前面几篇文档，我们已经学习了时序型数据、对比型数据、对比型数据、分布型数据、区间型数据、关系型数据、地理型数据的可视化方式，这次，我们针对几种常见的图表，根据不同数据集以及可视化的目的，对比相似图表的差别和适用的数据集，从而总结出根据可视化目的、数据集特征，去选择图表类型的一般套路。
1.柱状图vs条形图
1.1可视化目标
首先明确可视化的目的是要展示什么，比如：展示销售额TOP5的产品二级大类？
1.2数据集
其次准备所需要的数据集（这里需要汇总各类的销售额）：
销售额产品二级子类别110071.02办公机器84453.586电话通信产品 68514.348桌子 42704.19容器，箱子24924.98椅子 1.3图形可视化对比
条形图vs柱状图
销售额TOP5的产品二级大类
这里的柱状图和条形图可以互换。
1.4总结
（1）相同点：
两者数据结构相同，都是类别加上对应的离散数值；当数据的记录数不大于12条，分类字段的字符长度小于5时，此时柱状图和条形图可以互换。（2）不同点：
柱状图：如果分类的类目，恰好是时间序列，此时建议使用柱状图，因为柱状图能更好地体现数据随时间的变化情况；条形图：当分类的类名长度大于5时，用条形图能更加美观地显示。2.柱状图vs直方图
2.1可视化目标
明确可视化目标，需要展示什么东西。
展示订单中，不同产品一级类别的商品销售数量；已知商品定价范围在[1.68，3511.68]之间，现需展示订单数据中商品的价格分布，要求每10元作为一个区间。2.2数据集
整理出来可视化展示所需的数据集：
数据集1：
产品一级类别商品数量办公用品4188技术产品1817家具产品1531数据集2：
单价区间商品数量1.68-11.68304311.68-21.68100221.68-31.6848531.68-41.6848141.68-51.6822451.68-61.6814661.68-71.6843271.68-81.688481.68-91.686891.68-101.68182101.68-111.68116111.68-121.68116121.68-131.68224131.68-141.6885141.68-151.68112151.68-161.6834171.68-181.6861191.68-201.6884201.68-211.68121211.68-221.6834231.68-241.6829241.68-251.682281.68-291.6813301.68-311.6823341.68-351.683361.68-371.6837371.68-381.6829391.68-401.6845411.68-421.683421.68-431.6837491.68-501.6882501.68-511.6818691.68-701.6819801.68-811.6838891.68-901.68141491.68-1501.6842031.68-2041.6833501.68-3511.6832.3可视化展示
选择合适的图表可视化展示：
2.4总结
（1）相同点：
两者数据结构类似，都为一个类别字段/分组字段+数值字段；都是由柱形条构成。（2）不同点：
两者的分析目的和适用场景不同。柱状图主要是比较不同类别数据的大小，直方图表示数据分布情况；X轴上的数据属性不同，柱状图的为不同分类，直方图为连续的分组数据；宽度代表的实际意义不同。柱状图中柱形条的宽度没有实际意义，一般宽度相同，直方图中柱形条宽度为组距，区间不同的话柱形条宽度也会不同；表示数据大小的方式不同。柱状图，是通过柱形条的高度，来映射数据的大小，且柱子之间有间隔；直方图，是通过高度（频数直方图）或面积（频率直方图）来表示数据的大小，且柱子之间没有间隔。3.堆叠柱状图vs百分比堆叠柱状图
3.1可视化目的
不同年份的商品的销售数量趋势，及其不同年份三种运输方式的数量趋势；不同年份的商品的销售三种运输方式占比趋势。3.2数据准备
数据集1：
不同年份不同运输方式运输的商品数量
年份大卡火车空运20092141299105201028817534192011142138721420123281244143数据集2：
不同年份不同运输方式运输的商品数量占比
年份大卡火车空运200913.23%80.28%6.49%201011.71%71.26%17.03%20118.15%79.58%12.28%201219.13%72.54%8.34%
3.3可视化
不同年份不同运输方式运输的商品数量
3.4总结
（1）相同点：
堆叠柱状图和百分比堆叠柱状图，都适合用来展示分类数据的构成对比或构成随时间的变化趋势；当映射到X轴上的数据为时间序列时，此时可以用堆叠面积图或者百分比堆叠面积图来代替。（2）不同点：
堆叠柱状图既可以对比各构成部分的数值差异，还可以观测各组数据的整体差距，而百分比堆叠柱状图只能对比整体中的各构成部分的占比差异，无法对比不同整体的差异。4.折线图vs面积图
4.1可视化目标
按月份展示商品的销售数量趋势；展示不同月份的三种商品不同运输方式运输的商品数量趋势。4.2数据集
数据集1：
不同月份的商品销售数量
订单日期 (月)商品数量2009年1月1922009年2月642009年3月1312009年4月1832009年5月252009年6月2302009年7月1742009年8月1312009年9月2132009年10月842009年11月712009年12月1202010年1月2552010年2月872010年3月1482010年4月292010年5月1312010年6月2982010年7月3182010年8月3312010年9月1592010年10月1952010年11月1732010年12月3362011年1月752011年2月2122011年3月1242011年4月982011年5月2172011年6月852011年7月2152011年8月992011年9月1402011年10月2952011年11月1412011年12月422012年1月912012年2月1222012年3月1862012年4月2142012年5月952012年6月372012年7月832012年8月932012年9月712012年10月2602012年11月2412012年12月222
数据集2：
订单日期大卡火车空运2009年1月23156132009年2月392142009年3月0111202009年4月18125402009年5月02502009年6月0202282009年7月2614802009年8月013102009年9月021302009年10月127202009年11月07102009年12月962402010年1月6319202010年2月315602010年3月3511302010年4月181102010年5月038932010年6月30229392010年7月151511522010年8月7242822010年9月3381452010年10月019502010年11月4912402010年12月732182011年1月284702011年2月0172402011年3月075492011年4月3338272011年5月0169482011年6月08502011年7月6215302011年8月061382011年9月0128122011年10月1927602011年11月014102011年12月04202012年1月355602012年2月3162292012年3月8210402012年4月021402012年5月052432012年6月03702012年7月053302012年8月09302012年9月07102012年10月6119902012年11月6917202012年12月50131414.3可视化
不同月份的三种商品不同运输方式运输的商品数量趋势：
4.4总结
（1）相同点：
折线图和面积图展示的是数据随时间的变化趋势，因此映射到X轴的数据类型一般为时间/日期；二者均可以展现一个或多个变量和时间的关系，这种关系包括，周期性变化、季节性变化、异常波动等；在大部分情况下，折线图和面积图可以互换。（2）不同点：
折线图是通过数据点的纵坐标来映射数值的大小，一般只用来表示数据的趋势，而面积图用面积映射数值大小，除了可以表示数据趋势，还可以用来表示整体及其构成部分随时间的变化趋势。5.堆叠面积图 VS 百分比堆叠面积图
5.1可视化目标
展示2009到2012年，火车、大卡、空运三种运输方式的运输量趋势；展示2009到2012年，火车、大卡、空运三种运输方式的运输量占比情况；5.2数据集
数据采用3.堆叠柱状图vs百分比堆叠柱状图的数据集。
5.3可视化
堆叠面积图：
百分比堆叠面积图：
5.4总结
（1）相同点：
堆叠面积图和百分比堆叠面积图，映射到X轴的均为时间序列。
两者都可以展示各构成部分随时间的变化趋势，只不过堆叠面积图的是构成部分的实际值随时间的变化趋势，百分比堆叠面积图展示的是构成部分的占比随时间的变化趋势。
（2）不同点：
堆叠面积图除了可以展示各构成部分随时间的变化趋势，还可以展示整体随时间的变化趋势。
百分比堆叠面积图只能展示各构成部分占总体的比例随时间的变化，无法观测总体随时间的变化趋势。此外，从任何一个时间节点纵切下来，各部分占比之和必须为100%，即必须等于该节点的整体。
6.堆叠面积图 VS 堆叠柱状图
6.1可视化目标
展示不同种类的商品用火车、大卡、空运三种运输方式的数量；展示2009到2012年，火车、大卡、空运三种运输方式的运输量趋势。6.2数据集
数据集1：
产品一级类别大卡火车空运办公用品1063452630技术产品2171465135家具产品649766116数据集2：
年份大卡火车空运20092141299105201028817534192011142138721420123281244143
6.3可视化
可视化1：
可视化2：
如5的堆叠面积图显示。
6.4总结
（1）相同点：
两者的数据结构都为分类字段加上多个连续值字段；两者都可以观测某一节点的总体数值和各组成部分的具体数值，都有数据对比的功能。（2）不同点：
堆叠面积图的分类字段，一般是时间序列。当既需要分析整体随时间的变化趋势，又要了解整体的各构成项随时间的变化情况时，应该使用堆叠面积图；堆叠柱状图的分类字段，一般是非时间类型的分类数据。当既要对比不同整体的数据大小，又要观测整体各构成项的数据大小时，应该使用堆叠柱状图。7.散点图vs气泡图
7.1可视化目标
每笔订单的销售额和利润额分布；每笔订单的销售额、利润额和对应的数量；7.2数据准备
数据集1：（显示部分）
销售额利润额顾客姓名12805.255065.51谢国平3610.852235.37许磊明5677.6091680.79徐艳6168.071542赵若男3832.371322.07赵磊华4815.8621316.79赵磊华4158.12351228.89赵伟4359907.67周智宇3077.731745.48周雨生2251.9135655.91张子强2568.71590.77谢若愚1186.06511.69展大鹏1516.13493.03杨子梅6375.28489.02谢中明1435.32485.95郑则强10123.02457.81谢浩谦15897.01455.02谢子扬1041.72437.61谢平安6483.26341.98杨子梅
数据集2：
销售额利润额顾客姓名商品数量12805.255065.51谢国平143610.852235.37许磊明365677.6091680.79徐艳476168.071542赵若男123832.371322.07赵磊华364815.8621316.79赵磊华474158.12351228.89赵伟374359907.67周智宇413077.731745.48周雨生312251.9135655.91张子强412568.71590.77谢若愚431186.06511.69展大鹏421516.13493.03杨子梅226375.28489.02谢中明351435.32485.95郑则强4910123.02457.81谢浩谦4915897.01455.02谢子扬371041.72437.61谢平安296483.26341.98杨子梅29
7.3可视化
每笔订单的销售额和利润额分布情况
每笔订单的销售额、利润额和对应的数量
7.4总结
（1）相同点：
两者都是用来展示数据分布情况；
两者都是将两个字段映射到x,y轴的位置上，(x,y)的取值确定一个圆点或气泡在直角坐标系中的位置。
（2）不同点：
散点图一般是用来展示二维数据(x,y)的分布，侧重于研究二维数据的两个变量x,y之间的相关性，如身高和体重之间的相关关系；
气泡图一般用来展示三维数据（x,y,z）的分布情况，气泡图增加了一个维度的数据展示，且将其数值映射到气泡的大小上。
8.可视化实践
8.1想了解一下全部发货物品的单价的分布情况，每10元作为一个区间？
回答：如上2中直方图展示。
8.2展示销售额TOP5的产品二级大类？
回答：上1中直方图或条形图都是。
8.3按月份展示商品的销售数量趋势？
回答：上4折线图所示。
8.4展示不同年份的商品的销售数量，及其不同年份三种运输方式的数量占比？
回答：上5堆叠面积图所示。
9.总结概括
总之，可视化的实现主要分以下几个步骤：
分析明确可视化的目的；准备实现可视化目的所需要的数据集；选择合适的图表实现。常用图表对比的概括如下：（图片来源为微信公众号：数据科学家联盟）