技术文章

树形图是一种数据可视化，它使用不同大小和颜色的嵌套节点（矩形）显示分层数据，从而可以轻松发现数据模式或比较数据数量。

虽然树形图有时被归类为“分布”可视化，但我认为它主要被称为“部分到整体”可视化，显示数据集的类别（部分），这些类别（部分）加起来等于总（整体）值。

类别根据其价值占所分析总价值的百分比，按与其他类别的比例显示。

与可以说是最流行的从部分到整体的可视化（饼图）不同，树形图专为向下钻取场景而设计。它显示多个级别（表示为矩形）的数据点的相对权重，让您可以不断深入钻取较小矩形表示的数据集，以进行更有效的分析。

同时，树形图并不是为了传达数字量而设计的；目的是显示数据集值的相对排名和相对差异。

方形树状图

树形图最初设计用于可视化硬盘上的文件，现已应用于从财务分析到体育报道的各种领域（有序树形图布局，Ben Shneiderman，Martin Wattenberg， http: //www.cs.umd.edu/hcil/treemap-history/）。要以 Treemap 结构表示数据，有多种算法可供选择，例如 Squarified、Slice and Dice 和 Stripped，最常见的是 Squarified Treemap 算法。Reveal 使用 Squarified Treemap 算法，该算法适用于所有屏幕尺寸（桌面、Web、移动）和低宽高比的设备。

以下是 Reveal 中的方形树形图示例，按类型显示麦当劳商店。

在此示例中，树形图按州显示了麦当劳商店类型（独立店、加油站、购物中心等）的数量（计数）细目。通过Reveal 嵌入式分析，您可以在每个类别的工具提示中获取更多信息，例如按州计数，并且您可以深入了解每个树形图类别（州名称）以快速浏览州级别摘要的分析。钻取的数量仅受您的数据限制，例如，如果我们为城市或县添加额外的树状图层次结构，我们可以进行进一步的分析和钻取。

使用树形图可视化的最佳实践

与任何其他数据可视化一样，树形图可视化应在特定场景中使用。它不能解决与条形图或折线图等可视化相同的问题。它实际上是为了更复杂、更丰富的数据显示。

何时使用树状图

• 向下钻取分层数据（数据组织为树，具有分支和子分支）

• 说明类别（分支）和子类别（子分支）之间的相对权重和比较值的层次结构

• 显示需要紧凑、节省空间的可视化的大型数据集

• 当您想要提供一目了然的快速数据分析而无需精确值时。矩形的相对大小有助于快速识别模式和/或异常值

• 以有效利用空间。树形图可以在屏幕上同时清晰地显示数千个项目

何时不使用树状图

• 如果您正在讲述一个需要精确值的数据故事

• 如果您有负数据值

• 如果您有扁平的、非分层的数据（尽管使用没有向下钻取的树形图仍然可以，但它可能不是用于数据故事的最佳数据可视化）

• 如果您的数据大小相似 - 换句话说 - 如果用户将看到相同大小的矩形 - 这与上面列出的树形图最佳实践相反

与树状图可视化一起使用的数据示例

树形图最适合用于较大的数据集，这些数据集具有高度变化的定量值，需要以紧凑、节省空间的方式显示。树状图的数据场景可以包括：

• 按县划分的选举结果或按县划分的政党得票数

• 按类别、子类别按国家/地区划分的产品销售情况

• 按技术/地区/等划分的产品市场份额

• 按国家划分的产品类别出口

• 按产品部门划分的销售额

在 Reveal 中使用树状图

要了解有关 Reveal Treemap 图表的更多信息，请尝试以下优秀资源：

• 视频 –创建树形图可视化

• 文档 –使用 Reveal 树形图