1、数据可视化概述
1.1、数据可视化的作用
数据可视化是指将数据通过图表的方式传递出来，让用户能够快速、准确地理解所要表达的信息，从而提高沟通效率
传递更多的信息
形象生动，便于理解
随着大数据行业的发展，用户对数据可视化的要求越来越高，好的可视化能力能够使用户更快的理解所要表达的内容，更加形象生动。所谓“字不如表，表不如图”，图表的重要性可见一斑，在统计分析产品、用户画像等数据产品上，都需要具备优秀的数据可视化能力。现在常见的如“一图看懂XXX”等，都是用图表来传递信息，是典型的数据可视化成果。
1.2、图表的分类
根据各类图表的功能作用，用户可以选择不同的图表来准确、恰当的传递信息。常见的图表使用指南如下图（来自网络），基本罗列出了结合具体需求你可以用到图表。
结合笔者自身数据可视化的经验，笔者会根据图表的功能来对其进行分类，但是分类结果跟上图有一定差别。按照图表表达的功能，主要可以分为五类图表：
1）趋势类图表：
2）对比类图表：
3）构成类图表：
4）分布类图表：
5）地图类图表
组合图表是现实中使用得更多的
1.3、常用图表
如上所述，图表主要分为五类，常用的图表包括柱状图、折线图、饼图、散点图、雷达图等，以下为一些常见的图表。
1.3.1、柱状图
柱状图中还包括与其类似的条形图、瀑布图、直方图等，主要是为了反映事物的变化趋势、分布情况、规模情况等。
柱状图可以按照时间绘制，反映事物变化趋势，如某个指标最近一年变化趋势，也可以按照其它维度绘制，如区域、机型、版本等，反映事物的分布情况。
条形图是将柱状图垂直放置，整体跟柱状图差不多，但是换了一个视角。
瀑布图能够反映事物从开始到结束经历了什么过程，用于分解问题原因或事物构成因素特别好用，如上月收入是怎么变成本月收入的，就可以通过瀑布图分解每一个收入组成部分所做的贡献，找出哪一组成部分提升了收入，哪一组成部分降低了收入（excel2016版新增瀑布图，当然也可以通过自己构造数据绘制瀑布图）。
直方图反映事物的分布情况，可以看出事物主要集中在哪里，如查看付费用户付费金额分布等。
1.3.2、折线图
折线图是点和线连在一起的图表，可以反映事物发展趋势和分布情况，与柱状图相比，更适合代表增幅、增长值，而不太适合代表绝对值。
面积图就是在折线图下加上阴影面积，也主要是为了反映事物发展趋势和分布情况。
1.3.3、饼图
饼图是将一个圆饼分为几份，用来反映事物的构成情况，类似图表还包括环图、旭日图等。旭日图有多个圆环，可以直观的显示事物组成部分下一层次的构成情况，比如某个省分为几个市，每个市下面又有几个县、每个县下面又有几个镇，就是将事物层层分解（excel2016版新增旭日图，感觉很实用）。
1.3.4、散点图
散点图是事物两个维度的交叉分布情况，反映不同维度间的关系，如不同产品在市场占有率、预期增长率两个维度间的分布情况，很多二维矩阵就是通过散点图来实现的，以两个维度的平均值作为分割线，如常见的波士顿矩阵。通过散点图我们可以看出不同事物间是怎么交叉分布的，它们之间有什么关系，是正相关、负相关或随机分布。
类似的图表还有气泡图，气泡图还可以通过气泡面积的大小表示值的大小，相对于散点图来说多了一个维度，如前面不同产品的例子，气泡的大小可以代表各产品营收的多少。
1.3.5、雷达图
雷达图主要表达事物在各个维度上的分布情况，从而可以看出事物在什么地方强、什么地方弱。比如一个学生各个学科的得分，就可以通过雷达图清晰表达出来，用户能够一眼看出这个学生哪一科强、哪一科弱，又如一个产品在各个评价维度上的评分。
1.3.6、地图
地图可以形象的反映事物在地理上的分布情况以及人员迁徙情况，主要包括地理分布图（全球、全国、各省市等）、迁徙图、热力地图（省市、街道等）等。全国、各省市地图可以通过SAS、R、Python等实现，后面的迁徙图可以通过Echart实现，或通过Remap包调用。
1.3.7、树状图
树状图主要是为了反映事物的构成情况，相对于饼图的优点是，树状图可以更清晰的显示更多组成部分，比如饼图可能组成部分多于8个就显得很挤，而且占比小的就很不清晰，但是树状图却不会，它能够充分利用区域面积（excel2016版新增树状图，当然也可以通过echart实现）。
1.3.8、漏斗图
漏斗图主要用来反映关键流程各个环节转化情况，让用户能够一眼看清整个流程转化情况，如常见的电商购物转化流程，从浏览商品-添加进购物车-生成订单-支付订单-交易完成等一连串购买流程。下面是手游的转化漏斗图，通过分析各个步骤的转化率，能够发现问题所在，找准改进方向。
1.3.9、词云图
词云图是为了描述事物的主要特征，如一个人主要特征是什么，高、帅、富，或者其它，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。同时，还有象形的词云图，如轮廓是一个人、一只鸟等，用以反映事物主题，从而更加形象生动。词云可以通过Python、R实现，最好使用一些在线词云工具，简单方便，如tagxedo、tagul等。
1.3.10、热力图
热力图主要是反映地理、点击热力分布情况，从而看出哪里是人群最多的地方、哪里是用户点击最多的地方等，可以反映用户出行习惯、使用习惯等。
1.3.11、组合图表
绝大多数图表都不是单独存在的，都是多类型的图表组合在一起的，这样才能够传递更多的信息，提供综合的视角。如我们想看到不同事物间的对比，则我们可以使用双柱图、双折线图、双雷达图、双环图等，可以清晰表达不同事物在不同维度上的对比情况。
如果我们想表达事物的绝对值和增长率，则我们可以使用柱状图、折线图的组合图形， 如果我们想要表达某个事物的构成，不能看到不同维度间的对比，则可以使用堆积柱状图。
有时候我们不想自己的图表只是单调柱图，可能想更生动些，这时就可以用到象形图，图表内容不再是单调的柱图，而是其它图形。excel里面也能实现象形图，先准备好想要的图形，然后点击柱状图中的柱，然后复制，这样图形就会复制到柱状图中，柱子用其它图形替代掉了，但是这时会发现图形被拉升的变形了，这时需要设置填充，选择“层叠”，然后象形图就好了。
1.3.12、其它图表
当然除了这些场景图表外，还有股价图、曲面图、箱形图、桑基图、仪表盘、象形图（用形象的图形来表示多少，excel也可以做）等。
1.4、新颖图表
以下为一些比较新颖的图表。
1.5、图表配色
突出主题让人看着舒服
图表配色的原则主要有：
图表配色不能太花
图表配色要重点突出
2、数据可视化工具
Excel、SAS、Python、R、Echart
2.1、Excel
Excel应该是使用最广泛的可视化工具，包含基本所有常用的图表，新版Excel里面有地图、旭日图、瀑布图等，同时，可以搭配Power BI使用，后者是一个“托拉拽”式的数据可视化工具。
2.2、SAS
SAS系统中通过SAS Graph模块实现，图表可视化的过程步有proc plot、proc chart、proc gplot、proc gchart、proc sgplot、proc gmap。其中，proc sgplot是很强大的综合数据可视化过程，基本能够绘制所有的基本图表，proc sgplot主要用于绘制地图。
2.3、Python
Python里面能够支持数据可视化的第三方包有很多，笔者主要使用matplotlib，它基本能够绘制所有的基本图表。另外，wordcloud包可以用来绘制词云，pyHeatMap包可以用户绘制热力图。
2.4、R
Python里面能够支持数据可视化的第三方包也有很多，笔者主要使用ggplot、ggplot2，这两个包基本能够绘制所有的基本图表。另外，wordcloud包可以用来绘制词云，Remap包可以用来调用Echart绘制迁徙图、热力图等。
2.5、Echart
Echart中的图表丰富多样，都有相应的js代码，通过修修改改就可以画出自己想要的图表，还开发了一些Python、R接口，可以通过第三方包调用部分图表。