資料視覺化入門：如何選擇正確的圖表類型？

一張好的圖表能在幾秒內傳達數百行數字背後的故事；一張糟糕的圖表卻讓讀者更加困惑。資料視覺化的核心技能不是會用工具，而是知道什麼情境該用哪種圖表。本文從基礎出發，建立你的選圖判斷框架。

1. 資料視覺化的目的

在選圖之前，先問自己一個問題：「我想讓讀者看到什麼？」

資料視覺化的主要溝通目的可以歸納為四類：

確定目的後，選圖就有了明確方向。

2. 常見圖表類型與適用情境

2.1 長條圖（Bar Chart）

長條圖是比較類別數值最直觀的工具。每個長條的長度代表數值大小，讀者能立即看出哪個類別最高或最低。

• 適用：比較不同產品的銷售量、各國家的 GDP、各部門的員工人數
• 注意：類別超過 10 個時，視覺會變得擁擠，考慮篩選或分組
• 直條 vs 橫條：類別名稱較長時改用橫條圖，文字更易閱讀

2.2 折線圖（Line Chart）

折線圖專為時間序列與趨勢設計。連續的資料點以線段相連，強調數值隨時間的變化走勢。

• 適用：股票價格、網站流量、溫度變化、月銷售額趨勢
• 注意：Y 軸不要從非零值開始，否則會誇大波動幅度（除非有明確的理由）
• 多條折線：同一張圖最多比較 4–5 條線，超過容易混亂，使用不同顏色並加上圖例

2.3 圓餅圖（Pie Chart）

圓餅圖展示部分與整體的比例關係。每個扇形的面積代表該類別佔整體的百分比。

• 適用：市場占有率、預算分配、問卷選項分佈
• 注意：切片超過 5 個時，人眼難以分辨角度差異，建議改用堆疊長條圖
• 致命缺陷：圓餅圖無法清楚比較相近的數值；兩個 30% 和 32% 的扇形，視覺上幾乎無法區分

2.4 散布圖（Scatter Plot）

散布圖用來探索兩個連續變數之間的關係。每個資料點在 X 軸與 Y 軸的位置分別代表兩個變數的值。

• 適用：身高與體重的關係、廣告費與轉換率、溫度與用電量
• 閱讀重點：點群是否呈現向右上傾斜（正相關）、向右下傾斜（負相關）、或無規律分布（無相關）
• 進階：加入趨勢線（迴歸線）可更清楚呈現相關方向與強度

2.5 面積圖（Area Chart）

面積圖是折線圖的變形，在折線下方填滿顏色，強調數量的累積感與整體規模。

• 適用：網站總流量的變化、多個產品的累積銷售額
• 堆疊面積圖：可同時展示各組成部分的趨勢與整體趨勢，但超過 3–4 個類別時可讀性下降

3. 選圖決策流程

遇到不確定選哪種圖的情況，可以按照以下流程判斷：

4. 常見視覺化錯誤

4.1 Y 軸截斷

將 Y 軸起點設為非零值（如從 90 開始而非 0），可以人為放大微小的差距，讓變化看起來比實際劇烈。除非有明確的數據範圍理由，Y 軸應從 0 開始。

4.2 3D 圖表

3D 效果會讓人難以準確判斷長條的高度或扇形的面積，純屬視覺干擾。除非資料本身需要三個維度，否則避免使用 3D 圖表。

4.3 過多顏色

超過 7 種顏色的圖表讓人難以對照圖例。顏色應有意義地使用：相同類別用相同顏色，需要強調的資料點用對比色，其餘保持中性色。

4.4 雙 Y 軸濫用

雙 Y 軸圖表（左右各一個刻度）容易誤導讀者認為兩條線有相關性，即使它們毫無關聯。使用時必須清楚標注每條線對應的軸。

5. 使用線上圖表工具

不需要安裝任何軟體，線上圖表工具即可讓你快速將數據轉為圖表：

• 輸入或貼上你的數據（通常是表格格式）
• 選擇圖表類型
• 調整標題、顏色、圖例等外觀設定
• 匯出為圖片或向量圖供簡報、報告使用

對於臨時性的資料呈現與溝通，線上工具比試算表軟體更快；對於需要精確品牌視覺的正式報告，可搭配配色工具統一顏色風格。

6. 小結

選擇正確的圖表類型，比讓圖表「看起來漂亮」更重要。記住三個核心原則：

• 先問目的：是比較、趨勢、比例還是關聯？
• 匹配資料：資料類型決定可用的圖表範圍
• 越簡單越好：能用一張清晰的圖說明，就不要用兩張複雜的

良好的資料視覺化不是炫技，而是讓數字說話——讓讀者在最短的時間內理解你想傳達的訊息。