12_图表选型指南

很多人一拿到数据就先画图看看——画什么？柱状图吧，或者饼图？结果数据没问题，图却选错了，读者 get 不到重点。

图表不是为了"有个图"，而是为了把数据里的信息更快、更准地传递出去。今天不讲参数和代码，讲一个更根本的问题：面对一份数据，该选什么图？ 按你想表达的内容分成 8 种常见场景，每种告诉你用什么图、为什么、什么时候不能用。

一、想比大小？用柱状图

适用：不同类别之间比多少、排名次（各产品销量、各部门人数、各地区营收、学生成绩排名）。

为什么？ 人眼对柱子高度的判断很准，两个柱子差多少一眼看出；而且柱子基线都在 0 线上，不容易误导。

什么时候不能用？ 类别超过 10 个会挤成一团看不清（考虑横向柱状图，或只列前几名）；想看趋势变化那是折线图的活。柱子一般 5-7 根效果最好，类别多就用横向 barh，文字横着放更好读。

ax.bar(categories, values) # 柱状图
ax.barh(categories, values) # 横向柱状图

二、想看趋势？用折线图

适用：数据随时间变化的走势、连续变量的变化规律（日/月销售额、股价波动、温度变化、网站流量）。

为什么？ 线条本身就在表达"连接"和"连续"，从左到右一眼看出是涨是跌、平稳还是波动、有没有拐点。

什么时候不能用？ 数据是无序离散类别时用柱状图——产品之间没有连续关系，不能拿线连起来；只有两三个点也看不出趋势。注意折线图的 X 轴必须是有序的（时间、年龄这种有大小顺序），别拿"产品A、产品B"这种无序类别当 X 轴，那会误导读者以为它们有连续关系。

ax.plot(x, y)

三、想看占比？慎选饼图

适用：一个整体分成几个部分，看各部分占整体的比例（公司收入构成、市场份额、预算分配）。

饼图是被滥用最多的图表，两个致命弱点：一是人眼对角度的判断远不如对长度准，两个扇形差 5% 你很难看出哪个大；二是类别一多就乱，最多放 5-6 块，多了就成五颜六色的披萨。

饼图的正确打开方式： 类别不超过 5 个、有一个你想强调的明显大部分、你真的在表达"占整体比例"而不是"谁比谁大"。如果只是想比大小，哪怕是百分比，也请用柱状图。 环形图（甜甜圈图）本质是中间挖洞的饼图，优缺点一样。

ax.pie(values, labels=categories, autopct='%1.1f%%')

四、想看两个变量的关系？用散点图

适用：两个数值型变量之间有没有关联、强弱、正负（身高和体重、广告费和销售额、学习时间和分数）。

散点图把两个变量的联合分布完整呈现，每个点是一个样本，点的整体形态就是关系本身。你一眼能看出：正/负相关、线性还是非线性、关系强还是弱（贴成一条线还是散成一片云）、有没有异常值。

什么时候不能用？ 其中一个变量是类别就用箱线图；数据点少于 20 个画出来没意义；想精确读数值也别看散点图。可以叠加回归线，但记住——相关不等于因果，散点图只告诉你"有关系"，不告诉你"谁导致谁"。

ax.scatter(x, y)

五、想看分布？用直方图或箱线图

直方图：看整体形状

适用：一组数据是怎么分布的——集中在哪、分散程度、偏不偏、有没有双峰（员工工资、学生成绩、客户年龄）。

它和柱状图像但不是一回事：柱状图 X 轴是类别、柱子有间隔；直方图 X 轴是连续数值区间、柱子没间隔。它最有用的是告诉你数据的"形状"：是正态（钟形）还是偏态、集中在中间还是两头、有没有异常的高值或低值。

ax.hist(data, bins=20)

箱线图：看分组对比

适用：多个类别之间比较数据的分布范围和中位数（不同班级成绩、不同部门薪资、不同产品评分）。一条小箱子装了五个关键数：最小值、第一四分位数、中位数、第三四分位数、最大值，外加异常值，信息密度很高。缺点是初学者看不懂——读者不熟就加个说明，或考虑换别的图。

ax.boxplot([group1, group2, group3])

六、想看两类维度交叉？用热力图

适用：两个维度交叉，看交叉点数值大小，找规律找异常（星期×小时客流量、产品×地区销量矩阵、所有变量两两相关系数矩阵）。

人眼对颜色深浅非常敏感——一堆数字表格看半天找不到规律，换成热力图，颜色深浅一眼扫过去模式就出来了（比如周末下午人最多、工作日凌晨最少）。连续型数据用渐变色，别用彩虹色，彩虹色的深浅感知不均匀。

import seaborn as sns
sns.heatmap(data_matrix, annot=True, cmap='YlOrRd')

七、想按地理看？用地图

适用：数据带地理位置，想直观展示地区差异（各省销售额、各国用户数、各城市门店）。优点是直观、地区差异一目了然，缺点是制作门槛高，需要地理数据（shapefile 或 GeoJSON）。Python 里可用 pyecharts（交互地图效果好）、geopandas（数据分析场景常用）、plotly。初学先把基础图练熟，真有地理数据要展示了再针对性学。

八、一张决策表，选图不纠结

拿到数据先问自己"我想表达什么"，然后按表选图：

最后一句：图表是工具，不是装饰。 能用最简单的图把事情说清楚，就别用复杂的，信息传递效率永远排第一。

真实运行效果

把“想比大小就用柱状图”这个判断真跑一遍，实际输出是这样的：

截图里先打印了三类产品的真实销售额数据框，再按决策表判定“比大小→柱状图”并完成绘图，最后附上速查表，选型判断和运行过程一目了然。

下一篇聊聊怎么把默认的"丑图"改成"专业级图表"——不改数据，只调样式，效果差一大截。

梅雅达编程工作室 · Python数据实战系列第12篇
选对图表，分析效率翻倍。