成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

7種最常見的數據可視化錯誤

大數據
在數據可視化領域,正如同在其它領域一樣,都有一定的規則、最佳實踐、指導方針,然后就是常識。與我們的認識恰恰相反的是,常識是往往被忽略的,這一點我們會在下面的例子中看到。

在數據可視化領域,正如同在其它領域一樣,都有一定的規則、***實踐、指導方針,然后就是常識。與我們的認識恰恰相反的是,常識是往往被忽略的,這一點我們會在下面的例子中看到。

就讓我們從一些最常見的錯誤開始吧!

不要把數字加起來

當你畫一個餅圖、堆疊柱形圖或是堆疊面積圖時,所有數字的總和加起來應該是100。聽上去似乎這種愚蠢的錯誤根本沒必要指出,但你會因為人們多次犯這樣的錯誤而感到驚訝。請看來自福克斯新聞的這一圖片:

數據可視化


你能看出有什么問題嗎?這三個扇形的數字加起來不是100%而是193%。在該調查中,很可能是允許一人投好幾票的,因此餅圖很明顯不是能夠體現這一數據的正確選擇。

另外,如果你不讀這些數字,只是觀察餅圖的大小,你會有這樣一個印象:每位候選人得到的支持都將近三分之一。這又是一個錯誤的結論。

為了避免這樣的錯誤,請仔細檢查你的數字并且確保自己使用了標準的工具。這些工具不會讓你做出像這樣的錯誤的餅圖。

不遵守慣例

就像餅圖的各部分加起來應該是100,一個曲線圖的曲線向右上移動表示數字的增長。因此,當你看到這個圖表時你認為從2005年到2012年發生了什么?

數據可視化


一般的慣例會讓你認為弗羅里達死于槍擊的人數在2005到2012年間有所下降。但當你仔細觀察時你會意識到Y軸是顛倒的。零值在頂部而***值在底部,這違背了通常隨著曲線的上升值變大的慣例。

你不需要什么特別的東西去避免這些錯誤。我們已經看了足夠的圖表,從而對什么是標準有一個大體的概念。只有這樣做,你才不會出錯。也許在某些情況下你需要違反約定,但這將是一個例外,而不是規則。
裁切不當的數據軸

坐標的值是為圖表提供上下文并理解,弄錯坐標直觀上你會得出完全錯誤的圖片。為了更好地理解我的觀點,請觀察以下圖表。

數據可視化

福克斯新聞裁掉了Y軸。現在看來,七百多萬的圖形高度好像是六百萬的三倍。這當然不是這樣的情況。這里是被糾正過的圖表。

數據可視化


這幅圖是不是更好一些?這幅圖以0作為基準線的y軸顯示出的數據,表現出了準確的圖像。

這里有相同錯誤的另外一個例子。

數據可視化


你只要不將y軸弄亂就可以避免這項錯誤。當必須要展示細節的時候,先用一個圖表給出綜合性的消息,然后再第二個圖表中具體闡釋***個圖表的某一方面。

不使用注解

算不上是錯誤,但無疑的是在你每次做圖表時都會有一些小的缺失。有時候,在圖中僅僅可視化是不夠的,你需要在圖表中加入一些描述性的文字或者數字使之變得更有意義。要理解我的觀點,請觀察如下圖表。(使用谷歌圖表制成)

數據可視化

這是一個非常好的圖表,有著準確的標題和坐標軸,但是當你觀察它的時候,你會不停的去想2015年發生了什么。是什么引發了銷售數字的突然下降?

為了回答這個問題,你需要包括附有下降原因的正確注解:

數據可視化

現在這個比之前更好一些了吧?作為了一個讀者,你不僅知道下降已發生了,還知道為什么發生了“下降”。

不正確的氣泡尺寸

氣泡圖對于在二維空間顯示三維數據是非常有用的。不僅有x軸和y軸,而且你可以通過改變氣泡大小描繪第三種數量。

截至目前,我見過制作氣泡圖最普遍的問題就是他們改變氣泡的半徑而不是改變他們的區域來顯示不同的數值。例如,請看這個圖表。

數據可視化

我知道這里存在許多錯誤,但是為了理解剛才提到的這點,請觀察最左邊的氣泡。他們代表的是9.2億美元和18.4億美元。但是這對嗎?大氣泡看上去是小氣泡的四倍。如果你不讀氣泡內的文字,你肯定會產生誤解。

如果你只是改變數據的區域而不是改變其半徑比例的話,你就會很容易就避免這個錯誤。

不完整的數據

根據下面的地圖你能得知這里的哪個公司擁有較多的市場份額嗎?(利用圖表生成器)

數據可視化

僅根據上面的地圖,你一定會認為‘ABC’擁有更高的市場份額。但在這里正確的答案是——‘它是不完整的信息’。原因是:我們肯定知道ABC領先的州的數量比XYZ多,但是我們不知道這兩種產品在每個州的銷售額。

如果ABC是所有小市場的領先者,XYZ是所有大市場的領先者,將會怎樣呢?這樣在這個國家XYZ的銷售額整體上將會很高,即使它領先的州的數量相對較少。所以想要知道誰擁有更大的市場份額,我們需要更多的數據。

難以比較

假設你是一位企業主,你的業務有全球影響力。你想要比較你的公司在不同國家的市場份額,用這個圖表如何?

數據可視化

數據可視化就是要使解讀數據更加簡單而不是困難。但是,上述圖表使得讀者很難去比較。難道你不認為下面的圖表有著更好的效果嗎?

數據可視化


如果在做圖表時你能從讀者的角度思考的話,那么你可以避免一些這樣或者其他類似的錯誤。或者在出版之前努力從你的同事或者朋友那里獲得反饋,問他們該圖表是否能輕易讀懂?是否可以很容易地對比兩個圖表?如有需要也可以使用標簽。上面的餅狀圖沒有使用數據標簽,但是堆疊柱狀圖有清晰的標簽。
資源

數據可視化是一個廣闊的領域,如果你在閱讀這篇文章,那么意味著你想在這方面做得更好。所以,現在你已經知道了一些常見的錯誤,這里有一些可以幫助你提高的資源。

· 獲得良好的基礎:定期關注圖表庫的更新并了解每個表格的制作方法。“制圖基礎知識”和“動態數據”都是一些很好的資源。
· 使用正確的工具:使用正確的工具會使你的任務變得更加容易,因為它們的設計目的就是防止一些小錯誤發生。
· 避免錯誤:你可以犯你自己的錯誤,或者從別人的錯誤中學習。隨時從Junk Charts 和 WTFViz學習保持并更新別人犯的錯誤。

責任編輯:李英杰 來源: 36大數據
相關推薦

2024-07-01 08:51:19

可視化數據分析漏斗

2017-07-18 15:15:57

數據可視化細節層次分析

2017-07-13 09:21:05

大數據數據可視化

2020-03-11 14:39:26

數據可視化地圖可視化地理信息

2016-02-26 10:20:17

HadoopSpark大數據項目

2021-04-26 08:00:00

DevSecOps安全開發

2024-03-25 14:17:52

數據可視化數據驅動

2017-09-12 10:20:00

大數據數據可視化錯誤及方法

2017-10-14 13:54:26

數據可視化數據信息可視化

2019-03-08 08:40:06

物聯網安全物聯網IOT

2018-11-26 18:45:22

數據可視化繪圖可視化

2019-09-12 09:00:32

數據可視化熱圖數據集

2015-10-12 17:17:50

用戶體驗設計錯誤

2023-08-01 16:01:59

可視化Seaborn

2022-10-19 23:18:27

KubernetesPod錯誤

2018-03-15 09:57:00

PythonMatplotlib數據可視化

2022-09-08 16:28:53

Python數據可視化機器學習

2017-02-23 09:42:53

大數據數據可視化技術誤區

2015-08-26 13:49:06

可視化

2015-07-29 10:46:20

Java錯誤
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板: 久久精品亚洲精品国产欧美 | 久久国产精品精品 | 亚洲午夜视频在线观看 | 成人免费区一区二区三区 | 在线观看视频你懂得 | 日韩成人免费视频 | 久久毛片网站 | 影音先锋中文字幕在线观看 | 中文字幕av网站 | 国产日韩欧美在线观看 | 天天操夜夜操免费视频 | 欧美h视频 | 久久久久网站 | 国户精品久久久久久久久久久不卡 | 人人色视频 | 国产一级在线视频 | 视频1区 | 在线播放国产一区二区三区 | 精品国产一区二区三区久久久四川 | 成人一区二区三区在线观看 | 亚洲精品二区 | 一区二区三区四区av | 久久综合一区二区三区 | 久草a√| 一区视频| 久久免费视频在线 | 99国产精品久久久久久久 | 免费成人在线网 | 亚洲一一在线 | 亚洲精品二区 | 亚洲欧美日韩精品久久亚洲区 | 国产精品久久久亚洲 | 国产精品日韩欧美一区二区 | 国产精品毛片一区二区在线看 | 欧美又大粗又爽又黄大片视频 | 一区二区三区四区在线播放 | 久草成人 | 亚洲激情视频在线 | 日本又色又爽又黄又高潮 | 亚洲理论在线观看电影 | 久久综合九色综合欧美狠狠 |