导读：史上最全图表类型术语&指南来了！
安德鲁·阿伯拉（Andrew Abela）制作的《这份指南》（This Guide）是思考图表类型的一个很好的起点，但不要把它用作决策引擎。并不是人人都同意他对图表类型的组织方式，层级结构也并未包含所有有效的图表类型。
事实上，这里显示的每个图表都有许多变体和混合，而且人们时时刻刻都在创建出新的图表类型。此外，当你想要拓展自己的思维，尝试多种方法时，这个工具可能缩小你的思考范围。
但是，它将帮助你理解各种形式的类别（例如，比较和分布），并且可能激发你尝试一些新东西。我已经对《这份指南》进行了调整，使之与“交谈-画草图-创建原型”的框架相适应。至于我是怎样调整的，请参见下图。
01 2×2矩阵
也叫矩阵，水平和垂直平分的方框，形成了四个象限。它常用于说明基于两个变量的类型。
优点：针对元素分类和“区域”创建的易于使用的组织原则
缺点：在不同的空间间隔绘制象限内的项，暗示两者可能不存在统计关系
02 冲积图
也称为流图，显示值怎样从一个点移动到另一个点的节点和流。这通常用于展示值在一段时间内的变化，或者其组织方式的细节，例如，预算拨款如何逐月使用。
优点：在值的更改中公开详细信息，或者在广泛数据类别中公开地详细分解
缺点：流中的许多值和变化导致复杂而且交叉的视觉效果，虽然很漂亮，但可能很难解释
03 条形图
表示类别之间关系（“分类数据”）的高度或长度不等的条形。常用来比较同一指标下的不同群体，如10位不同CEO的薪酬。（当条形图垂直时也称为柱状图。）
优点：大家都熟悉的形式；非常适合于类别之间的简单比较缺点：许多条形图可能会造成趋势线的印象，而不是突出离散值；多组条形可能变得难以解析延伸阅读：手把手教你用直方图、饼图和条形图做数据分析（Python代码）
04 气泡图
散布在两次测量上的点，为数据增加了第三个维度（气泡大小），有时增加了第四个维度（气泡颜色），以显示几个变量的分布。常用来表示复杂的关系，如绘制不同国家的多个人口数据块。（也被错误地称为散点图。）
优点：合并“z轴”最简单的方法之一；气泡大小可以为分布式的可视化图表增加至关重要的上下文
缺点：按比例调整气泡大小是棘手的（面积与半径不成比例）；从本质上说，三轴和四轴的图表需要更多的时间来解析，因此不太适合于一目了然的表示
延伸阅读：什么是气泡图？怎样用Python绘制？有什么用？终于有人讲明白了
05 凹凸图
也称为疙瘩图（bumps chart），显示随着时间推移的排名顺序变化的线条。常用来表示受欢迎程度，如每周的票房排名。
优点：表现受欢迎程度、赢家和输家的简单方式
缺点：变化没有统计学意义（值是序数，而不是基数）；许多的等级和更多的变化使其具有引人注目的优势，但也可能使其难以追踪观察排名
06 点图
显示沿一根轴线的几个测量值。当重要的不是每根条形的高度而是条形之间的高度差时，常用于代替条形图。
优点：一种在垂直的或水平的狭小空间内都适用的紧凑形式；比传统的形式（条形图）更容易沿着单一的测试方法来进行比较
缺点：由于要绘制的点很多，很难有效地标记；如果这很重要，那就消除了所有类别之间的趋势感
07 流程图
用多边形和箭头表示流程或工作流。通常用于描绘决策，数据如何在系统中移动，或者人们如何与系统交互，例如用户在网上购买产品的过程。（也称为决策树，它是流程图的一种类型。）
优点：形式化的系统，被普遍接受，用于表示具有多个决策点的流程
缺点：必须理解已确定的语法（例如，菱形表示决策点；平行四边形表示输入或输出等规则）
08 地理图
也叫地图，用于表现属于现实世界中位置的值的地图。常用于比较国家或地区之间的值，如显示政治立场的地图。
优点：如果看图者熟悉地理，可以很容易地找到值并在多个层次上对它们进行比较（即同时按国家和地区比较数据）
缺点：使用位置的大小来表示其他值，可能会强化或弱化这些位置中编码的值
09 层次图
用来表示元素集合的关系和相对排名的线和点。通常用来表示某组织的结构，如家庭或公司。（也称为组织结构图、家谱或树形图，所有这些都是层次图的类型。）
优点：一种记录和说明关系与复杂结构的易于理解的方法
缺点：行与方框的方法在显示复杂性方面受到限制；更难显示不那么正式的关系，比如人们如何在公司的层级制度之外合作
10 直方图
基于范围内每个值的出现频率来显示分布情况的条形。常用于显示概率等结果的风险分析模拟。（也被错误地称为条形图，实际上，条形图用于比较类别之间的值，而直方图则显示一个变量的值的分布。）
优点：用来显示统计分布和概率的基本图表类型
缺点：看图者有时会把直方图误认为条形图
延伸阅读：手把手教你用Python画直方图：其实跟柱状图完全不同
11 折线图
显示值如何变化的一些相互连接的点，通常随时间的推移而变化（连续数据）。常用于通过把多条线画在一起来比较趋势，例如几家公司的收入。（也称为体温记录图或趋势线。）
优点：大家都熟悉的形式；非常适合于一目了然地表现趋势
延伸阅读：什么是折线图？怎样用Python绘制？怎么用？终于有人讲明白了
12 棒棒糖图
类似于点图，但在单个测量值上绘制两个点，用一根线连接，以显示两个值之间的关系。绘制几个棒棒糖图，可以产生类似于浮动条形图的效果，其中的值并不全都固定在同一个点上。（它也被称为双棒棒糖图。）
优点：既适合水平又适合垂直的紧凑的图表形式；当两个变量之间的差异最重要时，非常适合在它们之间进行多次比较
缺点：当变量“翻转”（高值是前一个棒棒糖图中的低值）时，多个棒棒糖图之间的比较可能令人困惑；值相似的多个棒棒糖图，使得评估图中的单个项变得困难
13 隐喻图
箭头、金字塔、圆圈和其他公认的图形，用来表示非统计概念。通常用于表示抽象的想法和流程，如业务周期。
优点：能够简化复杂的想法；由于人们对隐喻的普遍认识，所以显得天生就能理解这种图
缺点：很容易混淆隐喻，误用隐喻，或者过度设计隐喻
14 网络图
连接在一起的节点和线，以显示一个群体中各元素之间的关系。通常用于表示实物之间的相互联系，如计算机或人。
优点：有助于说明节点之间的关系，这些关系在我们采用其他方式时可能很难看出来；突出显示集群和异常值
缺点：网络往往迅速变得复杂起来。有些网络图虽然漂亮，但可能很难解释
15 饼形图
被分成若干部分的圆，每个部分代表某个变量在整个值中所占的比例。通常用于显示简单的总数细分，如人口统计。（也称为甜甜圈图，它是一种以圆环形式显示的变化图。）
优点：无处不在的图表类型；显示主导份额和非主导份额
缺点：人们对扇形楔形块的面积估计得不是很好；如果楔形块过多，将使得值难以区分和量化
16 桑基图
显示值是如何分布和传输的箭头或条形。常用于显示物理量的流动，如能量或人。（也称为流图。）
优点：使人们易于发现系统流程中的细节；帮助识别主要的组成部分和低效的地方
缺点：是一种由包含许多组成部分和流动路径的复杂系统构成的图表
延伸阅读：怎样用Python绘制诱人的桑基图？
17 散点图
对照某一特定数据集的两个变量而绘制的点，表示这两个变量之间的关系。常用于检测和显示相关性，如年龄与收入的关系图。
优点：大多数人都熟悉的基本图表类型；这种空间方法可以很容易地看到相关、负相关、集群和异常值
缺点：很好地表现了相关性，以至于即使相关性并不意味着因果关系，人们也可能做出因果关系的推测
延伸阅读：Python数据可视化：5段代码搞定散点图绘制与使用，值得收藏
18 斜率图
表示值的简单变化的线。通常用来表示剧烈的变化，或与大多数斜率相反的异常值，例如某地区的收入下降，其他所有地区的收入都在上升。（也称为折线图。）
优点：创造了一种简单的之前和之后的叙事，无论是单个值还是许多值的总体趋势，都让人很容易看出和掌握
缺点：排除了两种状态之间值的所有细节；太多纵横交错的线条可能让人很难看到单个值中的变化
19 小型多图
一系列小图表，通常是线形图，显示在同一尺度上测量的不同类别。常用于多次显示简单的趋势，如按国家划分的GDP趋势。（也称为网格图或格状图。）
优点：和将所有的线都叠加在同一个图表中相比，更容易比较多个甚至几十个类别之间的差异
缺点：如果没有戏剧性的变化或差异，就很难在比较中发现其意义；你在单个图表中看到的一些“事件”就会丢失，例如变量之间的交点
20 叠加区域图
也称为区域图，描绘某一随着时间的推移而变化的变量的线条，线条之间的区域用颜色填充，以强调体积或累计总数。通常用于按时间比例显示多个值，例如一年中多个产品的销售量。
优点：能很好地显示出比例随时间的变化；强调体积感或积累感
缺点：太多的“层次”使得每一层都太薄了，以至于很难看到随时间的变化、差异，或者难以追踪观察值的情况
21 叠加条形图
被分成若干部分的矩形，每个部分代表某个变量在整体中的比例。通常用于显示简单的分类汇总，如各地区的销量。（也称为比例条形图。）
优点：有些人认为它是饼形图的一个更好的替代图表；很好地显示主导份额和非主导份额；可以有效地处理比饼形图更多的类别；水平和垂直都适用
缺点：包含太多的类别或者将多个堆积条形组合在一起，可能使你很难看到差异和变化
22 表格
按列和行排列的信息。通常用于跨多个类别显示单个值，如季度财务业绩。
优点：使每个单个的值都可用；与相同信息的单调版本相比，更容易阅读和比较值的情况
缺点：难以对趋势产生粗略的了解，也很难对几组值进行快速比较
23 树形图
被分割成更小矩形的矩形，每个更小矩形代表某个变量与整个值的比例。常用于表示等级比例，如按类别和子类别划分的预算。
优点：显示详细比例分解的紧凑形式；克服了饼形图的许多楔形块的限制
缺点：以细节为导向的形式，不适合快速理解；太多的类别会造成令人震惊但难以解析的视觉效果；通常需要能够精确排列正方形的软件
24 单位图
用于表示与分类变量相关的单个值的集合的点或图标。通常用于显示实物的记录，如花费的金额或者流行病中的患者。（也称为点图。）
优点：以比某些统计演示更加具体、更加形象的方式来表现值
缺点：太多的单元类别可能使你难以将精力集中在核心的意义上；要拥有强大的设计能力，才能使单位的安排最有效
划重点??干货直达??
为什么Spark能成为最火的大数据计算引擎？它是怎样工作的？
吐血整理：盘点19种大数据处理的典型工具
10道题搞懂色彩搭配的6大准则，让你的图表开口说话！
学习Numpy，看这篇文章就够啦
