传统图的 8 种优雅替代方案

8 Elegant Alternatives to Traditional Plots

散点图（scatter plot）、柱状图（bar chart）、折线图（line plot）、箱线图（box plot）和热力图是数据可视化（data visualization）中最常用的图。虽然它们简单且几乎人尽皆知，但我认为它们并不是覆盖所有可能场景的正确选择。相反，许多其他图源自这些标准图，如果使用得当，它们可能更合适。在本章中，让我们讨论这些流行图的一些替代方案。我们还将了解它们在哪些特定情况下比标准图更有用。本章并非要贬低标准图的用处，而是要强调在特定场景中其他图可能更合适。事实上，目的是突出在哪些具体场景中哪种图更胜一筹。

传统的热力图使用颜色刻度来表示数值。然而，将单元格颜色映射到精确数字仍然具有挑战性。在这种情况下，为热力图嵌入一个尺寸分量会非常有帮助。本质上，尺寸越大，绝对值越高。

这对于让热力图更简洁特别有用，因为许多接近零的值会立即收缩。

为了可视化数值随时间的变化，折线图（或柱状图）并不总是一个合适的选择。这是因为折线图（或柱状图）描绘的是图表中的实际值。因此，很难直观地估计增量变化的规模和方向。

相反，你可以使用瀑布图。它优雅地描绘了这些滚动差异，如这张图所示。这里，起始值和最终值由第一根和最后一根柱子表示。

此外，连续的变化会自动进行颜色编码，使其更容易解读。

当可视化多个类别随时间变化的排名变化时，使用柱状图可能并不合适。这是因为柱状图在类别较多时很快就会变得杂乱。相反，可以尝试凹凸图（Bump Chart）。它们专门用于可视化不同项目随时间的排名。

比较上面的柱状图和凹凸图，用凹凸图而不是柱状图来解读排名变化要容易得多。

使用箱线图（box plot）和直方图（histogram）来可视化数据分布有时会产生误导。这是因为：

• 完全不同的数据可能得到相同的箱线图。
• 改变箱子的数量会改变直方图的形状。

因此，为了避免误导性的结论，始终建议尽可能精确地绘制数据分布。雨云图（Raincloud plot）提供了一种简洁的方式，将三种不同类型的图组合并可视化在一起。这些包括：

• 用于数据统计的箱线图。
• 用于数据概览的条形散点图（strip plot）。
• 用于数据概率分布的 KDE 图。

使用雨云图，你可以：

• 组合多种图以防止错误/误导性的结论
• 减少杂乱并增强清晰度
• 改善组间的比较
• 通过单个图捕捉数据的不同方面

当有数千个数据点时，散点图可能会变得过于密集而难以解读。相反，你可以用六边形分箱图（Hexbin plot）来替代它们。六边形分箱图将图表区域划分为六边形区域。每个区域根据所使用的聚合方法（例如点的数量）被分配一种颜色强度。

另一种选择是密度图，它说明了点在二维空间中的分布。

等高线是通过连接等密度的点来创建的。换言之，一条等高线 depicts 相同密度的数据点。

如上所述，随着类别数量的增加，柱状图很快就会变得混乱和拥挤。在这种情况下，气泡图通常是更好的替代方案。它们类似于散点图，但：

• 具有一个分类坐标轴
• 和一个连续坐标轴

如上图所示：

• 柱状图很难解读，因为它在狭小的空间里塞了太多柱子，
• 但用尺寸编码的气泡使可视化随时间的变化变得非常容易。

在这种情况下，柱状图的另一种替代方案是点图。

点图和气泡图都基于这样一个理念：有时，当我们有一个包含许多柱子的柱状图时，我们通常并不关注单根柱子的长度。相反，我们主要考虑表示总值的各个端点。这些图恰好帮助我们描绘这一点，同时也消除了几乎无用的长柱子。