Keynote 动态设计教程 #13 用图表讲故事，你做对了吗？
::
13. 基本图表的用法
图表，就是通过图形化的方法将数据可视化，清晰有效地呈现数据，让数据的变化趋势和内在关系一目了然。回想一下你看过的发布会、精彩的 TED 演讲、设计精良的研究报告......其中那些让人印象深刻的图表，共同点都是透过数据来讲「故事」。其目的可能是为了让你相信某件事，或作出某个决定。不管它们的意图是什么，好的图表，都在帮助我们理解数据背后的意义。
在幻灯片制作中，图表毫无疑问是非常重要的组成部分。优秀的图表设计辅以恰当的动画效果，能让演示变得生动有趣。在开始图表的动态设计之前，我们需要先了解几种常见图表的正确用法。
这些图表你用对了吗？
——
选择合适的图表类型，是讲好「故事」的第一步。尤其在配合演讲的幻灯片制作中，由于观众的注意力主要集中在「听」上面，很难详细地阅读、分析每一个具体数据，因此图表的呈现一定要简单易懂，让观众一眼就能清晰了解所要传递的信息。在选择图表类型之前，需要考虑清楚，通过图表要解释或强调的是哪一类问题。
1. 通过数据对比体现差异
比如下面这类问题
❝
什么产品卖得最好
几月份销量最高
什么话题最受关注
多数人更倾向哪个选择
❞
如果你希望通过对比体现数据之间的差异，可以使用柱形图、条形图、饼图、环形图等图表。这些图表将多组数据并列呈现，可以轻松地识别数据中的最大或最小值，也可以用来比较当前数据与旧数据是增长还是降低。比如，用来解释「什么产品最受欢迎」、「几月份产品销量最高」等问题。使用这类图表时，我们往往比较强调其中的最大值或最小值。
▲ 柱形图
柱形图利用高度反应数据的差异。由于人眼对高度的差异比较敏感，辨识效果比较好，是最常用也是最容易解读的图表。当柱状图中的 X 轴是时间维度时，通常用同一颜色的柱子，如果 X 轴不是时间维度时，用颜色区分每根柱子更容易让观众理解。
▲ 条形图
条形图就是调换了 X 和 Y 轴方向的柱形图，辨识度基本一致。使用柱形图还是条形图，主要根据排版需要来选择。当数据比较多，且类别标签或数值标签较长时，使用条形图会更有利于排版。当需要呈现的是随时间变化的数据对比，使用柱形图更为合理。
▲ 饼图
饼状图用于显示整体的组成比例，但由于肉眼对面积的识别不够敏感，当组成部分比较多时，饼状图的可读性比较差。当反映某个部分占整体的比重时，比较适合使用饼状图。
▲ 环形图
环形图和饼图的用法一致，其优点在于可以利用圆环中镂空的区域来放置百分比或其它信息，有利于节省版面空间，比较适合用于对比两个或多个占比数据。（注：Keynote 中的图表工具没有环形图，需要另辟蹊径来制作）
2、变化趋势比数据点更重要
比如下面这类问题
❝
市场占有率变化趋势
空气质量变化趋势
用户增长趋势
❞
如果你希望呈现的并非某个具体的数值，而是随时间变化而产生的变化趋势，可以使用折线图、面积图、双轴图、柱形图等。这类图表可以展现相对值（占比），也可以展现绝对差。通常可以用于解释「市场占有率变化趋势」、「用户增长趋势」等问题。
折线图展示了数据随时间变化的趋势，适合比较大的数据集，尤其是变化趋势比单个数据点更重要的场合。折线图也适用于多个数据集的对比。
▲ 柱形图
当展现数据随时间而变化的趋势时，该使用折线图还是柱形图，需要理解自己的数据属于什么类型。时间数据可以分为离散时间和延续时间两种。在离散型的时间数据中，数据来自某个具体的时间点或时段。比如图中每年双11的销售额就是离散型的数据，当11月11日这天过去，事件就结束了，连续两个数据之间没有中间值，没有持续的变化。而类似温度这样的数据就是延续型的，任何时刻它都存在，而且一直在变化。 因此，当你的时间数据是离散型的时候，采用柱形图比较合理，因为折线图中两个点之间的连线代表了「中间值」，而离散型时间数据不存在「中间值」。
▲ 面积图
面积图通常用来表现多个类别的整体运行趋势，当它用来展示单组数据时，和折线图并无本质区别。面积图的视觉效果很出色，但类别过多时，辨识度会大大降低。
▲ 双轴图
当需要在同一个图表中同时呈现多组类型各不相同数据集时（比如有的是绝对数量，有的是百分比），比较适合采用双轴图。双轴图可以呈现多组数据的变化趋势以及它们之间的关系。
3、对数据的组成部分进行分析
比如下面这类问题
❝
不同区域的市场占有率
不同年龄段的消费意愿
不同类别产品的销售占比
不同问题的支持率
❞
如果你希望展示多组数据集，并且对组成部分进行比较，可以使用饼图、环形图、堆叠图（包括堆叠柱形图、堆叠条形图、堆叠面积图等）。这类图表可以展现相对值（占比），也可以展现绝对差。通常可以用于解释「在不同的区域能占多少市场份额」、「不同年龄段的消费意愿如何」等问题。
由于幻灯片比例的关系，可利用的高度有限，堆叠柱形图比较适合组成部分比较少，且数值差异相对明显的数据集。
▲ 堆叠条形图
堆叠柱形图和堆叠条形图的用法一致，可根据实际排版需求以及数据复杂程度来选择。当需要对比的数据集比较多，或组成部分比较复杂时，堆叠条形图的可读性更佳。当需要展示的是随时间变化的数据集，使用堆叠柱形图更合理。
▲ 堆叠面积图
堆叠面积图比较适合于呈现部分与整体的变化关系。相比其它图表，我们可以很明晰地看出，不同的类别在不同时间段上对于整体累计数据所做出的贡献差异以及变化趋势。
4、揭示数据的分布及其相关性
比如下面这类问题
❝
人均寿命与 GDP 的关系
广告支出与产品销量的关系
收货天数与客户满意度的关系
❞
如果你希望解读几组变量之间的关系，用于发现数据的相关性、异常值、分布特征，可以使用散点图和气泡图。这些图表通常可以用于探寻「广告支出与产品销量之间的关系」、「不同地区 GDP 与人均寿命的关系」等问题。但需要特别谨慎的是，不要把数据之间的相关性简单等同于因果关系。
▲ 散点图
散点图使用于三维的数据集，但只有两维需要进行对比，可以揭示数据的分布特征，及两个不同变量之间的关系。经常用散点图来表现的几种趋势有：正相关、负相关、无关、线性相关、指数相关、离群值等。
▲ 气泡图
气泡图是散点图的变体，通过每个气泡的面积大小来反映第三维，优势在于可以一次比较三个变量。
不要使用有问题的数据
——
即使你只想通过数据来讲故事，也应该对所使用的数据保持质疑的态度。当你从某个网站或机构拿到数据时，应该对其来源、真实性和可信度进行判断。在录入数据时，也要避免错误和遗漏。
比如饼图的数值总和应该等于100%，看似很简单，但往往最容易出错。
这里有一个真实的例子，为了让这篇教程中的图表更有说服力，我搜集了很多真实的数据，其中有一张这样的图表：
我将图中的数据进行相加，发现其总和只有 99.72%。面对这样的数据，首先应该想办法找到源头进行验证，如果找不到只能放弃不用。无论如何，千万不要使用有问题的数据。
让图表便于比较
——
数据可视化的目的就是要让数据的解读更加简单，尤其是多组数据放在一起对比时，一定要很容易地识别出差异。在选择图表类型时必须从观众的角度去思考，或者从周围的同事、朋友那里获得反馈，看看他们是否能轻松读懂这些图表。
同样的数据，上面哪个图表更容易进行比较？
几何上的正确性
——
还有一种常见的错误，不是数据本身有问题，而是利用图形来表现数据时，计算维度上出现了偏差。比如柱形图，利用矩形的高度来表现数据差异，只用到了一个维度。而气泡图，则是利用面积来表现数值，如果只用直径或半径来考虑，就会导致比例出现错误。当然，如果你使用 Keynote 或 PowerPoint 的图表工具来自动生成时，不用担心这种出现这类错误。但有时，为了设计需要，自己绘制图形来展示数据，就需要认真考虑几何上的正确性。
正确 ✔︎
上图中的两个气泡，应该利用面积大小来对比其差异。根据数据比例，气泡 B 的面积应该是 A 的4倍。利用圆形面积公式 S=πr² （r为圆形半径）来推导的话，B 的半径应该为 A 的2倍。
错误 ✘
而上图中的两个气泡，用直径来进行对比，将气泡 B 的直径设置为气泡 A 的4倍，气泡 B 的面积实际上是 A 的16倍，导致比例完全错误。
最后，补充几点小建议
演讲幻灯片中的图表不要加入过多细节
利用色彩将注意力引向关键信息
不要歪曲数据本来的意图
注明数据来源
适当加入注解
课后练习
——
请将下列数据表格制作为图表
①
2010～2015 年五大城市群人口增量及增幅
数据来源：中国指数研究院
②
跑步健身 App 用户年龄分布
数据来源：极光大数据
③
热门户外运动男女兴趣差异
数据来源：马蜂窝数据研究中心
④
2009～2016 年中国在线旅游市场交易规模
数据来源：艾瑞网
⑤
国民人工智能产品/服务使用情况
数据来源：头条用户问卷
⑥
2016 年部分热门手机新品上市数量及市场占比
数据来源：腾讯大数据
小饿班学员请尽快完成以上作业
并将幻灯片源文件以邮件形式提交
稍后我会在群内进行点评和讲解
——
加入「小饿班」Keynote 学习社群，
请长按识别图中二维码， 订阅专栏「小饿班」。
这个群的口号是
爱较真的人，在这里格外合群。
特别提示
付款后请在订阅号「小饿大课堂」给我留言，
收到消息后我会第一时间联系你入群。
从头开始