跳到主要內容

視覺化常見圖表 — 選擇正確的圖表




       統計圖表是最早的資料視覺化形式之一,如何將資料直觀且容易了解和操作的方式呈現給使用者,以下介紹基本圖表及屬性和使用時機,讓大家可以依據自己的情境選擇合宜的圖表,達到傳達資訊或解決問題的目的。




🔅推薦視覺化介紹網頁
這個網站整理了60種視覺化圖表,也介紹每種圖表的使用時機、定義、使用工具,範本等供參考。


             網站介面:提供各式視覺畫圖表說明

例如:熱圖Heatmap,詳細說明定義及使用情境等。


        資料來源:The Data Visualisation Catalogue網站




  🔅阿貝拉的圖表類型
Andrew Abela是美國天主教大學教務長暨錢商學院院長,將常見的不同圖表歸納出四種目的:比較(Comparison), 分佈(Distribution), 組成(Composition)及關係(Relationship)。依自己的目的做選擇,藉由了解圖表分類及類型,廣泛的收集範例,整理成筆記,並大量瀏覽視覺化網站,幫助自己快入進入視覺化世界,再依需求畫出適合自己主題的圖來。






  🔅常見圖表依原始資料繪圖

用於視覺化原始資料的屬性值,值觀呈現資料特徵,代表圖形如下
-資料軌跡
        為單變數的資料呈現方式,呈現XY軸關係,常見股票隨時間的價格走勢。
         資料來源:奇摩股市截圖

    -柱狀圖/長條圖(bar chart)

        採長方形的形狀和顏色編碼資料的屬性,每根直柱內部也可用像素編碼,也稱推疊圖(stacked graph),可用在多變數和高維資料的視覺化上。
適用不連續資料,每一條長條之間沒有什麼連續、順序性。
長條圖python作法
         
 -直方圖(histogram)
            針對資料裡的某個資料屬性的頻率統計,是
     續資料,對於單變數的資料,如身高或體重,
     設定值的範圍對應到橫軸,分割成多個子區間,
     每個資區間用長方形表示,高度為子區間的資料
     個數。可呈現資料的分布、離群值等。

      如何區別直方圖與長條圖(或稱柱狀圖)??
      直方圖的各部分之和等於單位整體,長條間
      一起。
     長條圖各部分之和無限制,長條間沒有連在一起。




      
  雙直方圖,比較兩個資料集的方法,將兩個資料沿橫      軸對稱呈現。
  如,back-to-back Histograms (for each sex)
       資料來源:The Data Visualisation Catalogue網站


    -圓形圖/圓餅圖(pie chart)
        用餅乾隱喻,用圓形方式呈現各份量在整體中的             比例。
  
-散佈圖(scatter plot):
表示二維資料的方式,以點的形式出現在笛卡爾坐標顯示中,每個點所對應的橫垂直座標,Y軸為垂直軸表示現象測量值,X軸為水平軸表示可能有關的原因因素,點為該維度的屬性值大小。
方便找出XY是否存在正負相關、線性相關、U字形U-shaped),也可看出異常值或極端值outliers)
         如果你是籃球迷,假定某支球隊得分與某對手得      分的關係圖。
     資料來源:

 以下是進階版的動態散佈圖,運用SAS預測美國大   學籃球隊哪些球隊將參加NCAA錦標賽  (他們稱為 Dance Card 舞蹈卡),從2002年至 2013年的表現。
  資料來源:

          http://robslink.com/SAS/democd46/ncaa_basketball_dancecard.htm

   -熱圖(heat map):
    用顏色表得位置相關的二維數值資料大小,常    以矩陣或方格呈現,或在地圖上按位置關係排列。




世界銀行的報告,定義的極端貧困為生活在每天1.90美元以下的國家人口比例。以下為全球情況,台灣在地圖上呈現灰色,表示無此問題。
  資料來源:

  https://howmuch.net/articles/people-living-in-extremepoverty-2018

  


視覺化首要目的是要準確的展示和傳達資料所包含的訊息,藉由了解目的和使用者的需求與預期後,將資料做直觀且清晰的呈現,若能藉由容易理解請簡單的圖表方式達成目的是最好不過的了。


留言

這個網誌中的熱門文章

如何快速註冊統合分析題目~以PROSPERO為例

初步檢索心中的愛 當心目中有一個理想題目時,為避免地球上另一個人也同時跟你想的一樣,而且還比我們早發表,若等我們發表時才發現,當下一定很扼腕,有了註冊系統除了幫自己先占好位子,也可以同時確認這個題目是否已經有人正在做了,不用浪費時間投注在上面。很多人其實不曉得實際上到底要如何註冊,以下一起註冊吧。 什麼是 PROSPERO??   PROSPERO (International prospective register of systematic reviews) 是一個國際前瞻性系統性文獻回顧評價系統,由美國國立衛生研究院 NIHR ( National Institute for Health Research )資助,由英國約克大學 CRD(Centre of Reviews and Dissemination) 創立,針對將已完成的評價或正進行中的計畫做紀錄。 目的:避免重複並減少報告偏見的機會,增加透明性。                 步驟流程 Step 1 :檢索主題 先確認其他人是否對這主題感興趣,有人捷足先登了嗎 ?? 也可以確認目前流行的趨勢是哪類型的研究等。 Step 2 :註冊帳號 ID 先到 PROSPERO 官網 ,填寫基本資料後註冊 ID 。 Step 3 :點選註冊文獻 review 要需先有帳號後才能註冊題目,進入頁面後依指示一步一步操作。 以下是網頁步驟,依研究對象是人群還是動物選擇按鈕點選,一般我們都是人群研究,選紫色。同時須確認以下五步驟是否都經過檢驗了。 第 1 步 檢查納入標準。 第 2 步 確保您的 protocol 處於(接近)最終形式。 第 3 步 搜尋 PROSPERO ,以確保評論尚未被註冊。 第 4 步 搜尋 PROSPERO ,以確保您沒有不必要地重複由另一個團隊進行的審核或先前已註冊的審核 第 5 步 開始註冊 Step 4 :點選相關事前準備工作進度。 這裡有一系列問題須皆回答完,才能進行下一步...

python與SAS資料處理-歸人與排除重複

  歸人顧名思義就是將一個人多筆的資料整合,每人只留下 1 筆。   通常取得的資料都是原始資料,並未經過整理。例如手上有疑份顧客購物紀錄,裡面有每個顧客在這 1 年內的每筆消費紀錄,這是一份以每次消費紀錄為 1 筆的紀錄形式,所以一個人可以有多筆的消費紀錄。當我們想要知道這些消費紀錄源自於多少顧客的購買時,這時候就需要用到歸人的概念,將資料轉換為每一個人只有 1 筆資料的紀錄形式 ( 如下圖所示 ) 。 以 SAS 進行資料歸人 歸人留 1 筆消費紀錄 proc sort data =cost; by ID time; run ; /* 在規筆前依照 ID 跟消費日期做排序 */ data cost_1; set cost; by ID; if first.id; run ;   /* 保留第一筆資料 */   之前已經有針對 proc sort 的排序語法進行說明,有需要可參考這篇 文章 , SAS 排序的設定值為升冪,也就是說每個人都會從最早那次的紀錄開始往後排序,所以用 first.id 就可以留下每個人最早那次的消費紀錄。 這邊也可以用排除重複的概念保留 1 筆資料 proc sort data =cost out =cost_2 nodupkey ; BY ID; run ; 利用 nodupkey ,將 ID 重複的資料刪除,僅保留每個 ID 第一次出現的該筆紀錄。   歸人累計所有消費金額 proc sort data =cost; by ID time; run ; data cost_1; set cost; by ID; if first.id then count= 0 ;/* 每個人第一筆資料都令 count=0*/ count+NT;/* 同 ID 累計 NT 數值 */ if last.id; run ;   除了要歸人以外,還要累計每個仁所有的消費金額,所以這邊就會創建一個 count 欄位,每一個人的第一筆 ID 令 count=0 ,在同樣 ID 時累加 NT 的數值,最後每個人保留最後一筆 ID ,也就是最後累計的總額。 以 Python 進行資料歸人...

python與SAS資料處理入門--資料匯入匯出

為什麼要學程式語言,不能用 excel 做大型資料的處理 不建議使用 excel 做大型資料處理的原因有 2 點, (1)excel 行列的限制, 2003 年以前的版本,最大資料列筆數為 65,536 行、欄位數最多為 256 列, 2007 之後的版本雖然行列都有擴展,最大資料列筆數可達到 1,048,576, 行、欄位數最多為 16,384 列,但對於現在隨便動輒幾億筆的資料來說,這真的不算什麼,因此實務上可能會遇到一份資料得分成好幾個 sheet 儲存的情況。 (2) 資料量太大,可能會遇到 excel 執行上耗時的問題。 對於即將跨入大數據的人而言, SPSS 雖然也是個不錯的選項,具有操作簡單之優勢,短期內可快速掌握,但也因介面以選單式操作為主,使用彈性相對受限,此外對於大數據處理效率也較差,如果 未來工作上需經常面對大數據 ( 例如 : 醫學資料庫、商業資料庫 ) ,建議可以直接選擇學習 SAS 、 R 或是 Python 。 以下就挑選 SAS( 付費軟體 ) 以及近年很熱門的 Python( 開源軟體 ) ,從基本的資料匯入、匯出開始介紹起。不論 SAS 或是 Python 皆可以匯入許多不同類型的檔案格式,本文就挑選幾個可能比較常接觸到的類型做說明。 以 SAS 進行操作 介面 執行 SAS 會經常使用到的視窗有幾個部分,以下簡述其用途 : (1) 編輯器:指令輸入,未來相關語法的編輯都在該視窗完成。 (2) 日誌:顯示指令執行結果,如果有程式上的執行錯誤,皆顯示於該視窗。 (3) 結果:分析結果的索引,方便使用者管理結果的部分。 (4) 檔案總管:資料集的管理,可於此處點選瀏覽資料內容。 資料匯入 (proc import) ²      Excel 檔案匯入 proc import datafile = "c:\test.xlsx" /* 資料匯入的路徑 */ out =test  /* 資料匯入後的名稱 */ dbms =xlsx replace; /* 輸入檔案的類型 */ sheet = " Sheet" ; /* 選擇讀取的工作表 */ getnames =YES; /* 第一...