圖表類型選擇
一句話定義
依資料關係、比較目的、受眾理解成本與圖型限制，選擇最不會誤導讀者的資料視覺化形式；核心不是「哪種圖好看」，而是「哪種圖讓關係最容易被正確讀懂」。
核心要點
先問三個解讀問題
2026-05-07-即學即用的圖像資訊表達課 C3 把解讀圖表拆成三問：
- What：圖表呈現的是什麼關係？
- How：資料從哪裡來，可信度與定義是否一致？
- Why：這些數字背後的原因與脈絡是什麼？
→ 圖表類型選擇不是最後的美化步驟；在選圖前，資料定義與比較目的必須先被釐清。
常見圖型家族
| 家族 | 圖型 | 適合關係 | 常見風險 |
|---|---|---|---|
| 圓形 | 圓餅圖 | 部分對整體、少量分類占比 | 類別太多、總和不是 100%、3D / 橢圓變形、只看比率不看實際值 |
| 圓形 | 泡泡圖 | 大小差異、三變數比較 | 面積感知不精準、泡泡重疊遮蔽 |
| 圓形 | 散佈圖 | 兩變數關係、相關性與群聚 | 受眾不熟悉時需要說明，否則讀不出趨勢 |
| 方形 | 長條圖 | 類別比較、排名 | 非零基線、多色無邏輯、排序混亂、間距不當 |
| 方形 | 直方圖 | 連續數值分布 | 區間不連續、X 軸間距不一致、被誤用成長條圖 |
| 方形 | 矩形樹狀圖 | 階層比例、組成面積 | 人眼不擅長精準比較面積 |
| 線型 | 折線圖 | 時間趨勢、變化 | 時間範圍不完整、資料定義不一致、雙 Y 軸誤導 |
| 線型 | 堆疊區域圖 | 總量與組成隨時間變化 | 填色與排列順序會讓中間層難比較 |
| 線型 | 桑基圖 | 起點到終點的流量關係 | 起點 / 終點總量不一致時容易失真 |
| 空間 / 其他 | 統計地圖 | 地區差異、空間分布 | 未依母體標準化、色階太少或語意不清 |
| 空間 / 其他 | 雷達圖 | 多維度輪廓比較 | 精準比較困難，適合看大致形狀而非精確值 |
| 空間 / 其他 | 文字雲 | 詞頻粗略感知 | 只適合快速感受，不能取代嚴謹文字分析 |
圖型選擇的四條紀律
- 先判斷關係，再選視覺形式：比例、比較、分布、趨勢、流量、空間與文字頻率需要不同圖型。
- 比較必須有共同基準：長條圖與直方圖常見錯誤都與基線、區間或排序有關。
- 面積不是精準比較工具：泡泡圖與矩形樹狀圖很有視覺吸引力，但人眼對面積差異不敏感，適合看大略而非細節。
- 顏色應輔助分類或強調，不應製造新分類：色階、色相與強調色要服務資料關係，並與 無障礙設計 的多通道紀律相容。
問卷分析場景的簡化對照
2026-05-07-SurveyCake-問卷設計原則技巧分析篇 把問卷結果視覺化壓成四個常見關係：
| 想呈現的關係 | 常見圖型 | 判斷重點 |
|---|---|---|
| 比較（Comparison） | 長條圖、折線圖 | 類別或時間點之間誰高誰低 |
| 結構（Composition） | 堆疊長條圖、圓餅圖 | 整體由哪些部分組成 |
| 分布（Distribution） | 直方圖、散布圖 | 樣本如何分散、集中或出現離群 |
| 關係（Relationship） | 泡泡圖、散布圖 | 兩個以上變數是否有關聯 |
這個對照適合作為問卷後台報表的入門選型，但仍要回到資料型態、樣本品質與受眾理解成本；工具自動產生圖表不代表那張圖就是正確呈現。
工具不是選圖邏輯
課程提到 Google Sheets、Flourish、Data Studio 與文字分析工具，但工具只能降低製作門檻，不能替代選圖判斷。先有資料關係與受眾目標，再決定工具是否適合。
BI / dashboard 場景的快速選型
2026-05-09-IBM-Excel-Cognos資料視覺化儀表板筆記 把 Excel / Cognos 課程中的圖型壓成 BI 工具常見的用途對照：
| 圖型 | 適合關係 | 補充判斷 |
|---|---|---|
| Line chart | 數值隨時間或順序變動 | 適合趨勢，不適合精確比較每個類別大小。 |
| Pie chart | 少量類別的比例占比 | 類別太多或需要精確比較時應改用長條圖。 |
| Bar / column chart | 類別數值互相比較 | 共同基準清楚，是 dashboard 最穩定的比較圖型。 |
| Stacked bar chart | 組成比例與總量同時呈現 | 分組過多會讓中間層難比較，需控制類別數。 |
| Treemap | 複雜階層或大量類別的面積占比 | 適合看大致組成，不適合精準讀值。 |
| Funnel chart | 不同階段的連續流程 | 適合轉換漏斗，但每階段定義必須一致。 |
| Scatter / bubble chart | 趨勢、群集、兩變數或三變數關係 | 需要標題與註解降低解讀門檻。 |
| Sparkline | 快速看單一指標的小趨勢 | 適合表格或 dashboard 卡片內的微型趨勢，不適合承載完整分析。 |
這組對照的價值不在新增圖型，而在提醒：dashboard 常把許多圖型壓在同一頁，選型錯誤會被放大成整頁判讀錯誤。
文字也是一種選型
2026-05-09-Justry-Google必修圖表簡報術讀書心得 補上一條常被忽略的判斷：如果要溝通的資料只有一兩個數字，直接使用文字、數字或改變幅度，可能比硬做圖表更清楚。圖表類型選擇的第一個選項不是「哪一種圖」，而是「這件事是否需要圖」。
三個元命題
- 圖型是論述的一部分——選圖等於告訴讀者「你應該怎麼比較這些資料」。
- 不熟悉的圖型需要額外說明成本——散佈圖、桑基圖、雷達圖等不一定錯，但若受眾不熟悉，標題、註解與案例要補上。
- 能不做圖就不要做圖——若關係用一句話、數字或表格更清楚，硬做圖表只會增加視覺成本；這延續 圖表設計 的元紀律「只有最重要的部分才應該做成圖表」。
與其他概念的關係
- 與 圖表設計：本頁由圖表設計拆出，專門處理圖型選擇、限制與常見錯誤；圖表設計 保留原則、可用性、無障礙與系統化層。
- 與 資訊設計：圖表選擇是資訊設計中處理量化資料的一個分支；先有 KQ 與受眾情境，再有圖型。
- 與 資訊層級：圖表類型決定資料關係，資訊層級決定圖表中哪個訊號被放大或壓低。
- 與 資料科學：資料分析產生結果，圖表類型選擇決定結果是否能被非分析者理解。
- 與 網站分析 / Goal-Signal-Metric：指標被定義後，仍需要合適圖表讓趨勢、比較與異常被看見。
- 與 簡報設計：簡報中的圖表需額外考慮遠距離閱讀、講述節奏與頁面空間；同一資料在 dashboard 與簡報中可能要選不同圖型或拆成多頁。
- 與 資料故事化：資料故事需要用圖表支持數據觀點，但選圖仍要回到關係本身；例如圓餅圖適合直觀比例印象，若故事要精確比較差異，直條圖通常更清楚。
- 與 商業分析 / 資料團隊影響力：BI dashboard 的圖型選擇會影響洞察能否被業務、產品與管理層正確讀懂；圖型不是工具預設，而是決策語言的一部分。
相關來源
- 2026-05-09-IBM-Excel-Cognos資料視覺化儀表板筆記 — IBM Excel / Cognos 課程筆記；補入 BI / dashboard 場景常見圖型用途，特別是 funnel chart、sparkline 與 Cognos 工具語境。
- 2026-05-09-矽谷簡報女王用數據說出好故事 — 補入資料故事化場景中的圖型判斷：圓餅圖只適合直觀比例印象，精確大小差異應改用直條圖。
- 2026-05-09-Justry-Google必修圖表簡報術讀書心得 — 補入少量資料可直接用文字 / 數字呈現，以及圖表倫理與受眾驗證。
- 2026-05-07-即學即用的圖像資訊表達課 — C3「資料視覺化的圖表選擇與工具教學」；本頁主來源。
- 2026-05-07-SurveyCake-問卷設計原則技巧分析篇 — 補入問卷分析場景中的比較 / 結構 / 分布 / 關係四類視覺化選型。
- 2026-05-06-60分鐘打造質感簡報-資訊圖表 — 簡報場景中的圓環圖、長條圖、折線圖選型與降噪流程。
- 2026-05-02-蘋果與谷歌圖表設計大揭秘 — Apple / Google 系統化圖表設計來源；提供 What / How / System 與無障礙圖表原則。