[統計圖表改造]將「佔比」視覺化,除了圓餅圖和環圈圖外,你還有其他選擇

更新於 2024/10/28閱讀時間約 3 分鐘

用圖形呈現各種類別變數佔整體的比例,是資料視覺化中最常見的任務之一。提到視覺化佔比,很多人腦中第一個蹦出來的圖形應該都是圓餅圖(pie chart)或者環圈圖(donut chart,也就是中間挖了孔的圓餅圖)。


raw-image

這兩種圖形的主要差異是:圓餅圖含有「面積」、「角度」以及「弧長」三種視覺編碼來呈現數值;相較之下,因為環圈圖的中間挖空,所以「面積」會變得相對薄弱(因為面積減少了),「角度」則會完全消失。環圈圖的中間常用來放置整體的數值或其他重要的資訊,這是環圈圖較圓餅圖多出的功能。


這次要改造的圖表正是一個中間擺放整體數值的環圈圖:

raw-image

這是台電網站上所提供的各種能源在2023年的發購電量佔比資訊。這是一個具互動功能的圖表,你如果在台電網站上將滑鼠游標移到圖案上,會跑出相對應類別及佔比的資訊框。這樣的功能去除了環圈圖的某項缺陷,它若是一個靜態的圖表,這項缺陷將會減弱統計圖表的功能,我改造的方向會朝著將它視為靜態圖形去改善。

在改造這個圖表之前,我會先告訴你它為何需要被改造。


需要被改造的理由


raw-image

之前所提到的「某項缺陷」是環圈圖及圓餅圖不容易比較很多的種類及佔比小的數值。你仔細看看左方的環狀圖,燃油、抽蓄及氣電這三個的圖案很小,如果沒有標記數字,你幾乎沒辦法知道。又因為呈現的種類很多,在使用不同的顏色區分種類時,容易讓人感到雜亂。如果是靜態的圖表,更好的做法或許是將佔比較小的類別化成一個「其他」類別,讓他不至於太小而幾乎看不到,也能將其調成較不顯眼之顏色,以強調主要類別。

第二個需要改進的方面是這些色塊的排序方式。乍一看之下,你其實很難正確的排出能源間佔比的排序,即使你看向右側的數字,也還需要找一下,並且目光還要在圖形及圖示間左右來回。一般會建議將色塊由大到小、從12點鐘方向開始排列,比較符合我們的視覺習性,以增加易理解姓。

第三,「弧長」比較不容易比較。這一項帶有我個人的篇好,我感覺「弧長」並非容易比較的視覺編碼,所以我會嘗試著用其他圖表來試試。


我的改造

raw-image

主要的改造如下:

  • 因為我認為「弧長」不容易比較,所以改用「面積」來幫助我們做比較。上面這個長方形中包含了100個正方形,依據各類別的佔比用不同顏色將其填滿,來表示佔比之數值。
  • 將種類及佔比標示在圖形旁邊,讓讀者不需頻繁的移動目光。
  • 我將佔比依大小由左至右排列,讀者一眼就能知道類別間之排序。
  • 將佔比小的能源集中成同一個顏色的色塊,並塗上不起眼的灰色,以強調前四大能源的重要性。


這次的改造就到這裡,如果有那裡還需改進的地方,歡迎留言給我,謝謝


avatar-img
0會員
4內容數
介紹關於資料視覺化的一切.資料的收集與整理.圖表的設計及運用
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
Peiyi.H的沙龍 的其他內容
這是第1篇統計圖表改造系列,我會在系列文中將我在各處看到的差勁統計圖表重新製作。這一篇,我利用了坡度圖取代難以理解的立體長條圖,讓圖表更美觀、更容易理解!
這是第1篇統計圖表改造系列,我會在系列文中將我在各處看到的差勁統計圖表重新製作。這一篇,我利用了坡度圖取代難以理解的立體長條圖,讓圖表更美觀、更容易理解!
你可能也想看
Google News 追蹤
Thumbnail
*合作聲明與警語: 本文係由國泰世華銀行邀稿。 證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務,定期定額(股)服務由國泰綜合證券提供。   剛出社會的時候,很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天,都會聽到各種市場動態、理財話題,像是:聯準會降息或是近期哪些科
Thumbnail
在資料分析過程中,透過衡量變數之間的線性或非線性關係,能有效探索數據集,篩選出重要特徵,並進行預測建模。本文介紹瞭如何理解數據、使用相關矩陣找出變數關聯性,以及利用互資訊評估變數之間的依賴程度,幫助資料科學家在建模過程中選擇適當的變數,提升模型效果。
Thumbnail
*合作聲明與警語: 本文係由國泰世華銀行邀稿。 證券服務係由國泰世華銀行辦理共同行銷證券經紀開戶業務,定期定額(股)服務由國泰綜合證券提供。   剛出社會的時候,很常在各種 Podcast 或 YouTube 甚至是在朋友間聊天,都會聽到各種市場動態、理財話題,像是:聯準會降息或是近期哪些科
Thumbnail
在資料分析過程中,透過衡量變數之間的線性或非線性關係,能有效探索數據集,篩選出重要特徵,並進行預測建模。本文介紹瞭如何理解數據、使用相關矩陣找出變數關聯性,以及利用互資訊評估變數之間的依賴程度,幫助資料科學家在建模過程中選擇適當的變數,提升模型效果。