測量方法的改進以及數據處理系統的提升大大增加了人們對描述性方法的興趣。
感官描述性數據可以用于簡化說明、闡明結果并幫助溝通結論。
一、蜘蛛網圖
蜘蛛圖（雷達圖、星圖）是用于表示感官特性的傳統方法，可以用于數據的展示并進行比較。
圖1 蜘蛛圖（來源于《感官評價實用手冊》）
二、感官軌跡
感官軌跡是另一種可以用來表示和比較感官特性的方法。沿著x軸標記屬性，一般可以按照感知的順序進行排列。Y軸表示感知的強度，屬性平均值在相應的地方畫出。直接用連續的線連接平均值，產生一個“軌跡”。與蜘蛛圖相似，圖中也可以包括標準偏差和置信區間以及進行多個樣品軌跡的疊加。
三、交互圖
交互圖可以通過展示每個評價人員對樣品屬性的評分，從而用于研究評價人員的表現。 變量間的關系
兩個變量間的關系采用x-y軸圖闡明。在感官分析中，感知到的強度通常作為y軸上的因變量對應x軸上的自變量，自變量可以是濃度、溫度等理化參數或者加工參數。 四、散點圖
散點圖較利于觀察數據的趨勢。在圖上采用回歸分析擬合數據得到曲線，可以形象地表現出兩個變量間的關系。 五、主成分分析（PCA）
主成分分析（PCA）是一種可用于描述多個變量間關系的多維統計方法。大量的數據可以通過辨別相關關系變量并減少至較少的基本變量來進行簡化，這些基本變量稱為主成分。結果以多維圖像的形式輸出。
圖2 （a）主成分（旋轉）相關性圈圖和（b）兩極圖（來源于《感官評價實用手冊》）
圖中樣品的點表示，屬性以向量表示，越接近的點越相似。圖中的文字闡述了怎么解釋PCA圖。在市場概述中采用PCA圖是非常有用的，這種方法能使一個市場分類中大量產品的感官性狀在一個圖中進行比較。這種方法也可以用于判定理化性質與感官屬性間的關系。由于感官描述性分析由大量的屬性變量構成，因此PCA是一種特別有效地數據分析方法。
來源：感官科學與評定
