【愚公系列】《数据可视化分析与实践》028-DataEase图表制作(分布图)

💎【行业认证·权威头衔】
✔ 华为云天团核心成员:特约编辑/云享专家/开发者专家/产品云测专家
✔ 开发者社区全满贯:CSDN博客&商业化双料专家/阿里云签约作者/腾讯云内容共创官/掘金&亚马逊&51CTO顶级博主
✔ 技术生态共建先锋:横跨鸿蒙、云计算、AI等前沿领域的技术布道者
🏆【荣誉殿堂】
🎖 连续三年蝉联"华为云十佳博主"(2022-2024)
🎖 双冠加冕CSDN"年度博客之星TOP2"(2022&2023)
🎖 十余个技术社区年度杰出贡献奖得主
📚【知识宝库】
覆盖全栈技术矩阵:
◾ 编程语言:.NET/Java/Python/Go/Node…
◾ 移动生态:HarmonyOS/iOS/Android/小程序
◾ 前沿领域:物联网/网络安全/大数据/AI/元宇宙
◾ 游戏开发:Unity3D引擎深度解析
🚀前言
在数据可视化中,图表制作是基石,它要求根据数据类型选择合适的图表类型,并确保数据的准确性。本章将详细讲解图表制作的通用步骤、不同图表的制作过程,让读者可以灵活运用各种图表形式,将复杂的数据转化为直观、易懂的信息,为决策制定提供有力支持。
制作DataEase图表时,需要先对维度和指标进行了解,然后通过拖人指标字段或者维度字段进行图表制作。
维度是事物或现象的某种特征,如性别、地区、时间等都是维度。其中时间是一种常用的、特殊的维度,通过前后对比,可以知道事物的发展是好是坏,如用户数环比上月增长10%、同比去年同期增长20%,这是时间上的比较,也称为纵比。与纵比相对的是横比,如不同国家人口数、GDP的比较,不同地区收入、用户数的比较,不同公司、不同部门之间的比较,这些是同级单位之间的比较,简称横比。
维度可以根据数据类型分为定性维度和定量维度,数据类型为字符型(文本型)的维度是定性维度,如地区、性别都是定性维度;数据类型为数值型的维度是定量维度,如收入、年龄、消费等。一般需要对定量维度做数值分组处理,也就是数值型数据离散化,这样做的目的是使规律更加明显。但要注意,分组不宜过细,否则规律会不明显,若细成最原始的流水数据,那就无规律可循了。
指标是用于衡量事物发展程度的单位或方法,在IT领域也称为“度量”。如人口数、GDP、用户数、利润率、留存率、覆盖率等,就可以充当指标。很多公司都有自己的KPI指标体系,通过几个关键指标来衡量公司业务运营情况的好坏。
指标的值需要经过加和、平均等汇总计算方式得到,并且需要在一定的前提条件(如时间、地点、范围)下进行汇总计算,这些条件就是人们常说的统计口径与范围。
指标可以分为绝对数指标和相对数指标。绝对数指标是反映规模大小的指标,如人口数、GDP、收入、用户数;相对数指标主要是用来反映质量好坏的指标,如利润率、留存率、覆盖率等。分析一个事物的发展程度可以从数量和质量两个角度入手,得出全面的结论。
🚀一、分布图
分布图是一类专注于展示数据部分与整体关系、比例构成或项目频率分布的图表集合。它们不强调趋势或精确比较,而是通过面积、角度、位置、大小等视觉元素,直观呈现数据的组成结构与相对重要性。在DataEase平台中,分布图提供了丰富的类型以满足不同场景的洞察需求,主要包括:饼图、环形图、玫瑰图、玫瑰环形图、雷达图、矩形树图和词云图。
本节将重点阐述其中两种极具代表性且应用广泛的分布图:用于精确占比分析的饼图,以及用于直观展示项目流行度的词云图的制作方法与核心应用。
🔎1.饼图
饼图通过将一个完整的圆形(“饼”)分割成多个扇形(“块”)来展示数据。每个扇形的面积(或圆心角)大小与其所代表的数据值在总和中的占比成正比。它是展示整体中各组成部分比例关系最经典、最易懂的图表之一,特别适合表现不超过6-7个类别的构成情况。
本节目标:根据零食销售明细数据,使用饼图制作一个各商品大类销售数量占比情况图表,一目了然地展示各类别在总销量中的份额。
🦋制作步骤详解
-
添加图表组件:
- 进入仪表板编辑页面,点击左侧组件栏的 【图表】 按钮。
- 在弹出的图表类型选择窗口中,找到并点击 【饼图】 图标(见图8-45),将其添加到仪表板画布中。
图8-45 在图表库中选择“饼图”

-
绑定数据并配置扇区(核心步骤):
- 选中新添加的饼图组件,在右侧配置面板中,点击 【数据集】 下拉菜单,选择已准备好的数据源(如 【关联数据集】)。
- 进行关键字段映射以定义饼图的构成(见图8-46):
- 扇区标签/维度:将
商品大类字段拖拽至 【扇区标签/维度】 区域。这决定了饼图将被分成几个扇形,以及每个扇形代表哪个类别。 - 扇区角度/指标:将
销售数量字段拖拽至 【扇区角度/指标】 区域。系统会自动对“销售数量”进行求和聚合,并根据每个大类汇总值占总和的比例来计算扇形角度。
- 扇区标签/维度:将
- 将图表拖拽调整至合适的大小,然后点击 【更新图表数据】 按钮,预览初始的饼图效果。
图8-46 为饼图绑定“商品大类”与“销售数量”字段

-
优化数据排序与图表样式:
- 数据排序:为了提升图表的可读性,可以按数值大小排列扇形。点击 【扇区角度/指标】 区域中
销售数量字段右侧的设置图标(见图8-47),在弹出框中将 【排序】 方式设置为 【降序】。这样,饼图中的扇形通常会从大到小顺时针或按特定顺序排列。 - 样式深度定制:切换到 【样式】 设置选项卡,对饼图的外观进行精细调整(见图8-48):
- 调整大小:在“基础样式”中,可以设置饼图的 【外径】 百分比。例如,设置为 【80%】 可以使饼图在容器中留出更多边距,看起来更协调。
- 设置标签:标签是理解饼图的关键。在“标签”设置中,将 【标签位置】 设置为 【外】,这样类别名称和占比数值会显示在扇形外部,通过引导线连接,避免遮盖图形本身,使图表更加清晰。
- 其他美化:您还可以调整颜色方案、设置扇区分离(产生间隔效果)、修改标签字体和格式(如显示百分比和具体数值)等。
图8-47 设置“销售数量”字段按降序排列

图8-48 优化饼图样式(调整外径、设置外部标签)

- 数据排序:为了提升图表的可读性,可以按数值大小排列扇形。点击 【扇区角度/指标】 区域中
-
完成制作并查看效果:
- 完成所有配置后,点击 【更新图表数据】 按钮进行最终渲染。
- 最终效果如图8-49所示:饼图直观地展示了“休闲零食”、“饮料冲调”等各商品大类在总销售数量中所占的比例。最大的扇形一眼就能识别出是最畅销的类别,而整体的构成比例关系也清晰呈现。
图8-49 饼图(各商品大类销售数量占比情况)最终实现效果

🔎2.词云图
词云图是一种视觉上极具吸引力的图表,它通过字体大小和颜色来展示文本数据中各个词汇的重要性或频率。词汇在云图中的尺寸越大、颜色越突出,通常表示其对应的数值(如出现次数、销售额、关注度)越高。它擅长快速传达关键主题、热门项目或用户反馈中的高频词。
本节目标:使用词云图,根据零食销售明细数据,制作一个受欢迎的商品可视化图表,通过商品名称的字号大小来直观反映其销售数量的多少。
🦋制作步骤详解
-
添加图表组件:
- 在图表组件库中,找到并点击 【词云】 图标(见图8-50),将其添加到画布中。
图8-50 在图表库中选择“词云”

-
绑定数据并配置词汇与权重(核心步骤):
- 选中词云图组件,在右侧配置面板中关联相应的数据集。
- 进行字段映射以定义词云的内容和表现形式(见图8-51):
- 词标签/维度:将
商品名称字段拖拽至 【词标签/维度】 区域。这决定了词云中将会出现哪些具体的词汇(商品名)。 - 词大小/指标:将
销售数量字段拖拽至 【词标签/指标】 区域。系统会按每个商品名称聚合其销售数量,并根据该数值的大小来决定该词汇在云图中的字体尺寸。数值越大,字体越大。
- 词标签/维度:将
- 将图表调整到合适大小,点击 【更新图表数据】 按钮预览初步的词云效果。
图8-51 为词云图绑定“商品名称”与“销售数量”字段

-
(可选)优化样式:
- 在 【样式】 选项卡中,您可以调整词云的颜色方案(单色、渐变或多色)、字体家族、形状轮廓(如圆形、矩形)以及词汇的旋转角度等,以创造出更符合仪表板风格的视觉效果。
-
完成制作并查看效果:
- 点击 【更新图表数据】 按钮生成最终词云。
- 最终效果如图8-52所示:词云图中,“薯片”、“巧克力”、“矿泉水”等销售数量高的商品名称以醒目的大字体突出显示,而销售数量较低的商品则以小字体点缀其间。这种呈现方式能够让人在瞬间抓住最受欢迎、销量最高的商品是哪些,极具视觉冲击力和直觉感知力。
- 重要说明:词云图的具体排列和视觉效果会受到屏幕分辨率、画布大小以及DataEase软件版本渲染引擎的影响,每次生成或在不同设备上查看时,词汇的具体位置可能会有所不同,但词汇大小的相对关系始终保持一致。
图8-52 词云图(受欢迎的商品)最终实现效果

总结与对比:饼图 vs. 词云图
- 饼图:核心是精确的比例分析。它提供严格的数学比例关系(各部分总和为100%),适用于需要精确比较少数几个类别在整体中占比的场景,例如市场份额分析、预算构成展示。但当类别过多时,饼图会变得难以阅读。
- 词云图:核心是直观的突出显示与感知。它不追求精确的数值比较,而是通过强烈的视觉对比(大小、颜色)来快速凸显最重要的项目或最流行的主题,适用于展示关键词频率、产品热度、用户反馈标签等,能迅速吸引注意力并传达核心印象。
选择建议:当您的分析目标是向受众传达“A占30%,B占25%…”这类精确的构成比例时,请选择饼图(或环形图)。当您的目标是快速回答“哪些商品/主题最热门、最受关注?”并希望以富有创意和视觉吸引力的方式呈现时,词云图是绝佳的选择。两者从不同维度诠释了数据的“分布”与“重要性”。
- 点赞
- 收藏
- 关注作者








评论(0)