Classification of Data Visualization
可视化分类：ft.com/vocabulary 离差/Deviation 强调相对于一个固定参考值的变化（正/负值）。通常参考值为零，但也可能是一个目标数值或是长期平均值。也能用来展 现态度倾向（正向/中立/负面）。 分向条形图/Diverging bar 一种简单、标准化的条形图，能同时处理正、负数值。 分向堆叠条形图/Diverging stacked bar 最适合用来展现牵涉到态度（正向/中立/负面）的调查结果。 成对条形图/Spine 将单一数值分成两组对比的组成（例如男性/女性）。 盈余/赤字填充线图/Surplus/deficit filled line 阴影部分能展示出一种平衡关系，或者是相对于某个基准线，或者是两组数据之间。 相关性/Correlation 展示两个或多个变量之间的关系。要注意的是，除非你特别说明，大部分人会认为你所展示的两个变量之间存在因果关系 （例如一个变量导致另一个变量变化） 排序/Ranking 当某个项目在排序列表中的位置比其绝对数值或相对数值的大小更重要时，使用这种图表。不要害怕强调出需要关注的重点。 分布/Distribution 显示数据集中的数值及其出现的频率。分布的形状（或偏离程度）是突出数据的不一致或不平均的方便记忆的方式。 规模/Magnitude 用来比较数据的规模。有可能是比较相对规模（显示出哪一个比较大），有可能是比较绝对规模（需要显示出精确的差异）。通常用来比较数量（例如桶、人、美元），而不是经过计算后的比率或百分比。 部分和整体的关系/Part-to-whole 能显示出一个整体如何被拆解成不同组成。如果读者只是想了解个别组成部分的大小，不妨改用规模类的图表。 地理空间/Spatial 当数据中的精确位置和地理分布规律比其他信息对读者来说更重要时，可使用这类图表。 流向/Flow 向读者展示两个或两个以上的状态、情境之间流向 的流动量或流动强度。这里的状态、情境可能是逻辑关系或地理位置。 时间变化/Change Over Time 强调趋势的变化。有可能是短期（一日内）波动或长到数十年或数百年的改变。为了向读者提供适当的背景信息，选择正确 的时间段很重要