编辑导语：一个图表的生成背后是有其结构和逻辑的。本文作者介绍了图表的生成过程，讲述了图表的基本结构、数据的相关内容以及可视化过程中的步骤等。有兴趣的话，一起学学吧。希望对你有帮助。

我在上一篇文章中提到过，我是在今年3月份转行到低代码产品领域的，转行后我负责的第一个模块就是图表。

几乎所有的图表产品都包括两个部分：数据源和可视化，我负责数据可视化部分。

在我之前的理解中，数据可视化其实就是各种图表。清楚了解每个图表的应用场景就足够了。比如你要知道柱状图、折线图、环形图的区别，这就够了。

但在负责低代码产品的图表模块后，我需要让用户通过拖拽的方式构建不同类型的图表，这就需要产品经理明白一个图表在原理上是如何生成的。

这个从底层逻辑到业务应用的推演非常有趣，当然对我入门低码图表模块也非常重要。

我想把它写出来，也想和大家分享一下如何从底层认识一个我们之前以为自己比较了解的产品。

01

图表的结构通常图表秀如下图所示：它包括两部分：数据源和数据可视化。

数据源领域斗地主破解版无限金豆其实就是通过各种方式得到一个基本的表格。这图表个基本表代表了我们记录的业务的所有详细数据。典型的基本表格格式是1 N，第图表作文英语作文模板一行是记录信息所需的所有字段，第二-n行代表每个实体的具体信息。

举个例子，我可以用下表记录一所学校高领域造句一年级所有学生的基本信息。

从第二行开始，我将输入每个学生的信息。假设现在有五一张白色空白图片个学生，这个基本表的信息可以显示为，这是可视化系统的标准数据源。

顺带一提，虽然本文不谈数据源，但是数据结构的确定是可视化的重要前提，非常非常重要。当我们要构建业务数据模领域英语型时，我们必须弄清楚需要添加哪些字段，以及每个字段的类型是什图表目录如何生成么。

可以有很多领域，但一定是缺一不可的。如果一开始我们没有星座字段，有一天你突然有一一张白色空白图片个想图表法，我们可以看看学校里不同星座的学生图表秀比例，这意味着底层的数据模型会被改变。此时，使用此模型的领域的意思解释所有图表都可能受到影响。

回到正题，“可视化”就是把我们想看到的结论用更直观的方式呈现出来。

它满足划分词类的一个目的是讲述的用法两个要求：第一，必须直观。为此，我们应该发明了许多不同的图表类型，这将在后面讨论；其次，它必须支持我们希望看到的结论。没图表目录有目标的视觉化是没有用的。

我将可视化部分总结为三个具有前后顺序的动作：数据分组，数据计算和可视化。这也是本文的重点，我会详细讲解。

02

数据分组就是确定从什么角度看什么数据，这与我图表制作们要分析的结论密切相关。事实上，当我们准确地描述我们想要看到的结论时，我们已经无形中确定了我们的数据分组。

比如我们领域造句想看不同班级学生如何瘦脸的成绩，那么“不同班级”就是我们的细分视角，“班级”这个字段就成了我们的维度。

分组后，我们可以根据class的这个字段的图表类型不同值，将基本表分成以下几个表：一张

在上述结论中，隐含的另一个重要概念是指数。分了不同的班级之后，我们要看的不是年龄，也不是星座，而是中考成绩。指标就是我们想看到的数据。

维度和指标确定后，真图表秀正的数据分组就完成了。应该是以下三组表。

03

数据计算，就是给指标附上一个具有统计意义的值。这个值是从指标字段的明细数据图表秀中计算得来的，也可以说是聚合得来的，所以我们一般叫做聚合函数。

例如对于 2 班的两个学生来说，划分唯物主义和唯心主义的标准是中考分数分别为 560 和 572，如果我想看大家的平均分，那就是对这两个明细数据求平均，如果我想看每个班学生的最高分呢，用的就是求最大值函数。

相同的明细数据经过不同的聚合函数作用后，会得到不同的结果，因而聚合函数直接反映了我们想要统计的目标。

如果我们想要评估的是不同班级学生的底子水平如何呢？那可能平均分是一个不错的聚合函数。但如果某些班级有中考加分的学生，而这里的分数是正常文化课的分数，那我们看平均划分唯物主义和唯心主义的标准是分可能就不客观了，这之后中位数应该是一个更好的选择。

无论如何，随着我们图表目录如何生成想要分析的结论图表标题怎么设置和明细数据的质量不同，我们选择不同的领域斗地主下载聚合函数，这个过程，就是数据计算。

经过数据计算之后，维度和指标就都有了统计含义，以平均分为例。

事实上，实际情况可能比这个复杂得多。实际场景中的维度可能不止一个，想要看的指标也不止一个，或者指标不是数字，这时候该怎么办呢？

04

聊聊维度嵌套和多划分词类的一个目的是讲述的用法指标。

什么时候我们会有维度嵌套呢，就是某一个单独的字段无法满足我们图表目录如何生成切分数据的需求。我们领域的拼音怎么写对上述的例子扩充一些样本来解释这个问题。

如果我想看不同班级中不同年龄学生的中考分数，那「不同班级中不同年龄」这个分组领域造句标准可以用一个字段分出来么？显然是不行的。

此时我们分组的角度会变成先看「班级」，再看「年龄」，这就是维度图表英语嵌套的情况，它是由两个字段合起来决定一个分组的。这时候的分组就会变成

• 1 班-15 岁-平均分；

• 1领域的拼音 班-16 岁-平均分；

• 1 班-17 岁-平均图表制作分；

• 2 班 -16 岁-平图表目录如何生成均分；

• 2 班-17 岁 -平均分；

• 3 班-16 岁 -平均分。

很明显，维度嵌套图表时，分组就变多了。理论上，维度可以一直嵌套下去，比如我在上述每一个分组的基础上，再按照星座去进一步细分组别。

当然，这只是逻辑上的可行性，是否需要这么分，完全要看「要得到目标结论是否需要这么分」，还是那句话，可视化建立在业务分析目标上的。

除了维度嵌套，还有多指标的情况。如果我想领域斗地主下载要看的是不同班级学生的年龄数据和中考分数数据，这时候「年龄」就不再是维度，而变成了指标。

多指标不存在嵌套的情况，每个指标都是独立计算的，所以相较于多维度来说，多指标的情况应该更简单一些。

05

在我小学的时候，其实图表坐标轴数值调整就已经接触过图表了，那时候所有的指标都默认是数字，所以他们可以做很多聚合运算。

但是当我做低代码产品的时候，我发现任何具有统计意义领域造句的字段都可以作为指标。具有统计意义和数字类型不一定是相等的：金额、年领域斗地主下载龄、分数，这划分句子成分的符号些数字类型的字段划分词类的一个目的是讲述的用法当然具有统计意义，但是你想过没有，文本类型的字段有没有统计意义呢？

还是上面那个表，如果 2 班的文艺委员，想图表坐标轴数值调整了解自己班上一共有多少个不同星座的学生，能不能统计呢？

可以。那不同的星座该怎么统计呢？这就要用到去重计数这个聚合函数。

所以，非数字类型字段作为指标时，如果具有统计意义，往往会用到计数和去重计数这两个聚合函数。

你只需要记住，非数字类型的字段也划分句子成分的符号是可以作为指标的。但并不是所有的都可以，如果某个字段存储的是一张照片，那确实就没啥统计的必要了。

有人问？难道我不能统计一堆照片的平均像素大小么？可以的，但这时候，照片和照片像素应该是两个字段，你要统计的，其实是照片像素这个字段，本质上还是一个数字类型的字段一张图诠释熬夜的危害。

06

讲到这里总结一下，基础表在可视化中需要完成两个基本的步骤，分组和计算。分组主要看维度和指标，计算主要看聚合函数。当然维度可以有多个，指标可以领域造句有多个。

接下来便是可视化的核心步骤，从数据到图划分读音表的映射，更简单一些，就是将表格承载的数据，变成可视化的图表。

目前市面上主领域的拼音流 bi 产品支持的图表类型非常多，常见的包括：透视表、指标卡、柱状图、条形图、折线图、面积图、组合图、饼图、散点图、雷达图、漏斗图、热力图、地如何知道手机被监视了图、桑基图等等。

我们以常见的柱状图为例来说明数据到图表的映射。

面对任何一种图一张银行卡可以绑定几个微信表，我们首先要想的是，维度和指标分别放在哪里，限制如何。

以柱状图为例，它的 x 轴一般作为维度，y 轴一般作为指标，且只有一个 x 轴和一个 y 轴，常见的用法如下：

这张图我们看到的就是不同学校有多少人获奖。

除此之外，还有第三个能够承载信息的元素是颜色，颜色也可以承载信息，它既可以是维度，也可以是指标，就看怎么用，如下图：

这种情况下，我的 y 轴就是三个指标字段共用了，用颜色这个元素来区分，但本质上，他们是被独立观察的三个指标。

我也可以用颜色承载维一张白图度，做维度的嵌套，看一个指标。

这时候，我们看的就是不同学校中不同如何找回网站历史记录状态的学生的获奖记录数据。

需要注意的是，一张图表中，图表秀颜色只能承载维度或者指标，不能同时兼任。

07

完成了数据到图表的映射之后，一如何找回访问过的网站张基本的图表就渲染出如何瘦脸来了。当然我们还可以给它配置更多的信息，比如标题，比如每个柱子上的数据标签，甚至用堆积柱状图看不同状态学生的百分比。

但是万变不离其宗，再丰富的展示样式背后，其实都是从数据源→如何提高英语阅读能力数据分领域的意思解释组→数据计算→可视化这一套系统流程，我们在脑子里思考后手动绘制也好，我们通过无代码的方式搭建出来也好，底层逻辑基本都是这一条链路。

掌握了底层逻辑，才能在处理不同场景下的应用问题时做到有条不紊。

08

说点题外话，当我刚刚接手图表这个功能模块的时候，有很多业务方提了各种需求过来，也有之前积压的很多遗留需求。那时候我如何查看信息历史记录觉得，真的好难。

面对每一个单点的一张图片笑死10亿人问题，虽然我能够通过自己做产品的基本素养去理解问题并提出解决方案，但解决这个问题和解决下个问题之间，我并没找到本质上的联系。

用经济学的话来说，我解决问题的边际成本是没有变的。

但是当我逐渐理解了一张图表背后的底层逻辑之后，很多问题在我看来都是划分读音一个问题，我开始梳理清楚了不同需求之间的关系和脉络。在这个时候我才逐渐觉得，这项新工作我应该是入门了。

我把这一切一张纸最多能对折多少次分享出来，也是希望大家，尤其是各位产品经理，在自己负责的领域内，努力找领域展开到你所能挖掘到的最深层次的通用逻辑。