数据分析思维与可视化：这篇文章把数据讲透了 五

数据分析思维与可视化：这篇文章把数据讲透了 五虽然，间距不一，但不难发现，业内几乎没有分类间距>条形宽度本身的。麦肯锡条形图的分类间距一般设置为本身宽度的20%-50%；而经济学人的分类间距则为50%-80%，保洁等大型公司的报表中也呈现10%-30%不等。如下所示，是经济学人一篇文章中的散点图和条形图。一般来说，人们看条形图比较想要获取的是头部项类对比讯息，没有人会特别注意尾部项类的占比和对比。所以为了迎合人们的阅读习惯，我们需要按照从大到小、从高到低、从好到差的默认条形图排序实现绘制。当然，遵循其他特定的逻辑排序也是可取的。例如，某公司对比业内竞争者市场占比时，特意按照进入市场的时间长短进行条形图排序。如下所示，是按照品牌逻辑对条形图进行展示。（2）条形图间隔<条形图本身宽度

c.尽量避免使用立体饼图，除非你真的有信心避免视觉错觉。

如下图所示，从受众的角度看这张立体饼图，是不是很难分清楚两个占比最小的扇形究竟谁大谁小？而如果我们采用“俯视”的视角看这张饼图，就会好区分很多！

2. 项类对比

首先，我们需要明确项类对比的含义是什么，以及它指的对比维度是什么？一般来说，常见的维度对比无外乎数据大小、占比这两类。而就图表类型而言，项类对比最常用图表类型为条形图，下面我们来谈一谈条形图使用的原则。

（1）符合尝试的默认排序（从大到小、从高到低、从好到差） 除非你需要遵循其他逻辑排序

一般来说，人们看条形图比较想要获取的是头部项类对比讯息，没有人会特别注意尾部项类的占比和对比。所以为了迎合人们的阅读习惯，我们需要按照从大到小、从高到低、从好到差的默认条形图排序实现绘制。

当然，遵循其他特定的逻辑排序也是可取的。例如，某公司对比业内竞争者市场占比时，特意按照进入市场的时间长短进行条形图排序。如下所示，是按照品牌逻辑对条形图进行展示。

（2）条形图间隔<条形图本身宽度

麦肯锡条形图的分类间距一般设置为本身宽度的20%-50%；而经济学人的分类间距则为50%-80%，保洁等大型公司的报表中也呈现10%-30%不等。如下所示，是经济学人一篇文章中的散点图和条形图。

虽然，间距不一，但不难发现，业内几乎没有分类间距>条形宽度本身的。

3. 时间序列、频率分布

时间序列，顾名思义，就是一条时间线下数据类别、变量的变化；而频率分布可能会稍微难懂一点，但我相信看到下面这个例子，你就不陌生了！

相信大家大学上《概率论》的时候，都看过这个函数！概率密度函数，没错，他就表示了频率分布!