概要说明
线图是利用线的升、降变化来表示被研究现象发展变化趋势的一种图形。它在分析研究事物的发展变化、依存关系等方面具有重要作用。线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。当有多个数据系列时，线图中的数据系列是独立的。
如下线图是某公司2016和2017年的销售额线图，在时间维度上反应销售额在这两年的变化情况的，同时可以对这两年的数据实现对比：
优势： 容易反应出数据变化的趋势。
数据要求：一个或两个维度，一个或多个度量。
适用场景：
1）线图适合二维的大数据集，还适合多个二维数据集的比较。
2) 需要反映变化趋势，关联性。
3) 线图适合大数据集的趋势分析，尤其适合非离散型维度分析，比如时间，价格走势 。
适用业务场景
线图主要有如下三种应用场景：
| 数据对比分析需求 | 分析 | 效果 |
|---|---|---|
| 情景1：查看公司当年销售额的变化情况。 | 情景1想要查看变化情况，即表示趋势，建议通过线图实现。 1、通过参数进行“年份”控制 2、分类轴上显示月份 3、指标轴上分布销售金额 该情景详细的实现说明请参见情景1。 |  |
| 情景2：查看公司当年各类产品销售额的对比情况。（数据是汇总数据） | 该情景需要对比各类产品的销售额情况，建议以多线图效果实现对比。 1、通过参数进行“年份”控制 2、分类轴上显示月份 3、指标轴上分布销售金额 4、把汇总的数据字段拖动到颜色标记区以实现分类 |  |
| 情景3：查看公司当年各类产品销售额的对比情况。（数据是明细数据） | 该情景需要对比各类产品的销售额情况，建议以多线图效果实现对比。 1、通过参数进行“年份”控制 2、分类轴上显示月份 3、指标轴上分布各类产品的销售额 |  |
| 情景4：当没有汇总数据时，想要查看公司当年各类产品的销售总额。 | 该情景想要看变化趋势也想要看汇总数据，但是只有明细数据。因此建议使用堆积线图实现，堆积线图有叠加的效果。 1、通过参数进行“年份”控制 2、分类轴上显示月份 3、指标轴上分布销售金额 |  |
实现方案
1、场景1
一个维度+一个度量，这是最基本的线图。
构建方法：
上图是典型的单线图：只展示一个维度“月份”和一个度量“销售金额”，从线图中可以直观的看出公司2014年中销售额的变化情况。
2、场景2
场景2的两个实现方案对应两种不同的存储数据方式，汇总数据和明细数据。
方案1
方案1适用汇总数据。
两个维度+一个度量。
构建方法：
上图展示不同商品类别一年中销售金额的比较。
方案2
方案2适合明细数据。
一个维度+多个度量。
构建方法：
上图表示不同的商品类别在一年中的销售额变化，可以看出每类商品在一年中销售额最高或最低的月份，同时可以看出那一类商品额销售额最高。
3、场景3
场景3适合只有明细数据，但是需要查看明细数据的汇总情况时。
把场景2方案2的线图切换为堆积线图，如图：
线图中蓝色线表示饮料销售额，红色线表示零食的销售额，黄色线表示日用品的销售额。
切换后：
堆积线图中，蓝色的线表示饮料的销售额，红色的线表示饮料和零食的销售额，黄色的线表示饮料、零食和日用品的总销售额。
子图列表
线图支持多种子图切换，按应用场景分可分为如下三类：
线图、曲线图、阶梯线应用场景一样，表示趋势，多线图中每个线图式独立的。这三者展现方式不同，线图线条的线是有棱角的，曲线图线条是平滑的，阶梯线线条呈阶梯状。
堆积线图、堆积曲线图、堆积阶梯线应用场景一样，可表示趋势，可实现堆积效果。多线图中从最下方到最上方的线图是逐个叠加的效果。这三者展现方式不同，。
极坐标曲线图是一种特殊的线图，不同的展现方式。
附录
汇总数据
分类数据都存储在一个汇总的字段下，如谷类/麦片、肉/家禽、特制品都存储在商品类别下。
明细数据
分类数据分开存储，没有再汇总在一个字段下。如饮料、零食、日用品的销售额分别分开存储在饮料、零食、日用品字段，它们不属于其他字段的子字段。
