案例教程链接：https://www.bilibili.com/video/av76933911

背景

数据源

主标题 Catch 2x2
副标题 N/A
说明 Manufacturing purchasing
 
  1. managers’ index* |

| | | 来源 | Sources: IHS Markit; Institute for Supply
Management; Oxford Economics | | | | 附注 | *Based on a survey
of purchasing executives | | | | 横轴标题 | PMI score, December 2018 | | | | 纵轴标题 | Three-month change,
percentage points | | |

Country/Region PMI score Change
Turkey 44.2 1.6
Malaysia 46.8 -4.7
Unknown1 47.6 -2.7
China Taiwan 47.7 -3.1
China 49.7 -0.3
Unknown2 49.8 -1.5
Mexico 49.7 -1.9
Unknown3 49.5 -3.8
Emerging

markets | 50.3 | 0 | | Unknown4 | 50.3 | 0.3 | | Indonesia | 51.2 | 0.4 | | Russia | 51.6 | 1.7 | | Brazil | 52.5 | 1.8 | | India | 53.2 | 1 | | Vietnam | 53.8 | 2.2 | | United States | 54.2 | -5.7 |

效果

009 四象限散点图.png

优化清单

  1. 坐标轴
    1. 纵轴数据坐在延长网格线上
    2. 纵轴本体位于图表中央
    3. 横轴数据挂于延长网格线下
    4. 横轴本体位于图表中央
    5. 横轴拥有指示标记
    6. 横轴和纵轴的名称位置放置和谐
  2. 网格线三面延长（开放感，弱化网格线的存在感）
    【注意】在本案例中，通过扩大坐标轴边界的方式使得坐标轴突出方格，但也仅限于单方向突出，无法做到原图那样的双方向突出。
  3. 数据点
    1. 部分数据点没有放置标签（取舍，突出重点）
    2. 个别数据点重点强调
    3. 数据点带有白边（防止数据点遮挡融为一体），且边缘经柔化后模糊
    4. 将需要突出显示的数据点排列在上方演示动图.gif

制作步骤

坐标轴

  1. 选中两个系列的数据，插入散点图，并调整大小，删除不需要的元素
    image.png
  2. 填充图表区为蓝灰色
  3. 设置纵轴范围为-6到4，单位为2，标签位置为“高”
  4. 设置横轴范围为44到56，单位为2，标签位置为“低”
    image.pngimage.png
  5. 设置横轴的纵坐标轴交叉为50
  6. 分别设置横轴和纵轴的线条为“实线”，颜色为黑色，宽度为1.5磅
  7. 选中横轴，设置标签字体为“Arial”，字号为10

  8. 选中纵轴，设置标签位置为无

    数据点

  9. 选中数据系列，设置标记的大小为10，边框为“实线”，白色

  10. 设置效果为阴影，颜色为灰色，大小为2磅，透明度为80%
  11. 添加数据标签，位置为“左”
  12. 选中数据标签，在标签选项中取消勾选“Y值”，勾选“单元格中的值”，然后选择标签名称区域
  13. 调整数据标签字体、字号、位置，删除不需要的标签
    image.png

  14. 突出显示数据点：选中Emerging markets的数据点标记，设置为纯色填充，颜色为黑色

    网格线

  15. 选中水平轴网格线，设置为实线，宽度为1.5磅，浅灰色

  16. 选中垂直轴网格线，设置为实线，宽度为1.5磅，浅灰色
    image.png
  17. 选中横坐标轴，设置边界最大值为57
    image.png

    其它细节

    除了image.png和image.png这两个元素，剩余元素以文本框模拟来实现。

分析

图表类型 散点图
适用数据 两个维度均为数值形式的数据系列可以使用，也可以用于反映两个变量之间的关系。
突出特征 四象限

四象限图是散点图的一个重要分支，核心在于将坐标轴置于图表正中间。
应用：

  1. Todo-list，紧急重要四象限图
  2. SWOT分析矩阵

这种图表的设计思路主要是将一个维度上原本有的大量数据点抽象为两个方向，在“系列套图的数据分布变迁呈现”中，民主倾向和共和倾向本身是有21个分段点，但是划分象限后就只剩下“是民主还是共和”两个方向，剩下的都是程度问题，对于判断大方向有比较好的呈现效果。另外就是数轴在中心会成为一个强参考体系，读者能更加准确的判断数据点间的差异。