目录
简单数据可视化矢量图
数据分析
其他可视化图表：
逻辑分析、层次分析导图
条柱图：标准条/柱形图、分组条/柱形图、堆栈条/柱形图、组合图
直方图
散点图
饼图
线图：折线图、曲线图、阶梯图
面积图：标准面积图、堆栈面积图、百分比面积图
茎叶图：数据首位（根据情况选定位数）作为茎，数据末尾作为叶。
箱线图：主要由最大值、最小值、上四分位（Q3）、中位数（Q2）、下四分位（Q1）、异常值构成。我们一般认为合理数据在区间（Q1-1.5*△Q,Q3+1.5*△Q）内，其中△Q=Q3-Q1，超出此范围则为异常值（同时也可结合实际情况进行判断）。此外，箱线图还可粗略估计数据偏态分布，当中位数偏向上四分位时，数据呈右偏态；当中位数偏向下四分位时，数据呈左偏态。
P_P图：反映变量的积累比例与指定分布的积累比例的关系图，当数据点呈线性分布的时候，观测样本越趋近给定分布。
Q_Q图：二元分位数分析。斜率为标准差，截距为均值。
误差分析图：分为系统误差和随机误差，衡量观测的精确度（包括测量的准确度和模型选取是否合理）。根据实际情况绘图即可。
残差分析图：表征取样的合理性，即样本是否具有代表性。
概率分布图：表述随机变量取值的概率规律，常用的如正态分布、指数分布等。
漏斗模型（三角图）：一般表述转化率（如营销客户转化），由上而下代表不同层级，转化率逐级降低并形成漏斗形状。
金字塔模型：不同层次依然由上而下分布，但处于上层的是重要的（或数量较少）的层次，并按重要性（或数量）逐级递减（递增）。
等高线图：有二维、三维等高线图。在数据分析中，高度表示为该点的数量或出现次数，该指标相同则在一条环线（或高度）处。
标签云（词云）：由出现频率较高的词或标签排列而成，主要用于数据挖掘。
雷达图：即将一个样本的各项指标所得的数字或比率，就其比较重要的指标集中划在一个圆形的图表上，来表现一个样本各项指标重要比率的情况，使用者能一目了然的了解样本各项数据的变动情形及其好坏趋向。
百分比圆环盘：
南丁格尔玫瑰图：一种圆形的直方图，更易于观察，更加美观。
气泡图：气泡图（bubble chart）是可用于展示三个变量之间的关系。它与散点图类似，绘制时将一个变量放在横轴，另一个变量放在纵轴，而第三个变量则用气泡的大小来表示。
鱼骨分析图：发现问题根本原因的分析方法。问题的特性总是受到一些因素的影响，通过头脑风暴找出这些因素，并将它们与特性值一起，按相互关联性整理绘制。
5W1H分析图：思考分析图，What（要完成什么任务？有哪些要点难点？） how （怎样完成该任务？用哪些方法技术？）where （何地完成？）when（何时完成） who（何人完成？） why（为什么要这么做？评估检验）。可以提高任务效率，简化任务步骤。
树状图：简单树状图、放射树状图。树图是一种流行的利用包含关系表达层次化数据的可视化方法。从一个项目出发，展开两个或两个以上分支，然后从每一个分支再继续展开，依此类推。有助于思维从一般到具体的逐步转化。树图是研究多元目标问题的一般工具。
其中，放射树状图为圆环形，中心为节点，放射端为叶，数据的度量为射线长度。
思维导图：思维导图是一种将思维形象化的方法。我们知道放射性思考是人类大脑的自然思考方式，每一种进入大脑的资料，不论是感觉、记忆或是想法——包括文字、数字、符码、香气、食物、线条、颜色、意象、节奏、音符等，都可以成为一个思考中心，并由此中心向外发散出成千上万的关节点，每一个关节点代表与中心主题的一个连结，而每一个连结又可以成为另一个中心主题，再向外发散出成千上万的关节点，呈现出放射性立体结构，而这些关节的连结可以视为您的记忆，就如同大脑中的神经元一样互相连接，也就是您的个人数据库。
Venn图：表述集合关系。
算法流程图：设计算法是程序设计的核心。为了表示一个算法，可以用不同的方法。常用的有自然语言，流程图，伪代码，PAD图等。这其中以特定的图形符号加上说明，表示算法的图，称为算法流程图。算法流程图包括传统流程图和结构流程图两种。
绘制工具有Visio。
