1.1. 南丁格尔图

南丁格尔图表达某一个指标在一个维度上分类的表现，类似于bar图在极坐标上的展现。当分类较多时，比pie图更加直观。由于圆周的关系，对比会更加明显(有放大)。由于角度的辨识性，一般不超过30个分类。

1.2. 旭日图

旭日图是一种现代饼图，它超越传统的饼图和环图，能表达清晰的层级和归属关系，以父子层次结构来显示数据构成情况。旭日图中，离远点越近表示级别越高，相邻两层中，是内层包含外层的关系。

1.3. 进程图

进程图主要是对设备的不同状态按类似于甘特图的方式展示。

1.4. 树图

树图是从一个项目出发，展开两个或两个以上分支，然后从每一个分支再继续展开，依此类推。它拥有树干和多个分支，所以很像一棵树。树图通常是用来将主要的类别逐渐分解成许多越来越详细的层。

1.5. 矩形树图

矩形树图由马里兰大学教授Ben Shneiderman于上个世纪90年代提出，起初是为了找到一种有效了解磁盘空间使用情况的方法。矩形树图适合展现具有层级关系的数据，能够直观体现同级之间的比较。一个树状结构转化为平面空间矩形的状态，就像一张地图。

矩形树图是依照树的层级，根据当前子节点权重大小来划分矩形区域，接着逐个递归划分子节点对应的矩形。矩形树图的好处在于，相比起传统的树形结构图，矩形树图能更有效得利用空间，并且拥有展示占比的功能。

矩形树图的缺点在于，当分类占比太小的时候文本会变得很难排布。相比起分叉树图，矩形树图的树形数据结构表达的不够直观、明确。

1.6. 瀑布图

瀑布图有助于理解依次引入正值或负值的累积效应。瀑布图也被称为飞行砖图或马里奥图，因为看起来像悬挂在空中的砖头。

瀑布图通常用于了解初始值如何受到一系列中间正值或负值的影响。

1.7. 箱线图

箱线图，又叫做箱型图，是一种用作显示一组数据分布情况的统计图。

目前支持箱线图的数据源有：Engine，Postgresql，GreenPlum，Oracle、StarRocks、Doris 2.0。

如果一个数据集中包含了一个分类变量和一个或者多个连续变量，那么你可能会想知道连续变量会如何随着分类变量水平的变化而变化，而箱线图就可以提供这种方法，它只用了5个数字对分布进行概括，即一组数据的最大值、最小值、中位数、下四分位数及上四分位数。对于数据集中的异常值，通常会以单独的点的形式绘制。箱线图多用于数值统计，虽然相比于直方图和密度曲线较原始简单，但是它不需要占据过多的画布空间，空间利用率高，非常适用于比较多组数据的分布情况。如下图所示：

1.8. 帕累托图

帕累托图是将出现的质量问题和质量改进项目按照重要程度依次排列而采用的一种图表。 以意大利经济学家V.Pareto的名字而命名的。 帕累托图又叫排列图、主次图,是按照发生频率大小顺序绘制的直方图，表示有多少结果是由已确认类型或范畴的原因所造成。

1.9. 气泡图

和矩形树图类似，可以选择多个维度，一个度量，度量通过气泡大小来反映。