 数据可视化 算法
数据分析和机器学习的11个高级可视化图表介绍
可视化是一种强大的工具,用于以直观和可理解的方式传达复杂的数据模式和关系。它们在数据分析中发挥着至关重要的作用,提供了通常难以从原始数据或传统数字表示中辨别出来的见解。
114 0
|
6月前
|
机器学习/深度学习 数据采集 数据可视化
R语言 一种功能强大的数据分析、统计建模 可视化 免费、开源且跨平台 的编程语言
R语言 一种功能强大的数据分析、统计建模 可视化 免费、开源且跨平台 的编程语言
131 1
|
12天前
|
机器学习/深度学习 数据可视化 数据挖掘
用Python进行健康数据分析:挖掘医疗统计中的信息
【4月更文挑战第12天】Python在医疗健康数据分析中扮演重要角色,具备数据处理、机器学习、可视化及丰富生态的优势。基本流程包括数据获取、预处理、探索、模型选择与训练、评估优化及结果可视化。应用案例包括疾病预测、药物效果分析和医疗资源优化,例如使用RandomForestClassifier进行疾病预测,Logit模型分析药物效果,以及linprog优化医疗资源配置。
|
1月前
|
存储 数据采集 数据挖掘
python数据分析——数据分类汇总与统计
数据分类汇总与统计是指将大量的数据按照不同的分类方式进行整理和归纳,然后对这些数据进行统计分析,以便于更好地了解数据的特点和规律。
59 1
|
1月前
|
机器学习/深度学习 算法 数据挖掘
python数据分析——数据分析的统计推断
数据分析的统计推断是科学研究中的重要环节,它通过对样本数据的分析,对总体参数进行估计,并对假设进行检验。这一过程旨在从数据中提取有意义的信息,为决策提供科学依据。 在统计推断中,我们通常会遇到两类问题:参数估计和假设检验。参数估计是通过样本数据对总体参数进行点估计或区间估计。点估计是对总体参数的具体数值进行预测,而区间估计则是给出一个包含总体参数的置信区间。这两种估计方法都基于大数定律和中心极限定理,保证了估计的准确性和可靠性。
45 0
|
2月前
|
数据挖掘 数据库
GEE——降水数据分析(半天)图表分析含(IANA(IANA Time Zone Database) 时区名称的定义)
GEE——降水数据分析(半天)图表分析含(IANA(IANA Time Zone Database) 时区名称的定义)
30 1
|
3月前
|
Python
Python 的科学计算和数据分析: 如何使用 Matplotlib 绘制图表?
Python 的科学计算和数据分析: 如何使用 Matplotlib 绘制图表?
|
4月前
|
数据可视化 数据挖掘 Linux
数据分析入门系列教程-常用图表
数据分析入门系列教程-常用图表
|
4月前
|
数据可视化 JavaScript 前端开发
【数据分析与可视化】pyecharts可视化图表讲解及实战(超详细 附源码)
【数据分析与可视化】pyecharts可视化图表讲解及实战(超详细 附源码)
112 0
|
4月前
|
数据可视化 前端开发 数据挖掘
Python 教程之数据分析(3)—— Python中不同图表的数据可视化
Python 教程之数据分析(3)—— Python中不同图表的数据可视化
68 0

热门文章

最新文章