Data kan præsenteres på forskellige måder. Det er vigtigt at anvende den type grafik, der bedst illustrerer det, som man vil fokusere på i datasættet. Valget af enheder og akser har afgørende betydning for kvaliteten af en grafisk præsentation af data.
Kurvediagram kan beskrive udvikling i data over tid jævnfør. Et eksempel kunne være produktionen af alternativ energi. Et kurvediagram kan have to forskellige enheder på Y-akserne, hvis der er stor forskel på værdierne. Arbejdes der med en stor dataserie, kan det være en fordel at lave et glidende gennemsnit. Et glidende gennemsnit er en beregnet middelværdi på eksempelvis 5 målte data.
Punktdiagram og regressionsligninger kan vise sammenhænge mellem to parametre. Et eksempel er et lands kuldioxidudledning og olieforbrug. Denne sammenhæng er illustreret nedenfor. I første figur er de fem største udledere af kuldioxid – det vil sige landene Japan, Rusland, Indien, USA og Kina, der har en udledning over 1000 millioner tons kuldioxid – ikke inddraget. Uden de fem store udledere er der en god lineær sammenhæng mellem de to variabler – kuldioxidudledningen og olieforbruget – i 2013.
I næste figur er de fem største udledere af kuldioxid med. Nu er sammenhængen ikke længere tydelig. Det skyldes blandt andet, at Kina har et stort forbrug af kul, og at Rusland har et stort forbrug af gas. Kul og gas er begge fossile brændsler, hvor der udledes kuldioxid ved forbrænding, men den udledte mængde kuldioxid er forskellig.
En korrelationsanalyse anvendes til at undersøge, hvorvidt der er en sammenhæng mellem to variable. Når de to variable er indtegnet i et koordinatsystem, og de ligger tilnærmelsesvis på en ret linje, vil der sandsynligvis være en sammenhæng mellem de to variable. Linjen kan enten være stigende eller faldende set fra starten af x-aksen.
En positiv sammenhæng mellem de to variable findes, når regressionslinjen stiger. En negativ sammenhæng findes, når regressionslinjen aftager. Der kan beregnes en ligning for regressionslinjen. Herved er det muligt at beregne olieforbruget i forhold til kuldioxidudledningen. Ligningens nøjagtighed til at beskrive sammenhængen mellem de to variable værdier afhænger af, hvor tæt punkterne i koordinatsystemet findes på regressionslinjen.
Formålet med korrelationsanalyse er at få indsigt i, hvor stærk korrelationen er mellem to variable. Korrelationskoefficienten findes i intervallet –1 til +1. Desto nærmere koefficienten er på +1 eller –1, jo større sammenhæng er der mellem de to variable. Når koefficienten nærmer sig 0, er sammenhængen lille. De variable, der testes, skal give mening at teste – altså der skal være en begrundet mistanke om, at der findes en sammenhæng mellem de to variable. Der kan eksempelvis opnås en god korrelation mellem variable uden, at der nødvendigvis er en sammenhæng.
Et søjlediagram anvendes til at vise en fordeling. For eksempel de globale kulressourcer fordelt på forskellige regioner. Et søjlediagram angiver de faktiske værdier eller procenter.
Et procentdiagram viser den procentvise fordeling over tid. Første figur er et procentdiagram, der viser kuldioxidudledningen fordelt på regioner. Et procentdiagram har den fordel – i modsætning til et cirkeldiagram – at det kan vise udviklingen over tid. Lagkage- og fordelingsdiagrammer viser fordeling i procent, diagramtypen fremgår af næste figur.
Få data kan med fordel vises i en tabel. Store tabeller kan ofte virke uoverskuelige, så derfor skal de kun benyttes, når der er få data.
En grafisk model kan afbilde og visualisere en proces – eksempelvis i naturen eller en geofaglig sammenhæng. Et eksempel kunne være erosion af kysten. En storm og forhøjet vandstand vil øge bølgernes erosion af stranden. Modellen for udviklingen er vist på nedenstående figur.
Der anvendes GIS til at udarbejde visualiseringer af de forskellige korttyper. Befolkningsantallene i forskellige lande kan vises på et kort ved at graduere cirklernes størrelse, som det er vist på første figur. En anden mulighed er at graduere farverne på et kort, som det er vist på næste figur.
Et andet eksempel på en visualisering er højdeforskellene i landskabet, her anvendes højdekurver og farver, et kort med højdekurver og farveforskelle er vist på næste figur.
Desuden kan visualiseringer anvendes til at angive risikoområder på et kort; jævnfør sidste figur.