小编又搞来一批新鲜出炉的可视化，与上一次不同，这次多数是更贴合实际应用的高级图表，都是由我们的开发者开发应用于FineReport的。

本文也是承接《配上这些可视化，领导再也不会吐槽报表丑了！》“第二弹”。

桑基图——能源、材料成分、金融等数据的可视化分析利器

桑基图是一种能量分流图，常用用于能源、材料成分、金融等数据的可视化分析。在桑基图爱好者社区网站上写着这样一句话：“ASankeydiagramsaysmorethanpiecharts”，意思是一张桑基图比一千张饼图描述的东西更丰富。

桑基图的应用很小众，并不广泛。但看似复杂的桑基图其实使用起来非常简单高效，譬如上面的能量流动图，图中延伸的分支的宽度对应数据流量的大小。

桑基图的特点如下：

1.起始流量和结束流量相同，所有主支宽度的总和与所有分出去的分支宽度总和相等，保持能量的平衡；

2.在内部，不同的线条代表了不同的流量分流情况，它的宽度成比例地显示此分支占有的流量；

3.节点不同的宽度代表了特定状态下的流量大小。

桑基图由流量、节点、边构成，适合节点数据集（可选），边数据集。数据权重映射到节点和边的宽度。桑基图需要保持能量守恒，不能在中间过程创造出流量，流失（损耗）的流量应流向表示损耗的节点。

桑基图插件在FineReport大屏中的效果展示：

平行坐标图——对大数据“降维攻击”

平行坐标图是一种用来呈现多变量，或者高纬度数据的可视化技术，用它可以很好的呈现多个变量之间的关系。虽然其中大量的线段最初看起来令人费解，但它们是理解多维数值数据集的一个非常强大的工具。

通常描述平行坐标的方法是讨论高维空间，以及这种技术如何平行地布置坐标轴而不是相互正交。下面是具体的数据表。表中详细描述了从到年间发布的汽车型号，包括它们的里程数（加仑）、气缸数、马力、重量以及它们被生产的年份等等。

现在想象一下，每一列都映射到上面图像中的垂直轴上。每一个数据值都会沿着直线的某个地方结束，缩放到位于底部的最小值和顶部的最大值之间。然而，纯集合的点不会非常有用，因此属于同一记录（行）的点与行连接，这就产生了平行线的特征混杂。

通过查看这个可视化，我们可以了解很多信息。气缸之所以突出，是因为它只有几个不同的值。气缸的数目只能是一个整数，这里不超过八个，所以所有的行都必须经过一个小的点。这样的数据和分类数据通常不适合平行坐标。但如果是一个或两个，这不是问题。

在每加仑汽油能行驶的英里数MPG和气缸之间，你可以看出，八缸汽车相对于六和四缸的一般有较低的里程。如果跟着线看它们是如何交叉的，可以发现很多交叉线是反向关系的标志，图形显示出这样的规律：越多的气缸，越低的里程。

汽缸和马力之间的相关性更为直接：汽缸越多就意味着更多的马力。当然，这里也有一些交叉线，所以更多的气缸并不总是意味着更多的能量，但总的趋势显然是存在的。在马力和重量之间，情况是相似的：马力越大一般意味着车越重，但当然也有一些价值的分散。还有一个例外，一个高马力八缸汽车是非常轻的。仔细找一找可以发现那个离群值。

最后，重量和年份之间的线交叉很多，这表明多年来汽车变得更轻了。你也可以很容易地看出，年轴只记录了少量不同的数值，类似于气缸。虽然这是一个非常简单的示例，但它显示了大多数数据集中的典型结构。

平行坐标可以做筛选互动。平行坐标系中的主坐标称为“刷”，看下面的图像应该很明显。为了做到这一点，我们来看看所有的轴。在这里，我们在年轴上刷了年到年的区间。结果是线条的一部分被刷成了黑色，其余部分仍然以灰色为背景。

在FineReport中，我们的开发者大江东通过封装某著名开源图表库，开发了支持基本平行坐标图与地图或散布矩阵的组合图。

平行坐标图插件在FineReport中的效果展示：

马赛克方块图表，“千万不要乱用”！

标准的、非均匀的马赛克图在现实生活中使用较少，多用于统计学领域，常用于SAS的某些模块。均匀的马赛克图在生活中常有应用，比较经典的例子是地铁站与站之间的票价图。

标准的马赛克图

转载请注明:http://www.aideyishus.com/lkgx/3230.html