当我们说了解数据中关键指标之间的基本关系对业务增长至关重要时，您会同意的。
为什么？
解决问题的关键是确定其根本原因。这意味着深入挖掘以揭示因果因素及其与您试图缓解的问题的关系。
这就是散点图的用武之地。
散点图最适合可视化数据以获得因果关系洞察力。使用这个富有洞察力且易于理解的图表来可视化数据不会给您带来压力，甚至不会浪费您的宝贵时间，尤其是如果您是 Google 表格的热心用户。
是的，你没有看错。
Google 表格带有非常基本的散点图模板，需要大量自定义才能与您的数据故事保持一致。
事实证明，您不必放弃这个免费增值数据可视化工具（Google 表格）。您可以使用第三方应用程序（附加组件）对其进行增强，以访问高度直观且易于解释的散点图示例。
本博客将引导您通过易于遵循的步骤开始使用此可视化。您会遇到大量散点图示例，帮助您快速开始讲述数据故事。在本博客中，您将学习：
- 什么是散点图？
- 散点图的用途
- 前 5 个散点图示例以及如何创建它们？带有散点图数据的分步指南
- 不同类型的散点图
- 使用散点图的优缺点
如果您的目标是将您的 Google 表格游戏提升到 A 级，那么您不想错过博客的其余部分。
在我们介绍我们承诺的散点图示例之前，让我们来看看定义部分。
什么是散点图？
散点图（也称为散点图、散点图或散点图）是一种使用笛卡尔坐标以点显示值的可视化设计。
此外，此图表提炼了沿 x 和 y 轴的点集合的关键见解。
那么什么时候应该使用这个图表呢？
散点图的用途：
使用散点图比较数据中的两个关键变量以确定它们的关系。例如，您可以使用此图表来跟踪数字营销中点击率和转化指标之间的关系。
在这种情况下，您可能想知道点击率 (CTR) 的增长是否会影响转化价值。
本质上，您可以使用散点图示例来确定关键数据点之间的关系或关联。
当您辨别您正在密切跟踪的关键指标之间存在的关系类型时，实际分析就会出现。您可以使用散点图来发现数据中两个关键变量之间隐藏的“因果”关系。
以下是您可以应用散点图示例以从原始数据中获得最大收益的场景。
- 数据中有成对的变量。
- 因变量对于与自变量相关的每个图形都有多个值。
- 有迹象表明数据中的两个变量之间存在关系。
如何在几次点击中创建散点图？完整的视频指南
前 5 个散点图示例以及如何创建它们？带有散点图数据的分步指南
本节包含大量散点图示例，可帮助您更快地开始使用此可视化。
正如我们之前所说，Google Sheets 等免费增值数据可视化工具带有非常基本的 Scatter Plot示例。您需要重新处理这些图表，这意味着要花费额外的时间。
如果您觉得自己已经超出了 Google 表格提供的基本图表，并且正在寻找隐藏的见解：试试 ChartExpo。
ChartExpo 是一个附加组件，您可以安装在 Google 表格和 Excel 中以访问高级图表，例如散点图。
ChartExpo 生成的图表非常容易解释。此外，它还加载了50 多个高级图表，您永远找不到免费增值数据可视化工具，例如 Excel 和 Google 表格。如果您想在 Excel 中创建散点图，可以参考我们的指南如何在 Excel 中制作散点图。
您无需学习编程或编码即可使用 ChartExpo。
在下一节中，您将遇到 5 个使用散点图生成器创建的散点图示例。
示例 1
想象一下，您想分析您附近的上学儿童的身高、体重和年龄。假设以下数据是您收集的数据。
| 年龄 | 高度 | 重量（公斤） | 重量图例 |
| 3 | 2.3 | 6 | 重量 |
| 4 | 2.4 | 9 | 重量 |
| 5 | 2.5 | 10 | 重量 |
| 6 | 3 | 8 | 重量 |
| 7 | 3.2 | 7 | 重量 |
| 8 | 2.9 | 9 | 重量 |
| 9 | 4 | 12 | 重量 |
| 10 | 4.5 | 15 | 重量 |
| 11 | 4.3 | 18 | 重量 |
| 12 | 3.8 | 22 | 重量 |
| 13 | 5 | 19 | 重量 |
| 14 | 5.7 | 20 | 重量 |
要使用 ChartExpo 的散点图可视化以下数据，请按照以下简单步骤操作：
- 打开您的 Google 表格桌面应用程序。
- 打开工作表并单击加载项菜单按钮。
- 显示ChartExpo-Best Data Visualization Tool下拉菜单后，单击Open 按钮。
- 单击创建新图表按钮。
- 您将看到六个主要类别的电子表格图表。
- 单击PPC 图表选项卡以访问散点图，如上所示。从上表复制数据并粘贴到工作表中。
- 填写您的指标和维度。在我们的示例中，我们有两个指标，即年龄和身高。要填写的维度变量是重量（Kg ）和图例中的重量。
- 生成的图表应如下图所示。
见解
儿童的身高和年龄呈正相关。换句话说，身高随着孩子的年龄而上升。此外，很少有人低于平均线，也很少有人高于平均线。
示例 2
想象一下，您想调查学生人数与得分之间是否存在关系。
假设以下数据是您收集的数据。
| 学生人数 | 获得的分数 | 学生百分比 |
| 5 | 40 | 2.5 |
| 6 | 60 | 3 |
| 25 | 70 | 12.5 |
| 11 | 65 | 5.5 |
| 30 | 80 | 15 |
| 4 | 50 | 2 |
| 6 | 55 | 3 |
| 10 | 75 | 5 |
| 14 | 90 | 7 |
| 18 | 45 | 9 |
| 20 | 40 | 10 |
| 22 | 95 | 11 |
| 2 | 100 | 1 |
| 11 | 35 | 5.5 |
| 16 | 25 | 8 |
要使用 ChartExpo 的散点图可视化上述数据，请按照以下简单步骤操作：
- 将上面的表格复制到 Google 表格中。
- 打开您的 Google 表格桌面应用程序。
- 打开工作表并单击加载项菜单按钮。
- 显示ChartExpo-Best Data Visualization Tool下拉菜单后，单击Open 按钮。
- 遵循我们在示例 #1中使用的确切说明
- 填写指标和维度变量并单击“创建图表”按钮后，您的最终图表应如下所示（下图）。
见解
- 7名学生成绩高于平均水平
- 8名学生成绩低于平均水平
- 学生人数和分数之间没有相关性。在上面的散点图示例中，这些点遍布各处。
- 点的大小代表获得特定分数的学生的百分比。点越大，获得此类分数的学生比例就越大。例如，15% 的学生获得了 80 分，而只有 1% 的学生获得了 100 分。
示例 3
想象一下，您想确定室外温度和蟋蟀唧唧声之间的关系此外，您已经收集了足够的数据（假设数据）样本进行可视化。
让我们使用散点图示例可视化下面的数据。
| 温度（华氏度） | 啁啾数（15 秒内） | 板球总数 |
| 57 | 18 | 2 |
| 28 | 20 | 5 |
| 64 | 21 | 10 |
| 65 | 23 | 15 |
| 68 | 27 | 6 |
| 71 | 30 | 8 |
| 74 | 34 | 10 |
| 77 | 39 | 15 |
| 20 | 10 | 10 |
| 24 | 8 | 8 |
| 25 | 7 | 7 |
| 58 | 5 | 2 |
| 71 | 2 | 10 |
| 74 | 14 | 5 |
| 77 | 30 | 7 |
| 20 | 34 | 8 |
| 24 | 26 | 3 |
| 25 | 16 | 4 |
| 58 | 8 | 2 |
| 71 | 12 | 1 |
要使用 ChartExpo 的散点图示例可视化上述数据，请按照以下简单步骤操作：
- 将上面的表格复制到 Google 表格中。
- 打开工作表并单击加载项菜单按钮。
- 显示ChartExpo-Best Data Visualization Tool下拉菜单后，单击Open 按钮。
- 遵循我们在示例 #1 和 #2中使用的确切说明
- 填写您的指标和维度变量，然后单击创建图表按钮。您的最终图表应如下所示（下图）。
见解
解释上面的散点图示例非常容易。x 轴表示啁啾的数量。另一方面，y轴代表温度。点的大小代表没有。啁啾
示例 4
假设您是一家零售店老板，您想评估成本、订单数量和利润之间的关系。假设下表代表您的数据。
| 产品类型 | 产品 | 利润 | 成本 | 不。订单数量 |
| 化妆品 | 面部底漆 | 15.79 | 90 | 10 |
| 化妆品 | 基础 | 20.13 | 70 | 12 |
| 化妆品 | 遮瑕膏 | 38.62 | 190 | 9 |
| 化妆品 | 脸红 | 34.62 | 880 | 16 |
| 化妆品 | 荧光笔 | 71.84 | 900 | 22 |
| 化妆品 | 古铜色 | 71.84 | 600 | 23 |
| 化妆品 | 粉末 | 32.77 | 600 | 42 |
| 化妆品 | 眼部底漆 | 21.8 | 1300 | 19 |
| 电子产品 | 电视 | 110 | 590 | 28 |
| 电子产品 | 冰箱 | 12.61 | 390 | 11 |
| 电子产品 | 洗衣机 | 70.21 | 490 | 41 |
| 电子产品 | 空调 | 70.21 | 390 | 18 |
| 电子产品 | 打印机 | 68.83 | 260 | 17 |
| 电子产品 | 扬声器 | 17.55 | 210 | 2 |
| 电子产品 | 键盘 | 54.74 | 170 | 23 |
| 电子产品 | 电子阅读器 | 12.66 | 170 | 13 |
| 服装 | 手机 | 47.36 | 140 | 27 |
| 服装 | 毛衣 | 83.64 | 110 | 13 |
| 服装 | 连帽衫 | 83.64 | 110 | 12 |
| 服装 | T 恤 | 22 | 760 | 6 |
| 服装 | 牛仔裤 | 75 | 1500 | 7 |
| 服装 | 运动衫 | 11.75 | 1000 | 19 |
| 服装 | 正装裤 | 98 | 150 | 10 |
| 服装 | 马球衫 | 27.77 | 380 | 14 |
要使用 ChartExpo 的散点图示例可视化上述数据，请使用以下步骤：
- 将上面的表格复制到 Google 表格中。
- 遵循我们在示例 #1 和 #2 中使用的确切说明。
- 填写您的指标和维度变量（如上所示），然后单击创建图表按钮。
- 查看最终的散点图（下图）。
见解
- 所有高于平均利润线的产品都是最赚钱的。
- 平均成本线右侧的所有产品都在流失其利润。
- 点的大小显示没有。的订单。
- 利润和成本之间没有相关性。这些点到处都是，没有明显的趋势。
示例 5
想象一下，您想知道年龄与组织中不同部门员工的绩效之间是否存在相关性。假设以下数据是您收集的数据，并且您打算分析以获取见解。
下表中点的大小显示出勤率（0.1 最小 1 最大）
| 部门 | 年龄 | 表现得分 | 姓名 | 点的大小 |
| 研究与开发 | 24 | 20 | 提摩太 | 0.5 |
| 研究与开发 | 26 | 30 | 理查德 | 0.5 |
| 研究与开发 | 29 | 25 | 迈克尔 | 0.5 |
| 研究与开发 | 23 | 27 | 保罗 | 0.4 |
| 研究与开发 | 30 | 28 | 鲍尔斯 | 0.4 |
| 研究与开发 | 32 | 36 | 克里斯托弗 | 0.6 |
| 研究与开发 | 45 | 34 | 大卫 | 0.5 |
| 研究与开发 | 27 | 42 | 约瑟夫 | 0.5 |
| 研究与开发 | 26 | 43 | 帕特里克 | 0.4 |
| 研究与开发 | 40 | 47 | 普赖尔 | 0.5 |
| 会计和财务 | 60 | 28 | 约翰逊 | 0.4 |
| 会计和财务 | 55 | 60 | 科尔伯特 | 0.5 |
| 会计和财务 | 45 | 65 | 鲍曼 | 0.4 |
| 会计和财务 | 50 | 50 | 弗朗西斯 | 0.4 |
| 会计和财务 | 42 | 55 | 柯林斯 | 0.5 |
| 会计和财务 | 30 | 58 | 乔纳森 | 0.7 |
| 会计和财务 | 60 | 56 | 埃里克 | 0.6 |
| 会计和财务 | 29 | 53 | 谨慎 | 0.6 |
| 会计和财务 | 30 | 24 | 汤普森 | 0.6 |
| 会计和财务 | 40 | 59 | 坦率 | 0.6 |
| 销售和营销 | 22 | 63 | 杰罗姆 | 0.7 |
| 销售和营销 | 28 | 70 | 罗纳德 | 0.6 |
| 销售和营销 | 30 | 75 | 沃克 | 0.5 |
| 销售和营销 | 44 | 86 | 战士 | 0.6 |
| 销售和营销 | 33 | 90 | 卡尔森 | 0.7 |
| 销售和营销 | 24 | 95 | 彼得森 | 0.6 |
| 销售和营销 | 29 | 97 | 博伊尔 | 0.6 |
| 销售和营销 | 31 | 99 | 伦登 | 0.6 |
| 销售和营销 | 44 | 100 | 戈麦斯 | 0.6 |
| 销售和营销 | 27 | 43 | 胜利 | 0.7 |
要使用 ChartExpo 的散点图示例可视化上述数据，请使用以下步骤：
- 将上面的表格复制到 Google 表格中。
- 遵循我们在散点图示例 #1 和 #2中使用的确切说明
- 填写您的指标和维度变量（如上所示），然后单击创建图表按钮。
不同类型的散点图
散点图根据以下因素有不同的变体：
- 相关性
- 坡型
散点图根据相关性分为 3 种类型：
-
强相关
在此散点图示例中，数据以点绘制，将因变量和自变量分别保留在 y 轴和 x 轴中。
如上图所示，所有标记或数据点都紧密排列成线性，因此可以绘制趋势线。而且，这意味着关键数据点之间存在很强的相关性。
因此，上图有资格被称为具有高度相关性的散点图。
-
具有中等相关性的散点图
在上图中，数据点排列得更近一些。
本质上，没有完全线性的，这意味着你不能画一条穿过它们的直线。但是，当您仔细观察时，您会注意到变量之间的关系不太重要。
该图表也称为相关度较低的散点图。
-
无相关性的散点图
在这个散点图示例中，数据点分散在各处。此外，解码数据点之间的关系并不容易。
这种数据可视化设计有资格被称为没有相关度的散点图。
继续阅读，因为在接下来的部分中，我们将带您浏览大量散点图示例以简化所有内容。
散点图实际应用
-
显示两个变量之间的隐藏关系
散点图广泛用于显示两个变量之间的关系。
您可以使用此可视化设计发现的关系分为以下几类：
- 正面或负面
- 非线性或线性
- 强或弱
散点图示例中出现的点代表每个关键数据点的单独值。更重要的是，它们允许您更快地从数据中提取趋势洞察力。
-
相关关系的识别
您可以使用此富有洞察力的图表来发现原始业务数据中存在的隐藏的相关关系。
解释散点图示例非常容易。
解释此图表的关键是始终记住自变量（指标）位于水平轴（x 轴）上。并且，因变量位于笛卡尔平面的垂直轴（y 轴）上。
-
数据模式的识别
使用散点图识别原始数据中关键变量的总体趋势。
此图表中的数据点根据其值的接近程度进行分组，这样更容易识别异常值。您不希望将您的业务决策基于异常值，因为它们完全具有误导性。
有趣的是，相关性的性质也可以基于指定的置信水平来估计。
- 正相关描绘了上升趋势。本质上，在具有正相关性的散点图中，数据点从图表的左下角向右上角向上倾斜。
- 负相关描绘了下降趋势。关键数据点从图表的左上角向右下角向下倾斜。
- 既不是正相关也不是负相关的数据点被认为是不相关的（空）。
使用散点图的优缺点是什么？
您用来可视化原始数据的每个图表都有其优点和缺点。散点图也不例外。让我们来看看它的优点：
- 散点图非常重要，尤其是当您的目标是显示相关见解时。
- 您可以使用此图表来显示数据中关键指标之间的相关性。
- 数据可视化专家认为散点图是一种恰当的可视化设计，可以显示数据中的非线性关系。
- 散点图非常容易阅读，即使对于非技术观众也是如此。
- 散点图示例中的数据流范围很容易看到。这意味着您可以弹指间指出数据中的最大值和最小值。
- 许多人认为散点图和折线图很相似，但是当您比较散点图和折线图时，您会发现这两个图在任务上是不同的。
您必须牢记与散点图相关的一些弱点。让我们检查一下。
- 您不能使用此图表来显示两个以上关键变量的相关性。
- 只有您可以进行数值比较的数据才能最好地使用散点图进行可视化。
- 尽管散点图揭示了数据中隐藏的关系，但请避免假设特定变量是您要解决的问题的因果代理。
我们建议您深入挖掘以找到更多见解，以确认散点图显示的内容。
请记住，如果图表显示没有关系；调查自变量（x 轴）是否变化很大。为什么？
有时，由于您使用的数据样本较小，关系并不明显。
您可以使用散点图示例可视化哪种类型的数据？
您可以将连续和离散数据类型与散点图一起使用。为什么？
连续数据使您更容易衡量数据之间的趋势和关系。您可以选择在散点图的一个轴上使用离散数据，在另一轴上使用连续数据。
例如：对于离散数据，您必须将其放入某种量化范围内，例如客户满意度得分为 1-10。
常见问题解答：
什么是散点图？
散点图是一种图表，可用于揭示关键变量之间的隐藏关系，例如您在数据中跟踪的指标。
散点图中的数据点可以具有以下类型的关系，即：
- 线性或非线性
- 正面或负面
- 无相关性
散点图的主要目的是什么？
散点图有两个主要用途，即显示关键数据点之间的趋势和关系。此外，此图表中的点可以报告单个数据点的值以及数据中存在的一般趋势和模式。
使用散点图示例建立因果关系，尤其是在解决问题时。
如何在 Google 表格中创建散点图？
Google 表格会生成非常基础的散点图。此外，生成的图表（由 Google 表格）需要大量定制才能与您的数据故事保持一致。
解决方案是在您的 Google 表格中安装第三方应用程序，例如 ChartExpo，以访问高级且直观的散点图模板。
包起来
可视化您的数据以提取趋势和关系洞察力永远不会给您带来压力，甚至不会占用您大量宝贵的时间。
使用散点图是因为它主要用于显示变量之间的隐藏关系。此外，点或数据点标记可以轻松显示变量的总体趋势。
Google 表格有一个基本且不太直观的散点图模板。解决方案不是取消 Google 表格，而是充分利用附加组件，例如 ChartExpo。
ChartExpo 带有 50 多个高级图表，包括散点图示例。您不需要编码或编程技能来使用 ChartExpo 的扩展图表库来可视化您的数据。此外，您可以轻松地将图表导出为世界上最受认可的格式 PNG 和 JPEG。