相同的数据，使用不同的图表进行体现，效果也会千差万别，那么我们应该如何正确选择，才能让图表的作用发挥到极致呢？
Excel中15种图表类型
折线图
折线图用于显示数据在一个连续的时间间隔或者时间跨度上的变化，它的特点是反映事物随时间或有序类别而变化的趋势。
在折线图中，数据是递增还是递减、增减的速率、增减的规律（周期性、螺旋性等）、峰值等特征都可以清晰地反映出来。
分析数据随时间的变化趋势分析多组数据随时间变化的相互作用和相互影响
适合的场景温度变化
不适合的场景：
无序的分类
我们以一个不同游戏类型的销量对比的场景为例，对于表示分类对比的数据时，我们更应该使用柱状图，而不是折线图。
柱状图和条形图
柱状图，使用垂直或水平的柱子显示类别之间的数值比较。其中一个轴表示需要对比的分类维度，另一个轴代表相应的数值。
分类数据
适合的场景：游戏销量的图表，展示不同游戏类型的销量对比。
不适合的场景：某股票在 2015 年 9 月份整个月的每日的价格走势。随着有序的时间变化的数值趋势，更适合使用折线图或者面积图。
饼图广泛地应用在各个领域，用于表示不同分类的占比情况，通过弧度大小来对比各种分类。饼图通过将一个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块（圆弧）表示该分类占总体的比例大小，所有区块（圆弧）的加和等于 100%。
饼图可以很好地帮助用户快速了解数据的占比分配。
它的主要缺点是：
饼图不适用于多分类的数据，原则上一张饼图不可多于 9 个分类，因为随着分类的增多，每个切片就会变小，最后导致大小区分不明显，每个切片看上去都差不多大小，这样对于数据的对比是没有什么意义的。所以饼图不适合用于数据量大且分类很多的场景。
相比于具备同样功能的其他图表（比如百分比柱状图、环图），饼图需要占据更大的画布空间。
很难进行多个饼图之间的数值比较。
尽管如此，在一张饼图上比较一个数据系列上各个分类的大小占比还是很方便高效的。
适合的场景：某班级的男女性别比例。
不适合的场景：各省份人口占比，因为这张图上包含的分类过多，就出现了简介中提到的问题，很难清晰对比各个省份的人口数据占比情况，所以这种情况下，我们推荐使用横向柱状图。
将折线图中折线与自变量坐标轴之间的区域使用颜色或者纹理填充趋势信息观察不同序列之间的重叠关系
趋势和关系
适合的场景：某公司在 Florida、Texas、Nevada三个城市 1996 年 至 2015 年的收益情况，通过垂直坐标轴的正负方向很形象地表现了公司的盈利亏损情况。
不适合的场景：不同分类之间的数值比较，下图是不同游戏类型的销售情况。
XY散点图
一组或多组变量间的相互关系
散点图通常用于显示和比较数值，当在不考虑时间的情况下，比较大量数据点时，可以使用散点图，散点图中包含的数据越多，比较的效果就越好。
适合的场景：
表现跨区域数据的最佳方式
以气泡地图为例，气泡地图其实就是气泡图和地图的结合，我们以地图为背景，在上面绘制气泡。我们将圆（这里我们叫它气泡）展示在一个指定的地理区域内，气泡的面积代表了这个数据的大小。
比较带地理信息的数据的大小
适合的场景：
不适合的场景：
如图所示:
1. 最上方的一条细线称为上影线，中间的一条粗线为实体，下面的一条细线为下影线。
2. 当收盘价高于开盘价，也就是股价走势呈上升趋势时，我们称这种情况下的 K 线为阳线，中部的实体以空白或红色表示。反之称为阴线用黑色实体或绿色表示。
3. 上影线的长度表示最高价和收盘价之间的价差，实体的长短代表收盘价与开盘价之间的价差，下影线的长度则代表开盘价和最低价之间的差距。
适合场景：下图展示了“湖南天雁”股票 2015 年 1 月 5 日至 2015 年 11 月 19 日的日 K 线图。
曲面图
曲面图实际上是折线图和面积图的另一种形式，其有3个轴，分别代表分类、系列和数值由面图通过跨两维(分类和系列)的曲面图形来表示数据的变化趋势，曲面图形的颜色与图等表其取值范围。
适合场景表示某个海拔高度范围
表现多维（4维以上）数据的图表
雷达图的主要缺点是：
多边形过多会使可读性下降
变量过多，也会造成可读性下降
树状图
层次结构可视化的图表结构
有效了解磁盘空间使用情况的方法具有层级关系的数据
矩形树图的好处在于，相比起传统的树形结构图，矩形树图能更有效地利用空间，并且拥有展示占比的功能。矩形树图的缺点在于，当分类占比太小的时候文本会变得很难排布。相比起分叉树图，矩形树图的树形数据结构表达得不够直观、明确。
适合场景：下图是2015年手机品牌及其下属手机型号的销量信息。
不适合场景：没有权重关系，且需要明显展示层级关系，用分叉树图更合适。
旭日图
表达清晰的层级和归属关系
适合场景：如下图运用旭日图展现各国的获奖数据，旭日图能便于细分溯源分析数据，通过分层占比情况真正了解数据的具体构成。
直方图
直方图，形状类似柱状图却有着与柱状图完全不同的含义。直方图牵涉统计学的概念，首先要对数据进行分组，然后统计每个分组内数据元的数量。
在平面直角坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数，称这样的统计图为频数分布直方图。频数分布直方图需要经过频数乘以组距的计算过程才能得出每个分组的数量，同一个直方图的组距是一个固定不变的值，所以如果直接用纵轴表示数量，每个矩形的高代表对应的数据元数量，既能保持分布状态不变，又能直观的看出每个分组的数量。
适合场景：下图绘制了钻石的全深比数据的统计直方图，从图中可以看出在66附近有两个孤立值。
不适合的场景：抽取的样本数量过小，将会产生较大误差，可信度低，也就失去了统计的意义。因此，样本数不应少于 50 个。
箱形图
连续变量会如何随着分类变量水平的变化而变化最大值、最小值、中位数、下四分位数及上四分位数异常值
箱形图多用于数值统计，虽然相比于直方图和密度曲线较原始简单，但是它不需要占据过多的画布空间，空间利用率高，非常适用于比较多组数据的分布情况。
适合的场景：
瀑布图
有助于理解依次引入正值或负值的累积效应
了解初始值如何受到一系列中间正值或负值的影响
适合的场景：
漏斗图
适用于业务流程比较规范、周期长、环节多的单流程单向分析有逻辑上的顺序关系，表现了随着业务流程的推进业务目标完成的情况。
梯形边的斜率表现了当前环节的减小率
通过给不同的环节标以不同的颜色，可以帮助用户更好地区分各个环节之间的差异。漏斗图的所有环节的流量都应该使用同一个度量。
适合场景流程流量分析
不适合的场景：不适合表示无逻辑顺序的分类对比
下图是一个游戏销量的图表，展示不同游戏类型的销量对比，用柱状图合适，用漏斗图不合适。
以上就是今天分享的全部内容，我们下期见！