早期的数据小魔方用户大概都知道，我初也是从学习Excel起步的，只是学习的深入了之后，才开开慢慢的迁移到R语言。

我往R语言转型并不代表自己开始放弃Excel或者觉得Excel不适合做可视化，只是想体验一下Excel外围的可视化世界是什么样子的，毕竟在这个大行业内，还活跃着太多可视化领域的佼佼者，譬如 PowerBI、Tableau等。

当然，这些软件各有特点，但是在要划分一个类别的话，我觉得可以划分为三类：

• Excel（以及寄生于Excel平台的各种辅助软件dashboard、Think-cell-chart）

• 桌面端可视化工具（以Tableau、PowerBI等）

• 编程工具。（以R语言、Python以及各种js开源可视化库）

但若要继续对其进行简化分类的话，我觉得其实可以分为两类：

• Excel家族；

• 非Excel家族。

也许这里的分类大家会觉得摸不着头脑，我的理由是，数据可视化很重要的一步即是对原始业务数据结构的理解，而在Excel的图表库中，微软所设计的图形库是基于二维表的。（因为Excel自由灵活的表结构不限制变量类型，不识别因子变量（即用于构造模型或者用于图形映射））。

也许以上解释并不能令你满意，这里我只强调一点，同样制作一个多分类的柱形图（或者条形图），假若你获取的原始数据是三个字段，一个门店名称，一个季度标签，一个销售额，那么这种数据结构你是无法对其进行图表化呈现的，你需要借助Excel的数据透视功能，对其进行维度交叉透析，进而使用汇总表（二维表）进行多分类图表构建。

以上就是Excel中图表构建原理的大致过程，而除Excel之外的数据可视化产品，基本上都是使用一维表结构（长数据）来构建可视化图形的。其中因子变量（即通常意义上的分类变量）充当着至关重要的作用。

这也是用惯了Excel的小伙伴儿，如果想要迁移到其他可视化工具上，迈出的步往往无比艰难（也不能一概而论，假如你经常使用Excel的数据透视表功能，并且对数据库有所了解，对于数据的长宽转换应该早就烂熟于心了，这道坎不会困扰你太久）。

二维表有二维表的好处，即所见即所得，因为二表已经具备一定的图形化特征，而不单单是表了，但是二维表作图在效率上有着天然的劣势，即你会淡化对数据数据结构的理解，会被Excel的这种作图理念所吞噬，进而被绑架。（纯属个人愚见）

又扯远了，今天的主角仍然是Excel，我使用自己学习以来的案例来说明，Excel仍然是一款不折不扣的可视化工具。

学习的步当然是模仿，所以才有了这些积淀很久的案例：