RayData可视手册
  • 概述
  • 柱形图/条形图
  • 折线图/曲线图
  • 堆叠图
  • 面积图
  • 饼图
  • 雷达图
  • 仪表盘
  • 漏斗图
  • 玉玦图
  • 词云图
  • 散点图
  • 气泡图
  • 桑基图
  • 矩形树图
  • 箱形图
  • 阶梯折线图
  • 南丁格尔玫瑰图
  • 水波图
  • 平行坐标系图
  • 关于我们
由 GitBook 提供支持
在本页
  • 一、散点图图解
  • 二、基本属性
  • 三、数据结构
  • 四、适用场景及相关关系
  • 五、不使用场景
  • 六、散点图图史
  • 七、设计开眼
  • 八、更多学习资源

这有帮助吗?

散点图

上一页词云图下一页气泡图

最后更新于3年前

这有帮助吗?

散点图,又称点图、散布图、X-Y图,英文Scatter plot或Scatter gram。

基础散点图适用于研究详细数据中两个变量之间的相互关系,根据分布情况,推断出变量间的相关性、趋势、数据形成的形状。

一、散点图图解

适合展示较大的数据集,显示两组数据间相互关系或影响程度。

二、基本属性

三、数据结构

在笛卡尔二维坐标系中,X和Y轴分别确定了变量的数据。

其控制范围如下: 第一列:「标签名称」;第二列:「映射X轴」;第三列:「映射Y轴」。

标签名称
映射x轴
映射y轴

麻疹

16

0.0015

百日咳

16

0.04

小儿麻痹症

7

0.075

风疹

7

0.045

天花

7

0.3

非典

4

0.125

西班牙流感

3

0.1

埃博拉病毒

3

0.575

季节性流感

3

0.001

鼠疫

2

0.1

中东呼吸综合征

2

0.35

新型冠状病毒

~7

~0.35

四、适用场景及相关关系

4.1 相关性

适用于展示较大的数据集,显示两组数据间相互关系或影响程度。

常出现的关系有:正相关(两个变量值同时增加)、负相关(一个变量值增加另一个变量值下降)、不相关、线性相关、指数相关、U形相关等。

4.2 对比强度

适用于分析两组变量之间相关性的强弱对比,可以通过数据点的密集度来确定相关性的强与弱。

4.3 对比效果

适用于不考虑时间的情况下对比大量数据点,数据点越多,对比效果就越明显。

五、不使用场景

5.1 数据点少

对于数据点较少的数据集不建议使用,分析结果会存在较大的偶然性。如下图,3个数据点无法准确的判断其相关性。

5.2 数据过多

当数据点过大、过多的情况,会影响图表的可读性,从而无法进行数据分析。可通过减小数据点大小、降低透明度、减少数据量、添加描边等方法优化以保证可读性。

六、散点图图史

散点图的起源是未知的。

下图为弗朗西斯·高尔顿(Francis Galton,1822-1911)的一张散点相关图,显示了头围和身高之间的关系,来自他未注明日期的笔记本《特殊特性》。

七、设计开眼

以下为具有代表性的设计案例,更多案例持续添加中。

八、更多学习资源

1、深入探讨散点图系列。
2、散点图的起源于发展(英文)。
3、如何设计散点图。
资料来源:Hilts(1975年,图5,P.26)
近20年各国登山者攀登珠穆朗玛峰的记录
数据艺术作品《百年外滩变迁史》
权利的游戏图表
生死可视化