​图形可视化技术，在大数据分析中，是一个非常重要的关键部分。我们前期通过数据获取，数据处理，数据分析，得出结果，这些过程都是比较抽象的。如果是非数据分析专业人员，很难清楚我们这些工作，到底做了些什么事情。即使是专业人员，在不清楚项目，不了解业务规则，不熟悉技术细节的情况下。要搞清楚我们的大数据分析，这一系列过程，也是比较困难的。

我们在数据处理和分析完成后，一般来说，都需要形成结论报告。怎样让大数据分析项目的利益相关方，读懂我们的结论报告，知道报告中蕴含的知识内容和有价值的数据分析点，这就需要通过可视化技术，来传达我们的大数据分析结论。

平时在交流和沟通的过程中，我们都清楚，文字很容易产生歧义。交流和沟通不畅，大部分原因，都是由于双方的理解有差异，也就是会产生歧义和分歧。如果歧义和分歧达到不可调和的地步，那就会让交流和沟通陷入僵局，甚至可能适得其反。

俗话说，一图抵千言。图像是通过视觉来传达信息的，人们往往更相信自己的眼睛，相信自己看到的东西。通过图形可视化技术，来向我们的大数据分析项目的利益相关方，传递我们的分析结论报告的关键点。这可以让专业人员和非专业人员，都能够清楚明了的理解我们做了些什么，分析出了些什么有用的知识点，或者是有价值的内容。

这是一个事半功倍的要点，值得我们好好的研究和学习一下大数据可视化的技术。本篇文章，我们就来探讨一下，怎么选择合适的大数据可视化图形。

大数据可视化图形的选择，需要根据数据的性能和状态来进行。我们可以从数据的四个维度，来对可视化图形进行分类，以便我们选择合适的图形。

先来看下面的图形选择决策树。

我们分析处理完成后，需要展示的数据，可以分为四个维度：序列，描述，构成，比较。对应的图形，在上图中做出了详尽的描述。

序列部分，主要是连续型数据，也就是对连续型数据进行绘图展示。连续型数据，是一系列不间断的数据，比如我们每天的订单数据，在一个月的范围内，就是连续的数据集。

这个部分，折线图和柱图比较重要。折线图可以展示数据的趋势，柱图可以展示数据的大小情况。

描述部分，是对多个变量数据，产生关联和关系的，图形化展示。

这个部分，散点图特别重要。我们在观察两个变量，是否相关，是否存在关系，是否存在线性和非线性的趋势，都需要通过散点图来展示。散点图是我们分析变量之间关系的重要图形，也是我们回归分析的起点。

气泡图的话，只是把散点图，加入了大小的维度，可以展示两个变量，数据点之间关系大小的图形。

直方图，可以对数据的分布进行展示。比如说，质量控制中的正态分布，就需要通过直方图进行图形化展示。

构成部分，更多的是对数据结构进行展示。比如说饼图的数据百分比，占比的展示。堆积图的数据累积结构的展示。

比较部分的话，则是对多个数据，进行分类比较展示。这个部分比较重要的图形是柱图。通过柱图，我们可以比较单个变量，在不同时期的大小。也可以比较多个变量，在不同时期的间隔中，单个时期的比较图形化展示。

介于大数据分析可视化技术的重要性，我们会用一系列文章，并且通过模拟数据和实际数据对比的展示，让大家学会大数据可视化的作图过程。

友情提示：

1.以上内容均为本人原创，且无偿分享。

2.如果觉得有用，请关注、点赞、收藏、转发，这将是我持续创作的动力。

3.如果有数据分析方面的难点和问题，请私信，或评论区留言。我会答疑解惑，并选取部分案例，在后续作品中呈现。