图表怎么选——分类、顺序、发散三类色板和图表类型决策树

· 约 3 分钟 📈 图表制作

做图表的人经常有个误区——盯着图表的”美观度”调样式,但读者关心的是能不能在 3 秒内看懂结论。这篇关注两件事:图表类型怎么选、配色怎么选。

数据意图 → 图表类型决策树

数据要表达什么?
├── 比较多个类别 ──→ 柱图(类别少 + 名短)
│                  └→ 条形图(类别多 / 名长)
├── 时间趋势 ──→ 折线图(≤5 条线)
│              └→ 面积图(强调累积总量)
├── 部分占整体 ──→ 堆叠柱图(多类多时段)
│                ├→ 饼图(≤5 类 + 差距明显)
│                ├→ 环形图(同上 + 中央放总数)
│                └→ 树状图(多层级)
├── 数据分布 ──→ 直方图(连续值分箱)
│              ├→ 箱线图(多组 + 异常值)
│              └→ 小提琴图(密度形状)
└── 变量关系 ──→ 散点图(2 变量)
               ├→ 气泡图(3 变量,第三变量用大小)
               └→ 热力图(矩阵相关性)

三大类色板用法

色板类型适用代表色板反例
分类(Qualitative)互无大小的类别(地区、品牌、产品线)Tableau 10 / Set2 / Paired对客户分组用 Viridis
顺序(Sequential)有大小的连续值(销量、温度、人口密度)Blues / Viridis / Magma对销量梯度用彩虹
发散(Diverging)有零点 / 中间值(盈亏、温差、偏差)RdBu / PuOr对盈亏用 Viridis(无零点)

配色具体推荐

分类色板(前 8 个 hex)

Tableau 10:
#4E79A7 #F28E2B #E15759 #76B7B2 #59A14F
#EDC948 #B07AA1 #FF9DA7 #9C755F #BAB0AC

顺序色板(Viridis 9 阶)

#440154 #482878 #3E4A89 #31688E #26828E
#1F9E89 #35B779 #6DCD59 #FDE725

发散色板(RdBu 9 阶)

#67001F #B2182B #D6604D #F4A582 #F7F7F7
#92C5DE #4393C3 #2166AC #053061

Y 轴起点规则

图类型起点
柱图 / 条形图必须从 0
折线图可不从 0,但要标注
散点图 / 热力图按数据范围

字号 / 层次

元素字号
标题18-24pt
副标题12-14pt
轴标签10-12pt
数据标签8-10pt

移动端:×1.2-1.5 倍。

标题写法

2025 年各季度销量2025 销量 Q3 起回暖,主推产品贡献 60%
用户活跃度趋势周末活跃度比工作日低 30%,需调整推送策略
各部门人均产出销售部人均产出第一,是技术部的 2.4 倍

原则:标题给结论,副标题给上下文,轴标签给单位。

色盲友好

  • 颜色 ≠ 唯一编码——配合形状 / 线型 / 纹理 / 标签
  • 避免红绿主导(8% 男性红绿色盲)
  • Coblis 模拟测试

数据标签策略

场景策略
柱图 ≤ 10 根全标
柱图 > 10 根只标头部 + 异常
折线图标首末 + 极值
饼图 / 环形图全标(百分比 + 数值)
散点图不标个体,标聚类中心
热力图单元格内标值

常见反模式

  1. ❌ 用饼图比较 5% vs 6%——肉眼分不清
  2. ❌ 柱图 Y 轴不从 0——视觉欺骗
  3. ❌ 双轴图两轴可任意调——制造虚假相关
  4. ❌ 3D 饼图 / 3D 柱图——透视失真
  5. ❌ 彩虹色板做顺序数据——非感知线性
  6. ❌ 折线连接非时序类别——误导成趋势
  7. ❌ 颜色作唯一编码——色盲不友好
  8. ❌ 标题写”主题”不写”结论”——读者还要自己看图找重点

实操流程

  1. 先想”读者最该看出什么结论” → 写到标题里
  2. 按数据意图选图表类型(决策树)
  3. 按数据维度选色板类型(分类 / 顺序 / 发散)
  4. Y 轴 / 字号 / 标签按规则
  5. 缩到 1/4 大小看缩略图——主标题和趋势还能识别就 OK
  6. 用色盲模拟器看一遍
  7. 移动端预览——字号 / 间距是否够大

好图的标准是 3 秒看懂。每多 1 秒解读时间,读者就少 50% 留下来。

❓ 常见问题

做图表怎么选类型?柱图、折线、饼图什么时候用什么?

先问"数据要表达什么意图",再选图五种主要意图 → 推荐图表:(1) 比较(A 比 B 大多少) → 柱图(垂直)/ 条形图(水平,类别名长时用);(2) 趋势(随时间变化) → 折线图(多条线 ≤ 5 根)/ 面积图(强调累积);(3) 占比(各部分在整体中比例) → 堆叠柱图(多类别多时点)/ 饼图(仅 2-5 类、且差距明显时)/ 树状图(层级占比);(4) 分布(数据散落在哪些值上) → 直方图(连续数据分箱)/ 箱线图(多组对比 + 异常值)/ 小提琴图(密度形状);(5) 关系(两变量是否相关) → 散点图(两变量)/ 气泡图(三变量)/ 热力图(矩阵相关性)。反模式:用饼图比较细微差异(5% vs 6% 视觉上看不出来)、用 3D 柱图(透视失真)、用折线连接没有时间顺序的离散类别(误导成"趋势")。

"分类色板"和"顺序色板"有什么区别?什么时候用哪个?

配色按数据维度分三大类:(1) 分类色板(Qualitative)——用于互无大小关系的类别,色相要差异大、亮度要相近,避免误导出"主次"。如品牌色、地区分组、产品线。代表:Tableau 10、ColorBrewer Set2 / Paired。用色数 ≤ 8——人眼最多记住 7 种颜色,超过就看不清。(2) 顺序色板(Sequential)——用于有大小排序的连续值,单一色相从浅到深,亮度梯度明显。如温度、人口密度、销量排名。代表:ColorBrewer Blues、Viridis、Magma。(3) 发散色板(Diverging)——用于有"中间值"或正负的数据,两端用对比强的色相、中间用中性色。如温度(冷蓝-暖红,中间灰)、收益率(亏损红-盈利绿,零点白)、相对基准的偏差。代表:ColorBrewer RdBu、PuOr。常见误用:本来应该用顺序色板的数据用了彩虹色——不同色相之间没有"大小"暗示,读者无法直观判断 "红色比蓝色大吗",相反 Viridis 用单色梯度任何人都看得出深浅。

为什么"彩虹色板"被推荐用在科学可视化但很多专家反对?

彩虹色(红橙黄绿蓝紫)有三大问题:(1) 非感知线性——色相变化不与亮度线性对应,黄色区域感知亮度突高,导致中间值被"突出";(2) 色盲不友好——红绿色盲(约 8% 男性)看红绿无差异,整个色板退化;(3) 印刷打印失真——黑白打印后顺序错乱(黄色亮过红色但语义上红色应更"高")。替代方案:(a) Viridis / Plasma / Inferno / Magma——matplotlib 团队设计,单调亮度递增、色盲友好、黑白打印保留顺序;(b) Cividis——专为色盲优化的蓝-黄渐变;(c) Turbo(Google 2019 改良彩虹)——保留彩虹的视觉吸引力同时修正了感知线性。结论:科学论文、地图、热力图首选 Viridis 系;只有在"明确需要彩虹的视觉冲击力"且色盲不是主要受众时才考虑彩虹。

饼图和环形图哪个更好?什么时候不能用饼图?

环形图比饼图略好——中央留白可放总数 / 标题,且消除了中心点对视觉判断的干扰。但两者都有共同弱点:人眼判断角度面积比 远不如判断长度——同一份数据,柱图能看出 5% 差异,饼图要 15% 才看得出来。饼图的硬性禁用场景:(1) 类别数 > 5——视觉上分不清;(2) 各类别占比相近(如四份各 23-27%)——肉眼几乎看不出谁大;(3) 多个饼图并列对比——不如改用堆叠柱图或表格;(4) 有"其他"占大头的——意味着前几名都不重要;(5) 加 3D 透视——前后切片视觉面积失真。适合饼图的场景:(a) 2-3 个类别、差距明显(如 70% vs 30%);(b) 强调"X 占整体的一大半 / 一小部分"的视觉印象;(c) 不需精确数值对比,只要传递粗略占比。通用建议:能用条形图的别用饼图,要用饼图的请加上数值标签。

Y 轴起点应该从 0 开始吗?

柱图必须从 0,折线图可以不从 0柱图用长度编码数值——柱子长度比 = 数值比,Y 轴起点不从 0 会把"5% 差异"显示成"50% 差异",构成视觉欺骗。折线图用位置编码数值——重点是"变化趋势 / 形状"而非"绝对长度",从 0 开始反而可能让小幅变化看不出来(如股价从 100 到 105,从 0 起点看几乎是直线)。经济学人 / Financial Times 的折线图常常截断 Y 轴聚焦关键区间——这是合理的,但要明确标注"Y 轴未从 0"或加波浪线提示。散点图 / 热力图:起点更灵活,按数据范围自由选择。陷阱:(1) 双轴图两轴起点不一致 → 任意操纵相关性;(2) 自动缩放算法默认 Y 轴范围紧贴数据 → 柱图看起来夸张,折线图看起来正常——不同图类型要分别配置。操作建议:柱图永远 yMin: 0、折线图按数据特征选择并显式标注。

图例放哪里?标题怎么写?

图例位置三种主流:(1) 图右侧——传统位置,类别多时滚动可读;(2) 图顶部——节省横向空间,移动端友好;(3) 嵌入数据点旁(如折线末端)——免去视觉跳跃,但布局复杂。图例顺序:与数据视觉顺序一致——堆叠柱图从上到下、折线图按末端高度排序。标题原则:标题要给"结论"而非"主题"——差的标题"2025 年各季度销量",好的标题"2025 销量 Q3 起回暖,主推产品贡献 60%"。副标题/注解——可选放置数据来源、单位、调整说明、关键事件标记。字号建议:标题 18-24pt、副标题 12-14pt、轴标签 10-12pt、数据标签 8-10pt——保持层次感。移动端:所有字号 ×1.2 - 1.5 倍、单位简写("万元" → "万")、长类别名截断 + tooltip 显示全称。

数据标签全部都标 vs 全部不标 vs 只标关键点,哪个对?

只标"读者关心的关键点"全部标的问题——视觉拥挤,重点被淹没;全部不标的问题——读者要悬停 / 估算才能拿到精确值,仪表盘 / 报告场景体验差。关键点选择策略:(1) 首末值 + 极值——折线图标起点、终点、最高、最低四个点足够;(2) 阈值标签——业务阈值(如目标值 100)画水平线 + 文字注解;(3) 对比基准——如同比变化 +12% / -8%,用色块或符号强化;(4) 异常点——突变 / 异常值单独标,附带原因(如"3.15 政策调整")。柱图建议:(a) 数据少(≤10 根)全标;(b) 数据多则只标头部 / 异常 / 总数。反模式:标签遮挡柱子顶部、标签字体颜色与背景对比度不足、负值标签飞到柱子下方导致与坐标轴混淆。

做图表如何照顾色盲读者?

最简单粗暴:除颜色外额外用形状 / 纹理 / 标签编码同一信息——这是 WCAG 的硬性要求:"不要用颜色作为唯一传达手段"。具体做法:(1) 折线图——线型(实线 / 虚线 / 点划线)配合颜色;(2) 散点图——形状(圆 / 方 / 三角)配合颜色;(3) 柱图——可加纹理或斜线填充(避免色盲混淆同色相不同饱和的情况);(4) 地图色块——色彩 + 标签数值;(5) 告警色——用 ✓ ✗ 符号 + 颜色双重标识。色板选择:用 ColorBrewer / Viridis / Tableau 自带的"色盲安全"标记色板(cb-friendly)。测试工具Coblis 上传图模拟色盲视图。红绿对比是最危险的——8% 男性 / 0.5% 女性是红绿色盲,"亏损红 / 盈利绿"配色对他们等同两个深灰柱子。改用红蓝、橙紫、深浅渐变都更安全。

📈 打开 图表制作 13 种财务图表·Excel 粘贴/导入·配色主题可定制·模板下载·PNG/SVG 导出

📖 同一工具的其他教程