圖表的作用在于對數據的合理的詮釋而不是美觀。所以，在了解圖表怎么繪制前，更重要的是了解圖表是什么，包含哪些類型。下面就做下相應解釋方便大家理解～

 

1.1 圖表是什么

在今天，隨著大數據和數據分析理念深入人心，圖表在 B 端設計的地位越發重要。

那么什么叫圖表呢？

圖表指的是可以直觀展示統計信息屬性和數值的圖形表格，對于多數人來說第一次接觸圖表概念都源自中小學計算機課程中的 Office Excel 表格教學。

 

要理解圖表，你就繞不開 Excel 這個軟件或其功能形式。我們都知道 Excel 是一個表格工具，可以任意填寫表格化的信息內容進去。

但那只是呈現出來的表象，Excel 的真實身份應該是一個數據記錄工具，通過這種表格形式記錄，比如班級學生成績、客戶聯系方式、倉庫進銷記錄等等。每一條記錄下的信息都是一條獨立的 “數據”。

 

盯著表格看，我們確實可以看到一些具體的信息、數據、內容。但是，數據的作用只是讓我們自己去精確定位想要的內容而已？顯然是否定的。

我們統計數據的目的，還包括要從眾多的數據條目中獲得反映真實情況的 “規律”、“趨勢”，如果我們只盯著數據條目一條條的瀏覽，是很難找出這些信息的。

于是，人類就發明了圖表這種可視化工具，幫助我們對數據進行總結，用更直觀的視覺方式來認識數據和找出規律和趨勢，這也是為什么 Excel 是最強大的圖表生產軟件的原因之一。

 

總結：圖表是統計學的子學科，它幫助我們更好的找到數據背后的真相，并做出正確的決定。

 

1.2 圖表的內容構成

圖表既然由數據內容生成，這個生成和轉化的過程當然具備一些基本的規則和條件。要滿足圖表生成的數據必須要包含兩種基礎信息 —— ”維度“ 和 ”數值“。

它們是組成絕大多數圖表的基石，比如看下面的表格，一次體檢中有三個班級的5個同學，他們的身高、體重、體脂率、肌肉含量、視力各不相同。

 

我們可以從中挑選維度和數值，比如姓名做緯度（X軸），體脂率作為數值（Y軸），那么就可以生成基礎柱狀圖表。

 

從上面案例可以知道，橫向緯度表示的是你圖表中要包含多少不同的展示對象，縱向數值則表示你要顯示該維度的哪一類數據。

緯度通常指某個具體的人、日期、事件、分類，通常是 不可量化 的內容。而數值則是指包含 可量化 的數據類型，重點要記得數值是指 “數據類型”，而不是指具體的參數值。

再進一步，上方生成的圖表，雖然直接反映了我們選擇的緯度、數值的情況，但顯然對于不了解數據背景的人來說太簡陋了，不知道它們代表的意義。所以，一個完整的圖表還會包含一些 “解釋” 性元素，來讓觀看者更好的理解圖表內容。

所以，一個完整的圖表中除了中心圖形，還會包含標題、單位、緯度圖例、網格、選中提示等內容，用來提升其閱讀性。

 

以上只是最基礎的示例，不同圖表、內容，對說明信息的要求各有不同，我們會在下方做出一定的解釋。一個優秀的設計師要學會如何因地制宜，優化圖表的內容構成，并對展示的信息進行取舍。

 

1.3 圖表的類型認識

隨著統計學的發展，圖表也經歷了一系列的增長與創新，除了我們常見的幾種圖表外，還發展出了大量平常看不到，只存在于各自專業領域的特殊種類。但是，它們對我們的生活和工作也起到產生了重要的影響。

比如在新冠危機中，政府和專業機構對民眾開放的數據就大量使用了圖表進行解釋，讓我們可以很清晰的了解事情的走勢和真相。

 

之所以有這么多不同圖表，讓人眼花繚亂，在于數據所包含的信息和特性不同，導致了它們所總結的規律類型也不同。

業界將圖表展示類型分成了四個大類，包含比較、分布、構成、聯系，雖然比較簡陋，但這是新手認識圖表最簡單的方式。

 

我們簡單解釋下這四個分類代表的作用：

• 比較：用來對比不同對象數值高低，比如上一份學生身高案例

• 分布：展示不同對象數值的分布區間，比如新冠新增分布省份

• 構成：表示某子對象的構成關系，比如班級中的男女比例

• 聯系：表示不同對象之間的聯系情況，比如不同城市之間的人口流動

之后我們就會以這個框架，來解釋不同分類下的圖表，幫助大家建立對圖表的正確認識和設計方式。除了這種標準分類以外，我還額外做了一個歸類，就是基礎和高級圖表。

前面提到，一般圖表就只反映緯度、數值兩個方面的圖表類型，很容易理解。但復雜的圖表，就會超過這個范圍，它可能包含了多個維度、多種數值、甚至第三、第四。

比如下面這個散點圖，除了身高（緯度）、體重（數值）外，還表現了個體（圓點）、性別（色彩）。在圖表本身的解釋性元素中，還包含分布區域、最大最小值標識、體重/身高均值。

 

這已經超出一個沒有接觸過統計的新手認知范疇了，是需要具體學習才能學會如何閱讀和應用的圖表。

這還是比較簡單的高級圖表，往后還有類似?；鶊D、K線圖（韭菜的自我修養）、和弦圖等類型，它們有各自使用的規范、參數，以及應用的場景。

 

高級圖表的復雜度和抽象性，決定了它的使用門檻較高，識別效率較低。而隨著數據各行各業數據重要性的提升，對圖表的需求已經不再局限在二維抽象圖形的應用上，而是提供了視覺效果更精美，制作過程更復雜，閱讀門檻更低的可視化數據展示內容。

 

雖然我們在本篇文章不會拓展到大屏可視化的領域，但是掌握好平面二維的統計圖表，提升對統計目的的認識，是深入學習可視化的必要條件。

 

接下來，我們就要來介紹一下如何繪制圖表了。雖然圖表之間有比較大的區別，但它們有很多細節是具有統一規范的。優先掌握這些一致的內容，再理解不同圖表的具體繪制差異，可以幫助設計師快速上手圖表設計工作。

 

2.1 基本內容繪制思路

上面我們提了，一個成熟的圖表會包含不少解釋性信息，怎么放置解釋信息和圖形元素是我們在設計時的第一個考慮要素。

常見的抽象圖表都有一個完整的矩形區域，我們要先確定該圖表的具體占比尺寸。然后，對這個區域進行布局的規劃，而這個布局的規劃就和解釋信息的展示有非常大的關系。

比如，你需要在圖表中增加標題和圖形解釋，那一開始把圖形做成了上、中、下三欄。有的情況下我們可能還會增加一個默認存在的文本型解釋模塊，那么還會再右側再切割出一個區域出來。

 

除了解釋信息外，我們在設計中有時候還不能忽視交互內容，比如要包含分類篩選、時間線控制、開關等控件時，它們準備放在哪里，也要在這個階段確定出來。

 

經過前面的切割，其實我們就能確定出中間的圖形區域了。在開始繪制前，我們還要對圖形具備的信息做進一步的確認，XY 軸坐標是否包含文字解釋，餅圖類是否包含延長指示線說明。

將這些區域先確定出來，減去它們的空間，就留下了最終要圖形展示的區域了。

 

合理的圖表繪制流程變是先布局，確定信息內容，最后才集中處理圖形元素。如果對于前端適配有一定了解的同學，也就知道在完成這些步驟以后，圖表的適配規則制定就暢通無阻了。

 

2.2  圖形分布和比例映射

有了圖形區域，接著就可以開始動手畫圖形了。不管是基礎還是復雜的圖形，你想要讓自己輸出的作品嚴謹、質量高，就需要應用專業的繪制方法。

圖表圖形的繪制類似尺寸作圖，需要應用各種參考線、輔助工具來完成。圖形本身并不是我們用來做創意的地方，而是要以準確的方式繪制出來。它包含兩個重點，分布和比例映射。

以一個柱狀圖表舉例，該圖表中維度包含了 7 個對象，即應該出現 7 個柱形。那么首先就要通過等分圖形區域，來確定柱形的分布，XY軸文字的對齊對象。

 

如果你不羅列對象具體數值的話，到這步也就結束了，但如果對象數值是必要顯示內容的話，那么就要盡量確保柱狀的顯示比例和數值是一致的。

假設在上方案例中，Y軸總高是 100px，那么數值中每 1 小時的高度就是 100/16 = 6.25px，我們就要用你寫下來的數值 * 6.25，保證柱狀圖高度比例和你的數值一致。

 

而類似餅圖這樣的圖形中，只要添加了具體數值內容，那么餅圖中不同的扇形角度，也要符合對應的比例。比如占比 10%、20%、30%、40% 的四個對象，它們的角度就分別為 36、72、108、144。

 

這就是分布和比例映射的基本邏輯，不管是什么圖表，只要它根據數值在區域中進行繪制，就一定會受到數值的影響。不管學習什么新的圖表，都只要確定這兩個步驟就可以輕松準確的完成繪制。

至于具體該怎么實現，用插件還是參考線，就是軟件基礎的問題了，不在這里展開。

 

2.3 圖表配色的基本原理

在圖表設計中的最后一個問題，就是關于配色的方案了。圖表配色的技巧主要關注兩點，選色邏輯和搭配方法。

選色邏輯，就是圖表用色的一些基本規范。我們知道圖表往往非常的復雜，或者頁面一屏中會包含大量的圖表。

在這個基礎上，圖表的用色就注定是不能太 “剛猛” 的，飽和度要偏低，明度要適中。在選色面板中，它大概處中部偏上的區域。即使產品主色用的飽和度非常高，圖表要和主色統一，也建議在主色基礎上做適當調節，在色系上接近即可。

 

并且，建議新手在繪制圖表的過程中千萬不要用漸變色。即使在各類飛機稿中，漸變色的展示效果也非常的不理想，沒有任何可讀性。

 

有了選色邏輯，多色搭配的思路也就變得而非常簡單了，只要重點關注色環的配色模式即可。

配色模式多種多樣，包括補色、三角對立、類似、四元、方形、臨近等等，不用想的那么復雜，只要牢記根據你的設計風格需要，你是要相鄰配色，還是等分配色。

相鄰配色，即以一個色系的臨近色系為標準的搭配。以 H（色相）、S（飽和度）、B（明度） 配色模式為準，飽和度和明度數值基本不變的情況下，小幅度變更色相。

 

等分配色，也是保持飽和度、明度的一致，根據需要的色彩數量（大于三個）在色環中按角度等分，獲得均勻的色彩過度。

 

配色的方法很簡單，難的是你們如何根據頁面的需要、視覺的體驗，合理的運用配色的方案，這沒有統一的標準。要記得圖表配色不是僅僅針對自身，會和頁面其它色彩產生聯系。

保證相對平緩、不太激進的圖表配色思路，是最安全的做法。 

 

首先解釋第一類圖表 —— 比較。

比較圖表的作用，是用來對緯度的數值做對比的圖表類型，直觀對比不同對象的強弱、排序、趨勢。

 

3.1 柱狀類圖表

3.1.1 基本認識：

柱狀圖，是一個使用柱狀圖形反映緯度數值的二維坐標軸圖表，也是我們最常見的圖表類型。

在這個二維坐標軸中，我們可以用縱軸代表數值，也可以用橫軸代表數值，另一個軸代表緯度。即在顯示的過程中可以使用縱向或者橫向的（橫向的也被叫成條形圖，都是一回事）。

 

柱狀圖除了每個對象包含一類數值的做法以外，也允許包含多個數值類型，每個類型使用一種顏色表示，這種圖表叫分組柱狀。

 

并且，柱狀圖作為最基礎的圖形，衍生了非常多下級的柱狀類型。包括：堆疊柱狀、子彈圖、正負混合、瀑布圖、直方圖等。但要注意的是，并不是所有柱狀類圖表，都是作為對比來使用的。后續會有進一步提示。

 

3.1.2 設計建議：

柱狀圖通過柱體的長短，可以直接對比不同緯度數值的高低，但使用也有一定的差別。

緯度之間關聯性不是太強，或者按時間順序排列的就適合用橫向排列的方式，比如下方記錄我隨時可能猝死的打工人一周睡眠時間（見左圖）。而涉及排名或者時間的數據組，就適合使用縱向排列的，比如 Geekbench 展現不同 Mac 處理器強弱的排行榜（見右圖）（os：Pro 居然比 M1 還低？）。

 

兩種圖表的選擇還和 UI 環境的交互方式有關，在APP中，橫向排列的柱狀圖可以顯示的數量非常有限，想放更多緯度就要左右滾動，體驗不佳。而使用縱向排列則對空間的要求沒那么高。

 

3.2 折線類圖表

3.2.1 基本認識

折線圖也是基礎圖表，通過創建端點并使用直線連接的方式展示出高低不平曲折的線段。折線圖在圖表形式上和柱狀圖非常類似，但兩者在使用上是有一定區別的。

當我們要選擇使用柱狀圖的時候，往往關注數值的總量，或者維度代表的是不同的對象，比如不同 CPU 之間的跑分對比。但是折線圖的使用就沒有那么單一，它主要應用在單一對象的單個維度變化對比中。

比如，我們監控 CPU 的占用頻率，那么維度使用時間，數值用百分比，這里面產生的數據都是圍繞 CPU 的占用頻率展開，但如果維度改成了當前時間不同核心的占用數值、溫度，那么我們就肯定不會用折線圖來表示。

 

折線圖的使用是要通過線段的曲折來反映數值的波動，在應用過程中往往不作為一個靜態的圖表展示，而是應用于監控的場景，比如監控股市市值、網站在線人數、CPU溫度、同一地區降水量等等。

 

3.2.2 設計建議：

在折線圖中，最大的認知誤區就是對于曲線線段的應用了。在數之不盡的網上飛機稿中，使用曲線的折線圖表 90% 以上都是錯誤的。

 

這要回歸本質來探討，折線圖也是進行對比的圖形，如果沒有直觀的波動，那么這個圖形帶來的信息量就非常有限。曲線會因為圓角的緣故而降低波動帶來的沖擊力，甚至抹平這種對比。

只有在必定會連續出現極大波動的圖表中才適合使用曲線，例如圍繞在會有一個中間值數值，曲線進行正負兩端移動的類型，比如監控呼吸中含氧量（呼和吸一個周期的維度）。

 

所以，盡量避免曲線的應用，不僅畫起來麻煩，而且實際使用效果極差。

作為折線圖，在一些數值代表完成、占滿、填充的概念時，往往就會覺得單純的線段表示不夠直觀，于是就產生了將下方的區域填充色彩的 —— 面積圖。只展示一個數值類型不夠要加入多個數值和線段的就叫折線堆疊圖。

 

3.3 雷達類圖表

3.3.1 基本認識

雷達圖，相信大家看到最多的地方就是在游戲的角色面板或者武器面板中。雷達圖是一種偏向概括性的圖表，并不能用來體現大數值和高頻變化，是用來對比同一個對象不同維度數值的圖表。

雷達圖的應用，首先要確認出不低于5個的維度，并且這些維度可以使用相同的數值體系，比如0-10分，0-100%等。并且，這些維度最好是由同一個對象身上拆分出來的，而不是 5 個維度指代不同的對象。

簡單來講，就是我們可以用雷達圖來表現一個學生不同科目的水準，這樣雷達圖可以大致概括這個學生科目掌握情況和相對的強弱。

但是不應該用雷達圖來表示不同學生同一科目的水準，那就只是更基礎的對比，用柱狀圖就可以了。

 

當然，雷達圖中的占用內容，也可以添加多個對象，一個雷達圖中可以放多個同學不同科目掌握水平的疊加圖形，以此對比他們的差異。

 

3.3.2 設計建議

雷達圖的繪制，也是優先制定說明內容區域，然后再開始圖形的設計。

因為在雷達圖中，我們對維度的描述，基本只能設計到不同端點外部，那么文字本身的數量、占比，就會對圖形的顯示產生非常大的影響，并且在雷達圖中維度的描述文字是必須的，過度精簡還是用其它方式體現都很不直觀，所以優先預留足夠的文字空間。

然后，根據我們需要的維度數量繪制一個等邊的多邊形，并設置合理的數值。

 

之后，才是確定出這個多邊形內所包含的數值刻度數量。假設除圓心外總共要顯示5級，那么就要畫 5 個堆疊的等邊形，那么我們就從最大的那個等邊形入手，再復制4個出來，對它們分別乘以 80%、60%、40%、20% 即可。

最后，再將每個維度對應數值根據百分比將端點打在維度的直線上，用鋼筆工具將每個端點連接起來創建一個完整的不規則多邊形，就完成了雷達圖的設計。

 

如果想要在一個雷達圖添加多個對象，只要用不同顏色描邊繪制對應數量多邊形即可，如果要填充這些圖形，就一定要使用透明度填充來完成，否則可能遮擋后方的端點，導致圖形不全。

 

3.4 其它類型

3.4.1 階梯圖

階梯圖是一種用來對比前后數值漲跌的圖形，它是柱狀和折線圖的合體。它和折線圖的不同之處在于，更關注每個對象增減的份額大小。

不僅僅是關注波動，而是更具體的值。類似關注一只股票全年的股價漲跌情況，每個月漲跌的具體額度，就適合使用階梯圖表現。

 

3.4.2 漏斗圖

漏斗圖因為長得像漏斗而聞名。雖然這個圖形看起來像一個錐形或者三角形，但本質上漏斗只是條形圖（橫向柱狀圖）的變體。

漏斗圖是一種對階段進行分層表現的圖形，從上到下的順序中，數值一定會呈現衰減的趨勢（起碼不會變大），然后從上到下的柱體就越來越小。

例如，UX 數據分析經常用的漏斗模型，就會建立一個從用戶訪問主頁，到最后完成下單的轉化率，每一個步驟都會有一定的用戶流失。

在基礎漏斗圖之上還有進一步拓展，比如對這個轉化本身有一個預期，那么可以做對比漏斗圖，比較現實和預想中的差距。如果要對比 iOS 和 Android 端的漏斗數據，還有比較漏斗圖，對比兩側的長短數據。

 

第二個解釋的圖表類型 —— 分布。主要是用來研究數據分布情況的圖表，對不同數據的統計分布狀況進行描述。

 

4.1  直方類圖表

4.1.1 基本認識

直方圖是一個看起來和普通柱狀圖非常接近的圖表類型，是一個用來表示同一個緯度范圍中，不同區間頻率的圖形。

 

直方圖是一個二級圖表，是對一級數據的進一步轉化。比如看上圖案例，散點圖（下面會說）本身記錄了不同的數據的位置，而直方圖就是記錄在發生在這個緯度內的次數。

直方圖乍一看很像柱狀圖，但實際應用場景往往使用了非常密集的柱體，讓它看上去像折線圖。對于設計師來說和直方圖打交道是非常普遍的，那就是在 Lightroom 和 Photoshop 中的通道直方圖。

 

當視覺設計師、攝影師在學習處理位圖的時候，就必然要學會直方圖的讀取，它并不是用來讓我們學習如何對比前后數據差異的，而是讓我們可以快速掌握這張圖片中像素點在不同通道的分布量。

直方圖是統計學中的 “頻率分布” 的視覺表現形式，需要確保使用的場景符合直方圖的定義，以及確保用戶能理解圖表內容。

 

4.1.2 設計建議

對于直方圖來說，如果維度對象少，只要獲得相關的信息和數值，就可以像柱狀圖一樣來繪制。

如果是針對一些比較專業的場景，如上方的通道直方圖，那么就要放棄自己完成的目標，一定要借助相關插件，或者使用 Excel 等工具實現后再導入進來。

 

4.2 箱型類圖表

4.2.1 基本認識

箱型圖也叫盒須圖，和直方圖類似，它也是一個二級圖表，即它不是直觀反應原始數據，而是對原始數據的狀態進行轉譯。圖表中的每個箱型反應一組數據的分散情況資料，每個箱型包含下面這些信息元素。

 

箱型圖反應的是一種 “大概” 情況，它不是一種用來進行精確數值展示的圖形。箱體主要是上四分衛和下四分衛的區間組成，下/上四分衛指的是 “樣本中所有數值由小到大排列后的 25%/75% 的數字”。

這里的排列主要通過 “數值大小” 來決定，而不是分布數據。比如一個班上100個同學包含身高 150、160、170、180、190 五種身高，雖然每個身高包含的人數不同，但 160 就是它的下四分衛，180 是它的上四分衛。

那么160-180身高包含的人數就是箱體本身的區域，上四分衛到上邊緣是 180-190 的人數，下四分衛到下邊緣是 160-150 的人數。

 

箱型圖可以反應的信息是非常豐富的，它可以非常有效的反應不同數據組的虛實、占比、上下限，可以獲得非常多有趣的結論。

 

4.2.2 設計建議

在箱型圖的設計中，對于箱體和觸須的表達要依據數據本身的重要性來判斷。有些場景對最大最小值更在意，則箱體顏色就淺，線段更矚目。而要重點關注箱體的話，則可以對觸須進行弱化使用虛線。

同時，箱型圖的主要識別信息是 Y 軸的長度，一個美觀易度的箱型圖，箱體寬度盡量控制在一個比較纖細的水平，不要為了填充畫面的空白強行做寬。

 

4.3  K線圖

4.3.1 基本認識

相信稍微了解過股票還是基金的同學，對K線圖那可就一點也不見外了，下陽線、收盤光頭陽、小陽線，開口就是老韭……不對，老股民了。

K線圖是箱型圖的一個變種，也叫蠟燭圖，主要應用在股票、幣市、期貨等市場的交易數據上。一個K線圖包含了陽線、陰線兩個大類。陽線代表上漲，陰險代表下跌。

每個類型中，同時還表示當日成交中的最低價和最高價，柱體代表的是開盤價和收盤價。在我國股市，上漲用紅色，下跌用綠色，在幣市則相反。

 

K線圖實際上動手設計它的情況微乎其微（只用開發好的），我們只要了解它的原理即可。

 

4.3.2 設計建議

K線圖基本只應用在和理財有關的證券行業中，在會出現 K 線圖的圖表模塊中，必然會出現相應的交互操作。如左右滑動、放大縮小，它是一個具備響應模式的圖表類型，包含兩種狀態。

如果空間足夠，則使用箱體和虛線的常規設計。如果顯示的對象密集，那么就會以一條直線來顯示，忽略掉箱體的部分。

同時，不同的場景，對于陰陽線箱體的展示會有一定區別，除了色彩外，還會應用實心和描邊的區別。

因為涉及財產、交易，針對K線圖的設計，一定要做好前期的業務調研，以及對比不同的競品，降低設計出錯的概率。

 

4.4 散點類圖表

4.4.1 基本認識

散點圖是一個使用也非常頻繁的圖表，它通過在 XY 坐標軸中添加圓點來表示不同對象的分布情況。

常見的散點圖就是對普通二維坐標軸進行 “打點” 的圖表，每個點代表統計學中的一個 “樣本” 或數學概念中的一個 “定量”，下面我們就用樣本來稱呼每個散點。

 

每個樣本在散點圖中必然包含兩種以上的信息，一個是緯度值，一個是數值，這樣我們才能確定它在坐標軸中的位置。

當然，針對樣本并不是只可以包含兩種信息，比如表示班級成員身高體重的散點圖，我們可以再引入男女的對比，對散點圖進行色彩的區分。再者，還可以添加體脂率，用每個點的大小來表示。

 

散點圖是一個很直觀的樣本分布圖表，它是概率論中做回歸分析的主要工具。所以往往我們會看到散點圖內出現了一個線段，那條線段叫做 “回歸線”，他是通過散點分布情況，計算出來的一條均值線段。這個線段不僅可以大致標識數據的趨勢，同時可以用來做概率計算和預測。

回歸線包含指數、線性、多項式三種，對應繪制出來的回歸線是曲線、直線、還是波浪線。

 

4.4.2 設計建議散點圖的圓點可以使用軟件的 Symbol 功能進行創建，確保后續可以統一修改配色和樣式，尤其是在包含多種色彩的散點圖中。

散點圖的繪制不一定要完美契合數據內容，但是在大致的分布和數量上要和實際情況貼合。如果僅僅是隨意的進行分布、均分，那么這個圖表就會顯得非常的不嚴謹和隨意，比如下圖圖表。

 

4.5 其它類型

4.5.1 地圖圖表

地圖圖表，是將抽象的 XY 二維坐標軸替換成地圖類圖形的圖表。本質上它們也包含 XY 軸，所以一樣可以將數據內容進行映射。

最常見的，就是地圖散點圖了。背景由實際的地圖完成，坐標則由經緯度體系來記錄。這是可視化設計中非常常見的中心圖表應用類型。

同時，背景的地圖并不是只包含地理信息地圖，還可以是球場、商場、網頁、建筑表面等內容。

 

4.5.2 熱力圖

熱力圖則是地圖和散點圖的合體，也是在二維坐標體系中顯示樣本，只是熱力圖更注重的是這些樣本之間的對比。例如區域的降水量、臺風風力表現、網頁的點擊區域等等。

熱力圖本質上也是將坐標軸切割成了若干小塊（樣本），每個小塊有一個對應的數值，然后通過算法繪制邊緣和不同的漸變。

它也是很少直接通過設計軟件繪制的圖表，需要借助插件導入數據來實現，我們只需要確認色彩樣式即可。

 

構成圖表相對其它圖表來說是最簡單的一種，包含扇形、環形、餅圖、堆疊、矩形樹等類型。

 

5.1 餅圖類圖表

5.1.1 基本認識

前面看到的圖表大多是遵循我們小學就看過的 XY 軸坐標系（笛卡爾坐標系）建立的，但是餅圖并不需要考慮坐標空間的問題。它是一個依靠角度來反映數據的圖表類型。

餅圖作為一種常見圖表，包含兩個大類，一般餅圖和環形圖。如果沒有一些特殊的交互或者復雜衍生類別的話，環形圖其實就是餅圖中間鏤空的版本……

 

餅圖繪制的主要依據是需要表現幾條維度，以及它們對應的百分比值。餅圖的顯示有比較大的局限性，那就是顯示的維度數不能過多?？刂圃?2-9 條比較合理，數量過多就會導致圖形失去實際的使用意義。

 

除此以外，南丁格爾圖、旭日圖，也是餅圖的延伸，通過添加額外的維度或者子分類，對餅圖中的每個對象進行額外的示意。

 

5.1.2 設計建議

餅圖作為基礎圖形，多數情況下也是由設計師自己完成的。但很多新手沒有找到要領，導致做出來圖形非常的別扭。我提供一個繪制的簡單的思路，那就是通過繪制不同的三角形來拼裝出一個餅圖。

 

這類圖形繪制的要點是確保三角形在圓心中的頂點時一致的，如果對比例的繪制有比較精確的要求，可以通過 Excel 之類的工具生成一個基礎圖形做背景，貼著它畫即可。

南丁格爾圖也可以沿用上面的畫法，那就是對每個維度的三角形采取不同直徑的圓做蒙版，就可以畫出不同半徑的占比區域了。

這么做的好處，是將圖形的每個維度獨立成一個單獨的矢量圖形，方便我們后續進行上色。

 

5.2 堆疊類圖表

5.2.1 基本認識

堆疊類圖表算是一個相對不那么嚴謹的類別，因為它多數由其它基礎圖表發展而來。主要包括柱狀堆疊圖、面積堆疊圖、百分比堆疊圖。

之所以把它歸類到分布而不是其它大類下的圖表子項，原因是只要出現堆疊，就意味著這個圖表的核心目的是展示構成內容而不是對比或者分布。

在柱狀類堆疊圖中，通過將每個柱體切割成不同的更小柱體來呈現子分類的占比。面積堆疊圖，則是單純的把折線圖進行填充然后疊加的圖形。

 

而百分比堆疊，雖然看起來和面積堆疊和接近。但它是以最上層數據為 100% 標準，往下的每一級對象都根據頂層百分比呈現的分布樣式。

 

5.2.2 設計建議

堆疊類圖形的設計，最難的不是圖形，而是色彩的應用上。之所以說堆疊只要應用就比原先圖形的作用更大，原因就是堆疊使用不同的色彩表現層級，對于我們的視覺吸引力遠遠大于圖形本身的輪廓。

而將豐富的色彩無縫拼接在一起，是最容易翻車的配色場景。在這種狀態下，建議大家只用臨近色來實現下級分類的搭配，千萬不要使用色相差異過大的色彩。

 

而對于面積和百分比堆疊圖，都建議在配色的過程中，直接使用帶有透明度的色彩。因為這些折線并不一定會完美上下覆蓋，當中間出現交匯的時候，不至于信息被遮擋。

 

5.3 矩陣樹圖

5.3.1 基本認識

矩形樹圖最初是一個設計用來表示磁盤空間占用情況的圖形，通過將一塊矩形切割成不同的區域來表示不同維度的占比，以及位置。

 

雖然也表示占比，但它比餅圖類圖表表示的信息更豐富。第一點是位置信息和并列關系，比如下面的 M1 芯片的示意圖，就是矩陣樹圖的一種直觀體現，在矩形中不同位置應用的不同芯片以及其占用的具體面積。

 

當然上方是最理想的情況，通常矩陣樹圖是為了對一些更抽象的概念實現矩陣化的排列。而這個排列中，還有個非常關鍵的要素是其中的 ”樹“ 字。

因為矩陣中的每個切割出來的矩形，都可以作為一個獨立矩形進行下一級的分割，實現一個類樹狀圖結構的信息收納。所以，完整的矩陣樹圖，是可以支持縮放或點擊進入下一層級的。

 

而使用矩陣樹圖不使用樹狀圖，原因也在于我們需要表現它的占比，而不是單純的結構。所以如果只是簡單表現層級結構，如企業組織架構、知識點拆分之類的，要用樹狀圖而不能使用矩陣樹圖。

 

5.3.2 設計建議

在這類圖表在項目中基本不會獨立開發出來，因為其復雜度基本都會使用開源代碼。

設計師的主要工作，就是根據對應開源圖表，指定配色的方案，切割的邊緣大小，以及文字的顯示規范即可。

 

聯系圖表，是用來展示維度之間聯系的圖表類型，包含桑基、關系、和弦、韋恩圖、依賴關系圖等。

聯系類圖表中，多數是非常復雜的圖形，已經脫離直接手工繪制的范疇，所以我們只簡單介紹其中幾個有代表性的圖表且給出設計建議了。

 

6.1 ?；鶊D類圖表

桑基圖是一個用來描述某維度值 ”流動“ 到其它維度走勢的流動圖表。

這是一個比較復雜的概念，比如下面的概念，不同國家人口的流動，人還是原來那些人（數值），但他們以不同的數量比例，移動到不同的國家（維度）。

 

桑基圖的應用，關鍵在對數值遷移流向的關注上，它適合應用的場景在監控產品用戶的跳轉去向，貨物的外貿出口狀況，或類似新冠患者流動城區、地點的表示。

?；鶊D的數值總量通常是不變的，會包含起點和終點的維度，而維度的長短即代表其包含的數值總量（權重）。

它有非常多的變種，只有借助特定的圖表生成工具，才能繪制出曲率、比例精準的流線。

 

6.2 關系類圖表

關系圖是大家比較不會陌生的圖表類型，它在各類工具性軟件、網站中都有應用。比如天眼查股東關系圖、Wolai 頁面關系圖等。

 

關系圖中包含了大量的節點，節點之間還有對應的關系，同構線段進行鏈接。常見的關系圖有兩種類型，一種是力導圖，一種是弧長鏈接圖。

力導圖這名字也很難理解，源于力學中粒子存在某種互斥又具有引力的規律，粒子在兩種力的作用下從初期的隨機性會不斷位移趨于平衡有序（讀書多的好處？）。

 

力導圖通常有一個起點，然后去關聯后續的其它節點，如果節點之間還有關聯，它也可以對這些節點的關聯做出連接。它不僅表現一對多的關系，也表現多對多的關系，甚至在極其復雜的關系網中可以呈現成一定的強關聯 ”聚類“ 信息。

而弧長鏈接圖，則是通過弧線對節點進行關聯的圖表，它既可以是環形，也可以是水平橫線的展示。

 

6.3 和弦圖

和弦圖是環形關系圖和?；鶊D結合的圖表，它表示結構之間的依賴關系和強度，鏈接的線段不再是粗細統一的而是具有粗細比例的標識，且維度之間的長度也有表示。

 

這類圖表常用于社會學、生物學等學科的研究統計結果繪制上。如果單純瀏覽，看上去非常復雜，所以正確的使用形式是可以進行指定維度的展示和隱藏的。

 

6.4 韋恩圖

韋恩圖，它是所有學 UI、UX 設計的老朋友了，一個用圖形層疊相交來表示它們關系的圖形。RGB、CMYK 的色彩介紹里韋恩圖的身影必不可少。

 

韋恩圖的使用相比起來沒有那么嚴格的數學運算，它只是一種關系表現的方法，可以對各種無法量化的對象進行關系的陳述。比如，UX 設計師應該具備的知識點……

 

下面是超人的電話亭團隊持續整理收集到的可視化組件庫工具網站，以供參考：

 

原文地址：站酷

作者：酸梅干超人