不同類型的折線圖（以及何時使用每種類型）

折線圖看起來简單得有些欺骗性：一個 X 轴，一個 Y 轴，以及連接資料點的一條线。但這种简單性隐藏着一個强大的變體家族，每种變體都针對你想用資料讲述的不同故事進行了調整。選錯了类型，你的觀众會眯着眼睛、误讀趨勢或完全抓不到重點。選對了，你關心的模式就會一目了然。

在本指南中，我們将逐一介绍最實用的折線圖类型：它們擅長什麼，在哪些地方可能產生误導，以及如何在它們之間做出選擇。無论你使用电子表格、BI 工具還是程式碼，理解這些类型都能幫助你設計更清晰、更诚實的視覺化。

---

1. 简單折線圖：最基础的工作马

简單折線圖是大多数人想到的形式：一個系列在連續刻度（如時間、距离或索引）上绑制。

• 展示内容：一個指標如何隨連續變數（通常是時間）變化。
• 典型範例：每日活跃使用者、月收入、每小時溫度。

何時使用

• 你關心總體趨勢：上升、下降、週期性或稳定。
• 你不需要同時比较多個類別。
• 你的受眾很廣泛，你需要最易解讀的選擇。

對於入門解釋和教科書式的範例，像 Math is Fun 上的折線圖概覽這樣的資源展示了适合教学和報告的简洁、精简設計。

陷阱

• 容易被诱惑添加註釋、颜色和副轴，直到圖表變得雜乱。
• 如果你的資料非常不規則或極度嘈雜，简單折线可能看起來像抖動而非訊號——考虑平滑或聚合。

---

2. 多线圖：比较多個系列

多线圖在同一座標軸上繪製两個或更多系列，以便你直接比较它們。

• 展示内容：多個指標如何沿着同一刻度演變。
• 典型範例：按區域的销售额、按渠道的流量、多個模型隨時間的表現。

何時使用

• 你想回答以下問題：
  • "哪個细分增長更快？"
  • "這些類別是同步變化還是分化？"
• 你的线條不超過约4-5 條，以保持視觉整洁。

像資料視覺化目錄中折線圖條目這樣的指南强調，位置和斜率比较是强大的，但有其上限。超過幾條线后，重叠和颜色混淆使解讀變得困難。

陷阱

• 一張圖表中太多线條會很快導致過度繪製：线條重叠並遮擋彼此。
• 如果類別沒有清楚標註（例如在线條末端直接標註），觀众可能分不清哪條线是哪個。

實用建议：當你有很多類別時，考虑使用小多圖（第 7 节）而不是把它們都塞進一個面板。

---

3. 階梯折線圖：追踪離散跳變

階梯折線圖用水平和垂直线段連接資料點，形成階梯状而非直线斜角。

• 展示内容：在特定時刻發生變化，期間保持不變的值。
• 典型範例：隨時間變化的價格檔位、系统容量變化、按週期更新的累計計数。

何時使用

• 底層過程确實以階梯式變化，而非連續變化。
• 你想强調确切的變化點，如策略更新或配置變更。
• 你在視覺化以離散增量更新的計数資料（例如活跃订閱数）。

階梯圖经常在視覺化最佳實践文章中被推荐（包括儀表板設計指南中引用的许多資源），适用於直线會錯误暗示平滑渐變的場景。

陷阱

• 如果底層現象實際上是連續變化的（如溫度），階梯线會夸大突變性。
• 在沒有自然階梯的場景中過度使用會使圖表看起來"块状"且更難閱讀。

---

4. 平滑折線圖或曲线圖：强調整體形态

在平滑折線圖中，线條用曲线（如樣條曲线）而非尖锐角度繪製。有時資料本身也经過统計平滑（如移動平均或 LOESS 曲线）。

• 展示内容：總體模式或趨勢，同時弱化雜訊。
• 典型範例：長期使用者增長、宏觀经济指標、平滑的绩效指標。

何時使用

• 你的資料嘈雜，但你想突出總體趨勢。
• 你面向的是更關心方向而非個別尖峰的非技术利益相關者。
• 你明确傳达曲线是模型或摘要，而非原始資料。

對於探索性分析，许多统計学家和資料科学家使用平滑曲线（如 LOESS）來揭示嘈雜時間序列中的结構；在统計視覺化文本和 ggplot2、seaborn 等工具的文檔中可以找到介绍。

陷阱

• 過度平滑可能隐藏重要異常或對運营至關重要的突變。
• 在稀疏資料點之間進行曲线插值可能暗示不存在的中間值，尤其是非時間 X 轴時。
• 如果你不標註曲线為"7 天移動平均"或"平滑趨勢"，觀众可能以為它反映的是精確資料。

经驗法則：始终保留檢查原始序列的方式——要麼作為背景中较淡的线條，要麼在曲线上叠加資料點，或提供備選視圖。

---

5. 面积折線圖（面积圖）：强調體量

面积折線圖用颜色填充线條下方的空間，将线條變成一個形状。面积圖可以是简單的（一個系列）或堆疊的（多個系列的填充區域累加）。

• 展示内容：隨時間變化的量级，给人强烈的"體量"或"累積"感。
• 典型範例：總頁面瀏覽量、能源消耗、财務余额、投資组合價值。

何時使用

• 你想强調某事物隨時間的大小，而不僅僅是變化方向。
• 堆疊面积圖：你既關心總量又關心總量的組成（例如按渠道的流量，其中上边界顯示總量）。

關於何時選擇面积圖與折線圖的更廣泛比较，資料視覺化目錄和供應商文檔（Power BI、Tableau 等）等参考資料表明，當總量和整體组成是故事核心時，面积圖效果很好。

陷阱

• 面积圖使系列間的精確比较更難，尤其是在堆疊形式中，只有底部系列有稳定的基线。
• 如果你的受眾需要比较類別間的细粒度差异，普通的多线圖或小多圖通常更清晰。

---

6. 色带折線圖：展示不确定性和范圍

色带折線圖（也叫带状圖）将一條中心线與表示范圍的阴影带结合——如預測區間、最大/最小值或變异性。

• 展示内容：一個典型值加上圍绕它的合理或觀測值范圍。
• 典型範例：带置信區間的預測、溫度范圍（最高/最低）、性能包络线。

何時使用

• 你需要诚實地傳达不确定性——預測、模型預測或嘈雜的測量。
• 你想防止使用者将一條线視為精確预言而非概率估計。

視觉编码不确定性的重要性在視覺化研究社区中被頻繁强調（例如 IEEE VIS 等場所的论文和演讲），研究表明阴影带在時間序列的感知清晰度方面通常優於误差线。

陷阱

• 如果色带太浅，使用者可能忽略它而只看线條。
• 如果太深，它可能主導圖表並遮盖中心趨勢。
• 沒有清晰標籤的范圍（如"90% 置信區間"）可能造成困惑而非澄清。

---

7. 小多圖折線圖：多條线，多個面板

小多圖在网格中展示多個相似的折線圖，所有圖表共享相同的刻度和结構。不是一張圖表中有许多重叠的线條，而是许多小圖表，每個通常只有一两條线。

• 展示内容：跨多個類別或细分的比较，且沒有視觉雜乱。
• 典型範例：按國家的收入、按產品的指標、按設備的傳感器讀数。

何時使用

• 你有很多類別（例如 10-50 個），在單個多线圖中無法閱讀。
• 你想比较趨勢形态（例如哪些產品是季节性的，哪些在稳步增長）。
• 屏幕空間允许网格或滚動。

小多圖源自 Edward Tufte 等专家阐述的经典原則，他認為對齐的、重複的面板可以以最小的認知负擔進行强大的比较。

陷阱

• 如果各面板的座標軸不一致，使用者很容易误讀量级。
• 太多面板如果沒有分组或排序會令人不知所措；有意義地排序或聚类（例如按總值或增長率）。

---

8. 迷你圖：用於高密度摘要的微型线條

迷你圖是嵌入文本、表格或儀表板中的微型折線圖。它們通常沒有座標軸和標籤，纯粹聚焦於形状和方向。

• 展示内容：隨時間變化的紧凑視觉摘要。
• 典型範例：股票表格、KPI 列表、顯示活動趨勢的收件箱。

何時使用

• 你需要在空間極度受限的布局中展示许多時間序列趨勢。
• 受眾已经理解一般上下文（例如"越高越好"），你只需要一個快速的"上升/下降/波動"訊號。

迷你圖在資料視覺化文献中被廣泛讨论為"資料密集、設計简單"的圖形，讓讀者無需离开文本或表格的流程就能一眼扫描模式。

陷阱

• 沒有座標軸或標籤，迷你圖不适合精確閱讀或分析決策。
• 它們應該补充而非替代需要精確值和時間點的大型圖表。

---

9. 極坐標和徑向折線圖：週期和方向

在極坐標或徑向折線圖中，資料圍绕圆圈而非沿直线水平轴繪製。時間或角度環绕分布，使週期顯式化。

• 展示内容：週期性模式和方向性。
• 典型範例：每日或季节性週期、风向和风速、週期性工作流。

何時使用

• 你特別關心週期（例如比较 24 小時一天或一年中的模式）。
• 圆形表示有助於强調终點與起點相連。

對於某些氣象或方向性資料，極坐標圖可以揭示线性圖表會遮盖的對称性或重複模式，這在许多應用視覺化案例研究中可以看到。

陷阱

• 徑向布局比笛卡尔坐標更難準确閱讀；距离和角度不如垂直位置直觀。
• 當標準折線圖同樣有效時，避免使用極坐標折線圖；否則你可能只是增加了新奇感而非洞察力。

---

如何選擇正确的折線圖类型

有這麼多選擇，将你的選擇锚定在幾個關键問題上會有幫助：

1. 核心問題是什麼？
   • 一個指標隨時間的趨勢 → 简單折線圖。
   • 幾個類別之間的比较 → 多线圖。
   • 同時展示很多類別 → 小多圖或迷你圖。
2. 過程是連續的還是階梯式的？
   • 階梯式變化（價格檔位、策略變更） → 階梯圖。
   • 連續變化（溫度、速度） → 標準折线或平滑趨勢。
3. 你需要展示不确定性或組成吗？
   • 不确定性或預測范圍 → 色带折線圖。
   • 總量的組成 → 堆疊面积折線圖。
4. 受眾需要什麼精度？
   • 战略性、高層次視圖 → 平滑趨勢、面积圖、迷你圖。
   • 運营性、精確視圖 → 带清晰座標軸和標籤的简單或多线折線圖。

如果不确定，從能回答你問題的最简單的折線圖开始。只有當更複雜的變體明确減少了歧義或揭示了否則會被隐藏的结構時，才引入它們。資料視覺化目錄等精選資源或供應商专屬的視觉画廊提供了並排範例，可以指導這些決策。

---

常见問題

Q1：最常用的折線圖类型是什麼？ 最常见的形式是简單折線圖：一個指標隨時間繪製。它之所以受歡迎，是因為易於閱讀，适用於儀表板、報告和演示。许多更高级的类型——如色带圖、面积圖和小多圖——可以被視為這种基本形式的扩展或组合。

Q2：什麼時候應該完全避免使用折線圖？ 當你的 X 轴不代表連續變數或有序序列時（例如無序類別如產品名称），避免使用折線圖。在這些情况下，長條圖或點圖通常更清晰。當資料點非常稀疏時也要谨慎；用线連接它們可能暗示不存在的連續性。

Q3：一張圖表中多少條线算太多？ 一旦超過约四五個系列，大多数觀众在颜色和模式辨別上开始困難，尤其是在小屏幕上。如果需要比较更多類別，小多圖折線圖或交互式過濾通常是比把所有东西塞進一張密集圖表更好的選擇。

Q4：應該總是對嘈雜的時間序列資料進行平滑處理吗？ 不應該。平滑是一种建模選擇，不僅僅是美化。當你想强調長期趨勢並淡化隨機波動時它很有幫助，但它可能隐藏有意義的異常或突變。一個好的折中是同時展示两者：原始线條（用较淡的樣式）和平滑趨勢（用较粗的樣式），並清楚標註。

Q5：折線圖如何融入現代儀表板和 AI 分析？ 折線圖仍然是儀表板和 AI 驱動分析的核心，因為许多业務指標都是基於時間的。現代工具在這些线條之上叠加额外的智慧——自動異常檢測、叙事摘要和預測——将静态圖表變成主動訊號。理解折線圖的底層类型幫助你在添加這些高级功能之前選擇正确的視觉基础。