提到数据分析，就一定会有数据可视化。因为字不如表，表不如图，图像可以更加直观清晰的表达数值所无法表达的含义。可视化是数据分析的核心理念，我们往往会追求图表尽可能的具有美感，但是具有美感的图表不一定是有用的图表，两者之间不能划等号。
数据可视化的目的是让数据更高效，让读者快速了解而非只是自己使用才是我们最终的目标。在突出数据背后的规律，突出重要因素的前提下我们再进行美观上的优化才是正确的选择。
图表的基础概念
维度：描述分析的角度和属性，分类数据。时间，地理位置，产品类型等
度量：具体的参考数值，数值数据。元，销量，销售金额等
图表类型与应用
散点图
主要解释数据之间的规律
维度：0+
度量：2
图1
气泡图（变种的散点图1）
气泡图是散点图的变种，引入了第三个度量作为气泡的大小
维度：1+
度量：3
图2
单轴散点图（变种的散点图2）
维度作Y轴，更倾向于洞察数据在不同类别下的数据规律
维度：1+
度量：2
图3
折线图
用来观察数据随时间变化的趋势（维度不易过多，否则会容易造成混乱和复杂）
维度：1+
度量：1+
图4
面积图（变种的折线图）
注重数据类别之间随着时间趋势的变化关系
图5
柱形图
展现类别之间的关系
维度：2
度量：1+
图6
直方图（柱形图的变种）
统计型柱形图
维度：0
度量：1
图7
其他柱形图：正负比例柱形图，翻转比例柱形图，堆积柱形图，百分比堆积柱形图，瀑布图等
饼图
数据分析一般用不到
维度：1
度量：1
图8
漏斗图
对转化过程的直观展示，转化步骤不宜超过七个
维度：1
度量：1
图9
雷达图
个体的数据和属性的可视化方案，比较偏描述性的数据
维度：1+
度量：1+
图10
树形图
数据量较大，类别较多的数据分析时经常使用
维度：1+
度量：1
图11
桑基图
揭示数据复杂变化趋势，可以一对多或者多对一
维度：2
度量：1
图12
热力图
可以体现数据在空间上的变化规律
维度：1
度量：1
图13
关系图
展现不同类别之间的数据关系
维度：2
度量：0+
图14
箱线图
研究观察和对比数据分布
维度：1+
度量：1
图15
标靶图
用于衡量业务销售完成情况
维度：1+
度量：2
图16
词云图
直观大气展现大数据的最优先图表之一
维度：1
度量：0
图17
地理图
用于展现数据和空间之间的关系
维度：1
度量：1
图18
以上是数据可视化图表的初步学习，感谢浏览。