数据可视化和信息可视化都是可视化的一种方式，数据可视化将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。
信息可视化，旨在把数据资料以视觉化的方式表现出。信息可视化是一种将数据与设计结合起来的图片，有利于个人或组织简短有效地向受众传播信息的数据表现形式。
接下来，小编将会带大家梳理一下可视化相关内容与大家分享，今天为大家带来的是数据图表类型分享。
数据可视化的图表类型
数据可视化有很多既定的图表类型，下面我们分别来谈谈这些图表类型适用场景，以及使用的优势和劣势。
1、柱状图
适用场景：它的适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较。优势：柱状图利用柱子的高度，反映数据的差异。肉眼对高度差异很敏感，辨识效果非常好。劣势：柱状图的局限在于只适用中小规模的数据集。
2、折线图
适用场景: 折线图适合二维的大数据集，尤其是那些趋势比单个数据点更重要的场合。它还适合多个二维数据集的比较。
优势：容易反应出数据变化的趋势。
3、饼图
适用场景：适用简单的占比图，在不要求数据精细的情况下可以适用。劣势：饼图是一种应该避免使用的图表，因为肉眼对面积大小不敏感。
4、漏斗图
适用场景：漏斗图适用于业务流程比较规范、周期长、环节多的流程分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在。优势:能够直观地发现和说明问题所在。在网站分析中，通常用于转化率比较，它不仅能展示用户从进入网站到实现购买的最终转化率，还可以展示每个步骤的转化率。劣势:单一漏斗图无法评价网站某个关键流程中各步骤转化率的好坏。
5、地图
适用场景：适用于有空间位置的数据集。优劣势：特殊状况下使用。
6、雷达图
适用场景：雷达图适用于多维数据（四维以上），且每个维度必须可以排序。但是，它有一个局限，就是数据点最多6个，否则无法辨别，因此适用场合有限。劣势：需要注意的时候，用户不熟悉雷达图，解读有困难。使用时尽量加上说明，减轻解读负担。
