不同的图形表达，体现的差异会不同，应该使用什么图形？目前最流行的 Extreme Presentation 介绍的选图步骤。下载英文原版PDF 。
根据PDF的内容，我重新制作了一个更方便的 我的在线中文脑图版 | 下载中文脑图版XMind :
对于选图的流程，PDF的思路是比较清晰的，总结如下：
展现各条目之间的数量差距
对于数量来说，最直观视觉常量的就是在坐标轴上的位置，Y轴要比X轴更直观一些。
所以最常见的条形图就是X轴代表条目，Y轴代表数量，每个条目通过高度的不同，还表示大小。
单个属性的比较
- 要对比的条目数量不是很多时，选用条形图，最常见，也最为清晰直观。
- 当需要比较的条目比较多时：如果还用条形图，那么，每个条就会变的非常细，不容易辨认。
- 如果条目的维属性是连续的（比如时间）：
此时可以使用曲线图代替，因为曲线是连续的，可以表示非常多个点。
但因此失去了**大小(size)**这个视觉变量，直观度低于条形图。 - 如果条目的属性是离散的：
如果允许对数据进行分箱的话，可利用分箱对数据的条数进行缩小。
比如0至20之间的20条数据可以缩小到两条{'0-10':100,'10-20':140}
要注意，缩小数据条数后，应该选用直方图，而不是条形图。 - 如果条目的属性是
'北京','上海'之类的分类数据，或是用户不接受分箱时。
如果条数不是特别多，在宽度允许的情况下，加宽宽度。
可以通过纵向布局，通过滚动的交互，获取更多空间。
- 如果条目的维属性是连续的（比如时间）：
- 如果条目的维属性是连续，且有周期规律。
比如3年内每天的气温数据，可以使用倾向面积图，这样可以发现一些季节的变化规律以及每年各季节整体性的比较。
.png "条形图")
.png "水平条形图")
多个属性的比较
当需要比较多个属性时，位置就会照成干扰，一般会加入一个颜色，作为第二视觉变量，用于区分不同的属性。
- 在条目较少，空间允许的请问下，可以使用分组条形图。
- 如果空间不允许，可以通过 Grid Table 方式，在不同的格子里面进行展示，每一行代表一个数据，每一列代表一个属性。
查看数据的构成情况
若不关心数条目的具体数量，只关心其内部构成，使用角度视觉变量会更清晰。
最常使用的就是饼图，圆环图。 通过角度展示占比，通过不同颜色区分条目。
- 一条数据的各个成份，或是一组数据里面每个类型的成分，都可以用饼图、圆环图来展现。
需要注意的是，成份的数量最好不要超过7个，太多也不容易辨认。 - 如果有层级关系，如成份里面又有子成份，可以用多圆环图来展示。
同样，层数也不宜过多，过多时，可以使用交互进行优化，比如下钻，点击一层，进入下一层。 - 如果还需要关心成份随着时间变化发生变化时，可以使用叠加面积图或直方图。
如果只关心一个成份的变化可以使用烛台图。
其它
另外，选图流程中还有曲线分布图、散点图、箱线图等，都是数据分析师最常使用到的图形，普通用户一般很少去看此类图形。
小结
条形图、饼图、折线图是数据可视化里面最基础的三个图形。在生活中也无处不在。
数据量太多、需要展示的属性太多时，不管怎么选图，辨认度都会下降，需要（通过智慧）尽量避免。
以上只是一般的方法论，选图并没有刻板的固定流程。明确可视化的目的是转递信息，用信息论的术语来讲，就是信息传失真率越低越好，对方收到理解的信息和你想要表达的信息要一致度高。