SoviChart数据可视化：散点图（Scatter plot）

什么是散点图

散点图也可以称为 x-y 图，用于展示数据的相关性和分布关系，由X轴和Y轴两个变量组成。通过因变量(Y轴数值)随自变量(X轴数值)变化的呈现数据的大致趋势，同时支持从类别和颜色两个维度观察数据的分布情况。

散点图通常用于显示和比较数值，例如科学、统计和工程数据。通过散点图可以判断两个变量之间是否存在某种关系，并可以反映五维数据。每个点的不同颜色或标签，以及点的大小等，都可以反映一个维度，通常使用率为10%。

散点图应用场景

适用场景

散点图可帮助查找值之间的潜在关系，并查找数据集中的异常值。如果要显示每个实例至少有两个指标的数据，散点图非常有用。

当两个变量具有相关性时，可以使用散点图：

使用数据点绘制散点图可以帮助确定它们之间是否存在潜在关系。

例如，以下是一家在经营的冰淇淋店铺，图表显示的是随着气温变化销售额的变化情况，如下例所示：

当自变量具有因变量的多个值时，可以使用散点图：

首先，变量是要跟踪或衡量的东西。每个图形都有两个变量，一个通常在 x 轴上绘制的自变量和一个通常在 y 轴上绘制的因变量。

自变量是受控变量。这是自然变化的，或者操作人人为改变的。因变量是正在研究或测量的变量。在散点图中，要确定的是变量是否与自变量具有相关性。

例如，尝试确定身高和体重是否有相关性，则高度将放置在 x 轴上，体重将放置在 y 轴上，如下例所示：

当有两个完美配对的变量时，可以使用散点图：

如果有两个变量很好地配对在一起，则将它们绘制在散点图上是查看它们的关系并查看它是正相关还是负相关性的好方法。

例如，出生婴儿体重与胎龄（婴儿在子宫内的时间）的关系，如下图所示：

不适场景

当数据完全不相关时，避免使用散点图：

某些变量很明显没有相关性，使用散点图是没有用的，此时使用条形图可能是{BANNED}最佳好的选择。

当数据集太大时，避免使用散点图：

当散点图中的数据太多以至于阻塞整个图形时，以至于它基本上变成了一个大斑点，很难从这种图表中读到很多东西。

散点图大屏应用

用户可以进入SovitJs后台后，在平台内拖动此图表组件进行可视化大屏设置。