数据可视化（上篇共上中下3篇）

数据可视化1数据可视化基础2数据预处理3数据可视化图表的设计与优化4数据可视化的类型目录/contents5市场数据可视化6客户数据可视化7商品数据可视化8店铺运营数据可视化目录/contents项目一数据可视化基础第一部分认知数据可视化在计算机科学中，数据是所有能输入计算机并被计算机程序处理的符号的介质的总称，是用于输入电子计算机进行处理，具有一定意义的数字、字母、符号或模拟量。计算机存储和处理的对象十分广泛，表示这些对象的数据也随之变得越来越复杂。数据经过加工后就成为信息。两者既有联系，又有区别。数据是信息的表现形式和载体，可以是符号、文字、数字、语音、图像、视频等。而信息是数据的内涵，信息是加载于数据之上对数据做的具有含义的解释。数据和信息是不可分离的，信息依赖数据来表达，数据则生动具体表达出信息。数据是符号，是物理性的；信息是对数据进行加工处理之后所得到的、能够对决策产生影响的数据，是逻辑性和观念性的。数据是信息的表现形式，信息是数据有意义的表示。数据是信息的表达载体，信息是数据的内涵，它们之间是形与质的关系。数据本身没有意义，数据只有对实体行为产生影响时才成为信息。（一）数据一、数据可视化的概念1模式，指数据中的规律。比如，城市交通流量在不同时段差异很大，而流量变化的规律就蕴含在海量传感器源源不断地传来的数据中。2关系，指数据之间的相关性。无论数据的总量和复杂程度如何，数据间的关系大多可分为三类：数据间的比较、数据的构成以及数据的分布或联系。3异常，指有问题的数据。异常的数据不一定都是错误的数据，有些异常数据可能是设备出错或者人为输入错误，而有些可能就是正确的数据。（二）数据可视化数据可视化主要从数据中寻找三个方面的信息：模式、关系和异常。（一）让数据变得易于理解人类大脑对图形类视觉信息的处理能力要优于对文本信息的处理能力，而数据可视化能将复杂的数据转换为更加形象的图形符号，在看起来错综复杂的数据之间建立起联系，使数据之间的关系变得清晰、易懂，让数据变得易于理解，从而让人们更容易发现数据背后的规律和特征。图1-2所示为消费者喜欢浏览国潮内容的原因统计分析，采用条形图展示统计分析结果，看起来更加直观、清晰、易懂，令人印象深刻，能够让阅读者一眼就看出大多数消费者是因为喜欢购买国潮、国货商品，想了解“国货之光”而浏览国潮内容。2二、数据可视化的意义（二）让人们更方便地分析数据数据可视化并非将数据简单地转换为图形符号，它采用一种合乎逻辑、易于理解的方式呈现数据，让数据实现自我解释，从而让人们更方便地对数据进行分析。图1-3所示为消费者购买决策价值模型。通过观察、分析影响消费者做出购买决策的因素，可以看出在购买商品时，消费者最关心、最看重的是商品质量。因此，对于商家来说，应该高度关注商品质量，“低价竞争”并不可取。2二、数据可视化的意义（一）科学可视化1．标量场可视化标量指单个数值，即在每个记录的数据点上有一个单一的值。标量场指二维、三维或四维空间中每个采样处都有一个标量值的数据场。12．向量场可视化向量场在每一个采样点处是一个向量（一维数组）。向量代表某个方向或趋势，如来源于测量设备的风向和漩涡等、来源于数据仿真的速度和力量等。23．张量场可视化张量是矢量的推广：标量可看作0阶张量，矢量可看作1阶张量。张量场可视化方法分为基于纹理、基于几何和基于拓扑三类。3三、数据可视化的分类科学可视化的基础理论与方法已经相对成形。早期的关注点主要在于三维真实世界的物理化学现象，因此数据通常表达在三维或二维空间，或包含时间维度。鉴于数据的类别可分为标量（密度、温度）、向量（风向、力场）、张量（压力、弥散）等三类，科学可视化也可粗略地分为三类。（二）信息可视化三、数据可视化的分类与科学可视化相比，信息可视化的数据更贴近人们的生活与工作，它包括地理信息可视化、时变数据可视化、层次数据可视化、网络数据可视化、非结构化数据可视化等。常见的地图是地理信息数据，属于信息可视化的范畴。现在很多地图不仅仅有地理信息，还有很多其他信息，如交通流量数据等。时变数据可视化采用多视角、数据比较等方法体现数据随时间变化的趋势和规律。时变型数据是一种随着时间变化、带有时间属性的数据。在实际应用中，时变型数据数量大、维度多、变量多，而且类型丰富，分布范围广泛，特别是在各类传感器网络、移动互联网应用中，以流模式生成的流数据是一类特殊的具有无限长度时间轴的时变型数据。在网络数据可视化中，网络数据不具备层次结构，关系更加复杂和自由，如人与人之间的关系、城市道路连接、科研论文的引用等。非结构化数据可视化通常是将非结构化数据转化为结构化数据后，再进行可视化显示。（三）可视分析学三、数据可视化的分类可视分析学被定义为一门以可视交互界面为基础的分析推理科学。它综合了图形学、数据挖掘和人机交互等技术（图1-4右图），以可视交互界面为通道，将人的感知和认知能力以可视的方式融入数据处理过程，形成人脑智能和机器智能优势互补和相互提升，建立螺旋式信息交流与知识提炼途径，完成有效的分析推理和决策。图1-4左图诠释了可视分析学包含的研究内容。其中，感知与认知科学研究在可视分析学中起到重要作用；数据管理和知识表达是可视分析学中从构建数据到知识转换的基础理论；地理分析、信息分析、科学分析、统计分析、知识发现等是可视分析学的核心分析方法；在整个可视分析过程中，人机交互必不可少，用于控制模型构建、分析推理和信息呈现等整个过程：可视分析流程中推导出的结论与知识最终需要由用户传播和应用。1Excel是一款方便、快捷的数据可视化工具，它不仅能够处理、计算、分析大量数据，还能制作迷你图、折线图、饼图、柱形图、条形图等可视化图表。（一）Excel2PowerBI是一款功能强大的商业智能分析和可视化工具，能够实现数据的获取、清洗、建模和可视化展示等操作。（二）PowerBI3Tableau内置了常用的分析图表和一些数据分析模型，可以快速实现探索式数据分析，并制作数据分析报告。（三）Tableau四、数据可视化的常用工具五、数据可视化的发展方向数据规模大，已超越单机、外存模型甚至小型计算集群处理能力的极限，而当前软件和工具运行效率不高，需探索全新思路解决该问题。在数据获取与分析处理过程中，易产生数据质量问题，需特别关注数据的不确定性。数据快速动态变化，常以流式数据形式存在，需要寻找流数据的实时分析与可视化方法。多来源数据的类型和结构各异，已有方法难以满足非结构化、异构数据方面的处理需求。面对复杂高维数据，当前的软件系统以统计和基本分析为主，分析能力不足。0105040302数据可视化存在的问题：（二）可视化技术与人机交互技术的紧密结合可视化的目的是反映数据的数值、特征和模式，以更加直观、易于理解的方式，将数据背后的信息呈现给目标用户，辅助其做出正确的决策。但是通常，我们面对的数据是复杂的，数据所蕴含的信息是丰富的。（四）处理数据能力的弹性变化可视化技术应该针对不同规模的数据进行优化设计，并且具有可扩展性，以满足不同组织、不同时期的需要。（三）可视化技术广泛应用于大规模、高维度、非结构化数据的处理与分析目前，我们处在大数据时代，大规模、高维度、非结构化数据层出不穷，若将这些数据以可视化形式完美地展示出来，将提高可视化技术展示抽象信息、解决复杂决策问题的能力。（一）可视化技术与数据挖掘技术的紧密结合数据可视化可以帮助人类洞察出数据背后隐藏的潜在规律，进而提高数据挖掘的效率，因此，可视化与数据挖掘紧密结合是可视化研究的一个重要方向。数据可视化拓展视频第二部分数据可视化流程与设计原则（一）可视化的基本流程一、数据可视化流程32411.数据获取可视化的研究对象是数据，数据获取方式多种多样，一般分为主动获取和被动获取两种。4.用户感知可视化映射后的结果只有通过用户感知才能转换成知识和灵感。用户从数据的可视化结果中进行信息融合、提炼、总结知识和获得灵感。2.数据处理与变换可视化的基础是数据处理与变换。直接获取的原始数据通常包含无效或错误信息，需要先进行数据检查与清洗，然后通过属性合并、聚类、降维和转换等方式进行预处理，最后通过数据抽象从数据中抽取出共同特性，并加以描述形成模型。3.可视化映射与视图转换可视化映射与视图转换是可视化流程的核心。需要将数据的不同属性映射为可视化视觉通道的不同元素，如形状、位置、颜色和大小等。科学可视化的早期流水线由哈勃（Haber）和麦克纳布（McNabb）提出，如图1-6所示。该模型描述了从数据空间到可视空间的映射过程，主要包含数据分析、数据过滤、数据的可视映射和可视化绘制四个阶段。此流水线广泛应用于科学计算可视化系统中。卡德（Card）、麦金利（Mackinlay）和施耐德慢（Shneiderman）提出了信息可视化参考模型。信息可视化主要包括数据变换、可视化映射和视图转换三个过程，并结合用户交互将整个流程改进成回路，该模型是目前最具有代表性、最被业内所认可的信息可视化参考模型，后来绝大多数著名的信息可视化系统和工具都支持、兼容这个模型。（二）数据可视化的模型卡德（Card）、麦金利（Mackinlay）和施耐德慢（Shneiderman）提出了信息可视化参考模型。信息可视化主要包括数据变换、可视化映射和视图转换三个过程，并结合用户交互将整个流程改进成回路，该模型是目前最具有代表性、最被业内所认可的信息可视化参考模型，后来绝大多数著名的信息可视化系统和工具都支持、兼容这个模型。（二）数据可视化的模型德国可视化领域专家DanielKeim等人提出了可视分析参考模型，如图1-8所示。从数据到知识，一种是交互式可视化方法，即将数据进行可视化呈现后，用户通过交互对可视化结果进行修正和分析推理；另一种是自动数据分析方法，即从数据中提炼出数据模型，用户调节参数以修正模型。可视分析将交互式可视化方法和自动数据分析方法相结合，既可以对可视化结果进行交互以构建数据模型，也可以基于模型构建可视界面进行参数调优，从而实现庞大、复杂数据集的迭代分析、推理和决策。（二）数据可视化的模型为了保证用户获取数据信息的效率，可视化展示的信息要适度。若展示的信息过少则会使用户无法很好地理解信息，若包含过多的信息则可能造成用户的思维混乱，甚至可能会导致错失重要信息。最好的做法是向用户提供对数据进行筛选的操作。（一）数据筛选原则在设计数据到可视化的映射时，设计者不仅要明确数据语义，还要了解用户的个性特征。如果设计者能够在可视化设计时预测用户在使用可视化结果时的行为和期望，就可以提高可视化设计的可用性和功能性，有助于帮助用户理解可视化结果。（二）数据到可视化的直观映射原则优秀的可视化展示，首先使用人们认可并熟悉的视图设计方式。简单的数据可以使用基本的可视化视图，复杂的数据则需要使用或开发新的较为复杂的可视化视图。（三）视图选择与交互设计原则可视化设计者在完成可视化的基本功能后，需要对其形式表达（可视化的美学）方面进行设计。有美感的可视化设计会更加吸引用户的注意，促使其进行更深入的探索。因此，优秀的可视化设计必然是功能与形式的完美结合。（四）美学原则二、可视化设计原则二、可视化设计原则用一种事物去理解和表达另一种事物的方法称为隐喻(Metaphor)。隐喻作为一种认知方式，参与人对外界的认知过程。与普通认知不同，人们在进行隐喻认知时需要先根据现有信息与以往经验寻找相似记忆，并建立映射关系，再进行认知、推理等信息加工。解码隐喻内容，才能真正了解信息传递的内容。（五）适当运用隐喻原则颜色在数据可视化领域通常被用于编码数据的分类或定序属性。有时，为了便于用户在观察和探索数据可视化时从整体进行把握，可以给颜色增加一个表示不透明度的分量通道，实现对背景颜色的透过程度的控制。该通道可以有多种取值，当取值为

1时，表示颜色是不透明的；当取值为0时，表示该颜色是完全透明的；当取值介于0

和1之间时，表示该颜色可以透过一部分背景的颜色，从而实现当前颜色和背景颜色的混合，创造出可视化的上下文效果。（六）颜色与透明度选择原则0506谢谢观看数据可视化1数据可视化基础2数据预处理3数据可视化图表的设计与优化4数据可视化的类型目录/contents5市场数据可视化6客户数据可视化7商品数据可视化8店铺运营数据可视化目录/contents项目二数据预处理第一部分数据的采集按照数据资料的性质可以将数据来源分为一手资料与二手资料。一手资料主要是经过自己直接收集、整理及从直接经验中所获得的资料，而二手资料主要是他人的经验或成果。一手资料来源主要包括用户访谈情况、问卷调研情况、产品前台反馈的数据和后台数据及用户的行为数据四类（图2-1）。二手资料来源主要包括研究报告和文献资料。（一）按照数据资料的性质划分一、商务数据的来源按照数据来源的范围可以将数据来源分为外部数据和内部数据。下面以互联网企业为例来进行说明，其外部数据包括以下四类。（1）社会人口数据：人口的概况、人口的分布、人口的素质、民族的构成等。（2）宏观经济数据：生产总值、国民生产总收入、消费水平等。（3）新闻舆论数据：新闻的广告、舆论的监测等。（4）市场调研数据：渠道、广告、产品及价格方面的调研数据。内部数据包括用户行为数据、服务端日志数据、客户关系管理（CustomerRelationshipManagement，CRM）数据和交易数据等。其中，用户行为数据指用户在网站的停留时间、跳出率及回访率等。（二）按照数据来源的范围划分一、商务数据的来源（三）按照数据来源的对象划分一、商务数据的来源（1）点击流数据：平台页面的访问数、浏览数，以及在页面的停留时间等数据。（2）业务运营数据：销售额、订单量、客户购买数量等直接数据主要存放在企业资源计划系统、CRM系统等系统中。1.日常采集数据（1）实验测试数据：为了分析某些专题临时采集的数据，如网站改版数据、用户体验优化数据等。（2）用户调研数据：通过问卷调查、客户访谈等定性调研方式获取的用户数据。2.专题获取数据（1）行业发展数据：一般来自第三方咨询公司发布的免费行业数据报告，通过与行业发展数据进行对比，可以找出自身的不足，并从中挖掘出有用的行业信息。（2）竞争对手数据：对竞争对手数据进行分析，是发现自身优劣的有效的方法和途径。3.外部环境数据010203（一）识别信息需求识别信息需求既是管理者的职责，也是确保数据分析过程有效的首要条件。数据采集切忌大而全，管理者应根据决策和过程控制的需求提出对信息的长远和当前阶段的需求，从而让数据的采集更有针对性，分析更有目的性，执行更加高效。要准确地识别信息需求，管理者需要运用各种指标。指标常被用来衡量具体的运营效果，如浏览量、销售额、转化率等指标。指标的选择源于具体的业务需求，类似于杜邦分析法，首先要找到分析的核心指标，然后在此基础上将其与关键事件或行为结合，逐级分解为多项指标的乘积，以此来分析企业的经营绩效。二、商务数据的采集流程0ABCD（1）人口属性：由性别、年龄、职业、爱好、国家、城市、地区等方面的具体指标来衡量。（2）设备属性：包括使用的平台类型、设备品牌、设备型号、屏幕大小、浏览器类型、屏幕方向等。（3）流量属性：表现为访客来源、广告来源、广告内容、搜索词及页面来源等。（4）行为属性：包括用户活跃度、用户是否注册、是否下单、是否支付等行为。（二）明确分析对象（三）按需求采集数据明确分析对象以后，接下来的工作就是按需求采集数据。首先，由数据需求人员整理出需求的数据指标和分析的维度，然后由技术人员带着需求和分析目标来采集数据。这样不仅能避免因为数据冗余而无从下手，也能避免全量采集数据之后却不知道要分析什么的尴尬。数据需求人员和技术人员的协同，能够有效地提升后期数据分析的效率。二、商务数据的采集流程三、商务数据的采集方法《连线》（《Wired》）杂志创始主编凯文·凯利曾经说过：“不管你现在从事什么工作，未来都是数据的生意。”尽管如此，目前在国内也只有BAT（百度、阿里巴巴、腾讯）这类有强大技术团队的企业才能“玩转”数据。很多中小型企业或者个人想要“拥抱”大数据时代带来的福利，往往很难。如图2-2所示。三、商务数据的采集方法23145（五）网络爬虫网络爬虫（简称爬虫），是一种按照一定的规则自动抓取万维网信息的程序或脚本，被广泛应用于互联网搜索引擎或其他类似网站。它可以自动采集所有其能够访问到的页面内容，以获取或更新这些网站的内容和检索方式。（四）业务数据库互联网产品后端大都有业务数据库，其中存储了销售量、订单量、购买用户数等指标数据。（二）用户访谈在访谈之前，我们首先要确定访谈目标，然后设计访谈提纲，接着选择访谈对象，并对访谈及相应的情况进行记录，最后对访谈结果进行分析。（三）网站日志使用网站日志对用户数据及相应行为进行分析的优点是能够保证用户的使用行为可查询。（一）问卷调研在进行问卷调研时，调研者需要首先考虑样本的容量，然后是内容的设计，并按照“确定调研目标→设计问卷→投放问卷→问卷收集汇总→调研结果分析”的步骤展开调研。三、商务数据的采集方法（六）第三方统计平台1.数据埋点一般通过数据埋点捕捉到的数据有以下三层。第一层是基础层，如活跃用户量、新增注册用户数等前端数据。第二层是页面统计。第三层是行为统计，通常也被称为“事件统计”。2.无埋点的第三方统计平台——百度统计等以百度统计、友盟、TalkingData等为代表的无埋点的第三方统计平台，通过嵌入相关的SDK，利用其前端技术进行用户数据统计。3.有埋点的第三方统计平台——神策数据等为了满足现在电商企业要求获得更细致、更为全面的数据，以及实时的统计分析需求，市场上出现了许多数据采集和分析服务商，如以神策数据为代表的有埋点的第三方统计平台。它们除了能够提供用户基本属性信息、访问渠道等数据，还可以根据企业的需求对用户的行为进行更为细致的数据采集。4.有埋点+无埋点的第三方统计平台——数极客等还有一种是以数极客为代表的，同时支持有埋点和无埋点两种技术采集数据的第三方统计平台。目前，数极客已经能够采集上百个维度的数据，在客户制定的不同维度的数据采集和分析的自由度上，它处在有埋点的平台和无埋点的平台之间。数据采集行业拓展视频第二部分数据的清洗关键词商务数据清洗要遵循一定的规范和原则，这个规范和原则是数据分析人员根据业务需求制定的。同时，数据清洗是一个反复进行的过程，需要在清洗过程中不断地发现问题、处理问题，直到将“脏数据”转化为满足数据质量要求、能够服务于数据分析目标的数据。常见的数据清洗主要针对以下几种数据类型。（1）缺失数据。这类数据主要是应该有的信息不完整，如供应商的名称、客户的区域信息、业务系统中主表与明细表不能匹配。1（2）错误数据。这类数据产生的原因是业务系统不够健全，在输入数据后没有进行判断就直接写入后台数据库。2（3）重复数据。这类数据需要将重复记录的所有字段导出，让客户确认并处理。3一、商务数据清洗概述（一）缺失数据查找处理在数据采集过程中，缺失数据通常表示为空值或错误标识符（#DIV/0!）。为了保证数据的完整性，客户可以运用一些统计学方法查找缺失数据并对其进行清洗。在查找缺失数据时，按“Ctrl+G”组合键，打开表格的定位功能，选择其中的错误单元格或空值单元格，进一步查找数据表中的错误值和空值。在操作中，如果样本量较大，缺失数据较多，可以定位样本中的所有空值单元格，然后按“Ctrl+Enter”组合键，在选中的空值单元格中一次性输入样本的平均值。当缺失数据较少时，可以将缺失数据前后若干天数据的平均值作为代替数据。二、数据处理方法（二）重复数据查找处理二、数据处理方法1.条件格式法利用表格条件格式中的突出显示重复值功能，可以将重复数据及其所在单元格突出显示为不同的颜色。3.函数法除了以上两种方法之外，也可使用函数法筛选重复数据。表格数据分析工具最大的优势在于其自带的功能完善的函数库。该处使用的是COUNTIF函数。COUNTIF函数可以对指定区域中满足某个指定条件的单元格计数。2.高级筛选法使用表格的“高级筛选”功能可以快速筛选不重复的记录。4.数据透视表法采用数据透视表法可完成重复数据的清洗处理工作。（三）数据排序数据排序是按一定顺序将数据排列，以便研究者通过浏览数据发现一些明显的特征或趋势，找到解决问题的线索。除此之外，数据排序还有助于检查纠错，以及为重新归类或分组提供方便。数据排序操作步骤如下。步骤1：打开数据源，找到“店铺SKU销售详情表.xlsx”文件。步骤2：选择数据区域。鼠标移至C列，单击选中“支付金额”指标，如图2-11所示。步骤3：选择“排序和筛选”选项卡，单击降序符号“”按钮，如图2-12所示。步骤4：在弹出的对话框中，选中“以当前选定区域排序”单选按钮，然后单击“排序”按钮，如图2-13所示。二、数据处理方法（四）错误数据处理除了缺失数据和重复数据外，还会出现一些数据不规范的情况，如错误数据。对错误数据的处理，首先需要查找和识别产生数据错误的原因，然后再对错误数据进行处理。二、数据处理方法谢谢观看数据可视化1数据可视化基础2数据预处理3数据可视化图表的设计与优化4数据可视化的类型目录/contents5市场数据可视化6客户数据可视化7商品数据可视化8店铺运营数据可视化目录/contents项目三数据可视化图表的设计与优化第一部分数据可视化图表的设计如果数据区域十分规则，则选择某个单元格或数据区域，然后单击Excel上方的“插入”，找到“图表”一栏，如图3-1所示，即能生成对应的图形。（一）插入图表命令一、数据图表的基础制作方法如果觉得不方便，可以单击“图表”一栏右下角的扩展按钮，找到“所有图表”并从中选择，如图3-2所示。Excel数据源可以连续，也可以非连续，用户可以根据需要选定对应的数据区域。对连续区域，可直接拖选或者按Shift键选择；而对非连续区域，则需要按住Ctrl键进行选择。这里把去重后的数据作为数据源。如果想要查看法人单位排名前五的省份及对应的数量，将涉及两列数据，因此是非连续数据区域，需要按住Ctrl键选择两列数据，插入一个柱形图后便能得到如图3-3所示的结果。（二）选定数据区域绘制图表一、数据图表的基础制作方法实际应用中我们时常会根据需求对坐标轴和数据类型进行修改。在特殊图表的绘制中会根据不同图表讲述更多具体的方法与技巧。进行坐标轴格式的设置需要找到“设置坐标轴格式”对话框，一般有三种方法可以打开这个对话框（数据点与数据类型的格式设置与坐标轴类似），如图3-4所示。方法1：直接双击想要修改的横、纵坐标轴。方法2：选择想要修改的坐标轴，单击鼠标右键，在弹出的快捷菜单中选择“设置坐标轴格式”命令，如图3-5所示。方法3：选中坐标轴，找到“格式”选项卡，单击“设置所选内容格式”，如图3-6所示。（三）设置坐标轴和数据系列格式一、数据图表的基础制作方法实际应用中我们时常会根据需求对坐标轴和数据类型进行修改。在特殊图表的绘制中会根据不同图自动生成的图表还有部分重要信息没有显示，需要手动添加图表元素，常用的图表元素有坐标轴标题和数据标签。图表元素的添加一般有以下两种方法。方法1：找到生成的图表右边绿色的“+”，可以快捷添加图表元素，如图3-7所示。方法2：在上方的“图表设计”选项卡中找到“添加图表元素”，如图3-8所示。其中“线条”和“涨／跌柱线”选项显示为灰色，是因为前者只在堆积柱形图、堆积条形图、折线图中才有，而后者只在折线图中才能使用。（四）添加图表元素一、数据图表的基础制作方法图表的修改是基础但却很重要的操作，不仅可以帮助用户快速改变呈现图表的类型，而且在高级图表绘制时经常会通过修改“组合图”来得到想要的结果。图表的修改一般有以下两种方法。方法1：选中整个图表并单击鼠标右键，在弹出的快捷菜单中选择“更改图表类型”命令，如图3-9所示。方法2：在“图表设计”选项卡中单击“更改图表类型”，如图3-10所示，打开如图3-11所示界面，可以看到有多种图表类型以供选择，还可以导入之前保存的模板。在“组合图”一栏中，由于只选择了一个图表类型，因此无法进行后续操作。图表的复制和删除也是较为基础的操作。选择图表，按“Ctrl+C”快捷键，然后单击工作表中的某个单元格或另一个工作表中的单元格，再按“Ctrl+V”快捷键，就可以把图表复制到相应的位置。直接选中图表按Delete键即可删除图表。（五）对图表进行修改、复制和删除一、数据图表的基础制作方法（六）格式化图表一、数据图表的基础制作方法6.网格线网格线是绘图区内的线条，有水平网格线和垂直网格线之分。5.坐标轴一般情况下一个二维图表有两个坐标轴，其中横坐标（x轴）常用来表示分类型数据，而纵坐标（y轴）常用来表示数值型数据。1.图表区图表区指整个图表，包括坐标轴、数据、标题等。4.数据点数据点是数据系列的一部分，“广东”这个柱形就是一个数据点。2.绘图区绘图区是由横、纵坐标轴围成的区域图形，也就是数据系列和网格线所在的位置。3.数据系列数据系列是一组数据点组成的集合。（一）图表制作的一般原则二、数据图表的设计原则（1）根据需要选择合适的图表或表格类型。（2）图表的布局、设计、配色等要基于成果的表达并能突出重点，太多的留空或脏乱的配色等会导致读者在阅读时分心。（3）图表要满足最大化数据墨水比原则，即每滴墨水都应当有存在的理由且发挥其最大的价值。（4）图表设计应考虑读者的理解水平，做到各图表之间有一定的独立性，使得读者在没有看到正文的情况下也能看懂图表所表达的含义。（二）图表类型选择的误区与原则二、数据图表的设计原则23145（5）关系类数据主要关注两个变量之间的关系情况，常会伴随“与……有关”“随着……的增长”等字眼出现。（4）比较类数据关心数据之间的排名情况，可以按照想要强调的方式任意排序。此时可以采用条形图。（2）趋势类数据常见于时间序列分析中，会随着时间的推移而产生变化，这时可以采用折线图来呈现相等时间间隔下数据的趋势。（3）分布类数据关心数值范围内包括了多少内容，常会伴随“频率分布”“集中”等字眼出现，此时可以使用传统的柱形图来展示，x轴显示分类标签，y轴显示对应的数值或指标。（1）组成类数据主要表示每个部分占整体的百分比，常用来展示占有量、市场份额等，这时可以使用饼图比较组成及分析数据分布。（三）图表的布局与字体规范二、数据图表的设计原则1.合理布局无论选择哪种基本图形，Excel默认生成的图表总会以如图3-16所示的形式呈现，即主要由图表区、绘图区和标题组成。但这种布局其实是存在一定问题的：绘图区占据过多的位置且两侧存在空白，标题不够明显，空间利用率不够高等。而观察实际的商务图表，以图3-17所示的商务图表为图3-16Excel图表默认布局例，此图表标题突出，同时绘图区两侧没有空白，空间利用率高。在实际绘制中，也应该丰富完善图表的布局，保证标题突出，图表要素齐全，图表的空间利用率高，没有过多的留白区域等。2.使用简洁的字体商业图表非常注重字体的选择，字体也能直接体现制图者的风格。Excel2016的新建文档默认字体为宋体11号，一般用户很少会去修改，这样千篇一律的图表字体很难做到效果突出。因此，如果想要修改字体又想避免出错，可以将表格中的数字设置为Arial字体，8～10号大小，中文使用黑体效果较好，而且在其他计算机中显示也不会变形。（四）最大化数据墨水比原则二、数据图表的设计原则著名的世界级视觉设计大师EdwardR.Tufte曾在其经典著作《TheVisualDisplayofQuantitativeInformation》中首先提出并定义了data-inkratio（数据墨水比）的概念并给出相关的公式，即数据墨水比等于图表中用于数据的墨水量与总墨水量的比值。其中图表中的柱形、折线、扇区等代表数据信息的就属于数据墨水，而网格线、坐标轴、填充