点击 蓝字关注我们
质量开讲，让质量有温度
写在前面
不论你是新手还是资深质量人，客户或者领导需要你对质量问题分析的有理有据时，你一定不能口说无凭，必须亮出真本事！你的Excel、PPT玩的不管多么炫目，也离不开理性的分析和解决问题的方法，管理工具的功底是否扎实，就在此时来验证。
你需要将可视化管理图表做到：
1、在不歪曲事实的情况下传达正确和必要的信息。
2、设计简单。
3、美学支持信息而不是掩盖信息。
4、没有超载信息。
所以，管理工具的知识需要不断的学习和积累。
关联工具
关联图表用于可视化2个或更多变量之间的关系。 也就是说，一个变量如何相对于另一个变化。
1. 散点图（Scatter plot）
散点图是用于研究两个变量之间关系的经典的和基本的图表。 如果数据中有多个组，则可能需要以不同颜色可视化每个组。
2. 带边界的气泡图（Bubble plot with Encircling）
有时，您希望在边界内显示一组点以强调其重要性。
3. 带线性回归最佳拟合线的散点图（Scatter plot with linear regression line of best fit）
如果你想了解两个变量如何相互改变，那么最佳拟合线就是常用的方法。 下图显示了数据中各组之间最佳拟合线的差异。
针对每列绘制线性回归线：
4. 抖动图（Jittering with stripplot）
通常，多个数据点具有完全相同的 X 和 Y 值。 结果，多个点绘制会重叠并隐藏。 为避免这种情况，请将数据点稍微抖动，以便您可以直观地看到它们。
5. 计数图（Counts Plot）
避免点重叠问题的另一个选择是增加点的大小，这取决于该点中有多少点。 因此，点的大小越大，其周围的点的集中度越高。
6. 边缘直方图（Marginal Histogram）
边缘直方图具有沿 X 和 Y 轴变量的直方图。 这用于可视化 X 和 Y 之间的关系以及单独的 X 和 Y 的单变量分布。 这种图经常用于探索性数据分析(EDA)。
7. 边缘箱形图（Marginal Boxplot）
边缘箱图与边缘直方图具有相似的用途。 然而，箱线图有助于精确定位 X 和 Y 的中位数、第25和第75百分位数。
8. 相关图（Correllogram）
相关图用于直观地查看给定数据框(或二维数组)中所有可能的数值变量对之间的相关度量。
9. 矩阵图（Pairwise Plot）
矩阵图是探索性分析中的最爱，用于理解所有可能的数值变量对之间的关系。 它是双变量分析的必备工具。
偏差工具
10. 发散型条形图（Diverging Bars）
如果您想根据单个指标查看项目的变化情况，并可视化此差异的顺序和数量，那么散型条形图 (Diverging Bars) 是一个很好的工具。它有助于快速区分数据中组的性能，并且非常直观，并且可以立即传达这一点。
11. 发散型文本（Diverging Texts）
发散型文本 (Diverging Texts)与发散型条形图 (Diverging Bars)相似，如果你想以一种漂亮和可呈现的方式显示图表中每个项目的价值，就可以使用这种方法。
12. 发散型包点图（Diverging Dot Plot）
发散型包点图 (Diverging Dot Plot)也类似于发散型条形图 (Diverging Bars)。 然而，与发散型条形图 (Diverging Bars)相比，条的缺失减少了组之间的对比度和差异。
13. 带标记的发散型棒棒糖图（Diverging Lollipop Chart with Markers）
带标记的棒棒糖图通过强调您想要引起注意的任何重要数据点并在图表中适当地给出推理，提供了一种对差异进行可视化的灵活方式。
14. 面积图（Area Chart）
通过对轴和线之间的区域进行着色，面积图不仅强调峰和谷，而且还强调高点和低点的持续时间。 高点持续时间越长，线下面积越大。
排序工具
15. 有序条形图（Ordered Bar Chart）
有序条形图有效地传达了项目的排名顺序。 但是，在图表上方添加度量标准的值，用户可以从图表本身获取精确信息。
16. 棒棒糖图（Lollipop Chart）
棒棒糖图表以一种视觉上令人愉悦的方式提供与有序条形图类似的目的。
17. 包点图（Dot Plot）
包点图表传达了项目的排名顺序，并且由于它沿水平轴对齐，因此您可以更容易地看到点彼此之间的距离。
18. 坡度图（Slope Chart）
坡度图最适合比较给定人/项目的“前”和“后”位置。
19. 哑铃图（Dumbbell Plot）
哑铃图表传达了各种项目的“前”和“后”位置以及项目的等级排序。如果您想要将特定项目/计划对不同对象的影响可视化，那么它非常有用。
标题分布工具
20. 连续变量的直方图（Histogram for Continuous Variable）
直方图显示给定变量的频率分布。下面的图表示基于类型变量对频率条进行分组，从而更好地了解连续变量和类型变量。
21. 类型变量的直方图（Histogram for Categorical Variable）
类型变量的直方图显示该变量的频率分布。 通过对条形图进行着色，可以将分布与表示颜色的另一个类型变量相关联。
22. 密度图（Density Plot）
密度图是一种常用工具，用于可视化连续变量的分布。 通过“响应”变量对它们进行分组，您可以检查 X 和 Y 之间的关系。以下情况用于表示目的，以描述城市里程的分布如何随着汽缸数的变化而变化。
23. 直方密度线图（Density Curves with Histogram）
带有直方图的密度曲线汇集了两个图所传达的集体信息，因此您可以将它们放在一个图中而不是两个图中。
24. Joy Plot
Joy Plot允许不同组的密度曲线重叠，这是一种可视化大量分组数据的彼此关系分布的好方法。 它看起来很悦目，并清楚地传达了正确的信息。
25. 分布式包点图（Distributed Dot Plot）
分布式包点图显示按组分割的点的单变量分布。 点数越暗，该区域的数据点集中度越高。 通过对中位数进行不同着色，组的真实定位立即变得明显。
26. 箱形图（Box Plot）
箱形图是一种可视化分布的好方法，记住中位数、第25个第45个四分位数和异常值。 但是，您需要注意解释可能会扭曲该组中包含的点数的框的大小。 因此，手动提供每个框中的观察数量可以帮助克服这个缺点。
27. 包点+箱形图（Dot + Box Plot）
包点+箱形图 (Dot + Box Plot)传达类似于分组的箱形图信息。 此外，这些点可以了解每组中有多少数据点。
28. 小提琴图（Violin Plot）
小提琴图是箱形图在视觉上令人愉悦的替代品。 小提琴的形状或面积取决于它所持有的观察次数。 但是，小提琴图可能更难以阅读，并且在专业设置中不常用。
29. 人口金字塔（Population Pyramid）
人口金字塔可用于显示由数量排序的组的分布。 或者它也可以用于显示人口的逐级过滤，因为它在下面用于显示有多少人通过营销渠道的每个阶段。
30. 分类图（Categorical Plots）
分类图可用于可视化彼此相关的2个或更多分类变量的计数分布。
组成工具
31. 华夫饼图（Waffle Chart）
用于显示更大群体中的组的组成。
32. 饼图（Pie Chart）
饼图是显示组成的经典方式。 然而，现在通常不建议使用它，因为馅饼部分的面积有时会变得误导。 因此，如果您要使用饼图，强烈建议明确记下饼图每个部分的百分比或数字。
33. 树形图（Treemap）
树形图类似于饼图，它可以更好地完成工作而不会误导每个组的贡献。
34. 条形图（Bar Chart）
条形图是基于计数或任何给定指标可视化项目的经典方式。 在下面的图表中，我为每个项目使用了不同的颜色，但您通常可能希望为所有项目选择一种颜色，除非您按组对其进行着色。
变化工具
35. 时间序列图（Time Series Plot）
时间序列图用于显示给定度量随时间变化的方式。 在这里，您可以看到 1949年 至 1969年间航空客运量的变化情况。
36. 带波峰波谷标记的时序图（Time Series with Peaks and Troughs Annotated）
下面的时间序列绘制了所有峰值和低谷，并注释了所选特殊事件的发生。
37. 自相关和部分自相关图（Autocorrelation (ACF) and Partial Autocorrelation (PACF) Plot）
自相关图(ACF图)显示时间序列与其自身滞后的相关性。 每条垂直线(在自相关图上)表示系列与滞后0之间的滞后之间的相关性。图中的蓝色阴影区域是显着性水平。 那些位于蓝线之上的滞后是显着的滞后。
那么如何解读呢?
对于空乘旅客，我们看到多达14个滞后跨越蓝线，因此非常重要。这意味着，14年前的航空旅客交通量对今天的交通状况有影响。
PACF在另一方面显示了任何给定滞后(时间序列)与当前序列的自相关，但是删除了滞后的贡献。
38. 交叉相关图（Cross Correlation plot）
交叉相关图显示了两个时间序列相互之间的滞后。
39. 时间序列分解图（Time Series Decomposition Plot）
时间序列分解图显示时间序列分解为趋势，季节和残差分量。
40. 多个时间序列（Multiple Time Series）
您可以绘制多个时间序列，在同一图表上测量相同的值，如下所示。
41. 使用辅助 Y 轴来绘制不同范围的图形（Plotting with different scales using secondary Y axis）
如果要显示在同一时间点测量两个不同数量的两个时间序列，则可以在右侧的辅助Y轴上再绘制第二个系列。
42. 带有误差带的时间序列（Time Series with Error Bands）
如果您有一个时间序列数据集，每个时间点(日期/时间戳)有多个观测值，则可以构建带有误差带的时间序列。 您可以在下面看到一些基于每天不同时间订单的示例。 另一个关于45天持续到达的订单数量的例子。
在该方法中，订单数量的平均值由白线表示。 并且计算95%置信区间并围绕均值绘制。
43. 堆积面积图（Stacked Area Chart）
堆积面积图可以直观地显示多个时间序列的贡献程度，因此很容易相互比较。
44. 未堆积的面积图（Area Chart UnStacked）
未堆积面积图用于可视化两个或更多个系列相对于彼此的进度(起伏)。 在下面的图表中，您可以清楚地看到随着失业中位数持续时间的增加，个人储蓄率会下降。 未堆积面积图表很好地展示了这种现象。
45. 日历热力图（Calendar Heat Map）
与时间序列相比，日历地图是可视化基于时间的数据的备选和不太优选的选项。 虽然可以在视觉上吸引人，但数值并不十分明显。 然而，它可以很好地描绘极端值和假日效果。
46. 季节图（Seasonal Plot）
季节图可用于比较上一季中同一天(年/月/周等)的时间序列。
分组工具
47. 树状图（Dendrogram）
树形图基于给定的距离度量将相似的点组合在一起，并基于点的相似性将它们组织在树状链接中。
48. 簇状图（Cluster Plot）
簇状图 (Cluster Plot)可用于划分属于同一群集的点。 下面是根据USArrests数据集将美国各州分为5组的代表性示例。 此图使用“谋杀”和“攻击”列作为X和Y轴。 或者，您可以将第一个到主要组件用作X轴和Y轴。
49. 安德鲁斯曲线（Andrews Curve）
安德鲁斯曲线有助于可视化是否存在基于给定分组的数字特征的固有分组。 如果要素(数据集中的列)无法区分组(cyl)，那么这些线将不会很好地隔离，如下所示。
50. 平行坐标（Parallel Coordinates）
平行坐标有助于可视化特征是否有助于有效地隔离组。 如果实现隔离，则该特征可能在预测该组时非常有用。
1
END
1
大家都在看：
【领取】超长丰田内部品质体系PPT 有料
【热点】汽车工程师的宫斗剧，都是人才
【领取】华为质量管理基础手册，快来领
【领取】尼桑（NISSAN）现场管理手册
【难题】生产又与品控掐起来了，怎么破
【领取】你喜欢的8D报告和案例详解来啦
【领取】弄懂这套精品PPTFMEA可以上天
【领取】新版三体系内审检查表，用得到
【领取】为什么博世牛？看它的SPC教材
【PPT】5Why问题分析法完整版，一起学
关注小编二维码
我是质量开讲滴小编
咱们有话，质量群里说
更有N多质量大咖在群里哦
找不到我们？
来来来，打个小星星 ★，
每天同最棒的质量知识面对面！
文章来源
网络
免责声明：本文系网络转载，版权归原作者所有。所转载文章并不代表本公众号赞同其观点和对其真实性负责。但因转载众多，无法确认真正原始作者，如涉及作品版权问题，请及时联系我们，我们将删除内容以保证您的权益！
福 利 社
关注“质量开讲”，您可以回复 1-10任意数字，或以下关键词，查看质量专题。
工业4.0；CPK；PPK；SPC；统计过程控制；柏拉图；帕累托图；五大工具；APQP；PPAP；改善；改进；提升；变更管理；质量成本；QCM；测量；MSA；QSB；8D；控制图；鱼骨图；ISO；质量管理；质量管理体系；抽样；检验；检测；食品安全；食品饮料；HACCP；QC七大手法；新QC七大手 法；旧QC七大手法；管理制度大全；质量大全；IPQC；制程品管；来料；进料；QA；QC；QFD；FMEA；ERP；PDCA；直通率；质量归零；纠正措施；实验设计；六西格玛；精益生产；精益管理；车间管理；车间现场管理；生产管理；5S；6S；供应链；供应商；SQE；多品种；小批量；JIT；准时制生产方式；无库存生产方式；零库存；可靠性；可 靠性分析；标准；认证；丰田；奥迪；宝马；玛莎拉蒂;audit；奥迪特；宝洁；三星；审核；内审；外审；绩效；汽车；华为；田口方法；零缺陷；QC小组；质量看板；看板管理；德国制造；日本制造；中国制造；美国制造；质量会议；生产流程；质量考核；制造业智能；智能制造；SPC问答；常见SPC问题……
您仅需在质量开讲的主页对话框中输入您感兴趣的关键词例如 Cpk、SPC、六西格玛、精益生产、SQE等等关键词。系统会自动给您回复哦！
盈飞无限国际
全球质量 智能解决方案
领导者。 五百强制造
企业首选质量预警定位
分析系统。
特别推荐
网址：www.infinityqs.cn
盈飞无限，全生命周期质量智能平台！
别忘记转赞看一条龙哦，保证您不会错过质量开讲任何一条好内容！
分享
点赞
责任编辑：