新产品的出现、独特感官特性产品的市场竞争、测量方法的改进以及数据处理系统的提升大大增加了人们对描述性方法的兴趣。
        测量方法的改进以及数据处理系统的提升大大增加了人们对描述性方法的兴趣。
        感官描述性数据可以用于简化说明、阐明结果并帮助沟通结论。
图以辐条轮的形式表现。每个属性表示为车轮上的一个辐条，并以逻辑性的顺序进行排列。车轮中心的感知强度为零，强度向着圆周方向增强。每个样品的属性平均值在辐条上标注，后用直线进行连接。标准偏差或者置信区间可以采用类似的方法标注。多个样品的特征能够通过叠加进行比较，同时可从图中得到显著性差异。
感官轨迹是另一种可以用来表示和比较感官特性的方法。
沿着x轴标记属性，一般可以按照感知的顺序进行排列。Y轴表示感知的强度，属性平均值在相应的地方画出。直接用连续的线连接平均值，产生一个“轨迹”。与蜘蛛图相似，图中也可以包括标准偏差和置信区间以及进行多个样品轨迹的叠加。
交互图可以通过展示每个评价人员对样品属性的评分，从而用于研究评价人员的表现。
两个变量间的关系采用x-y轴图阐明。在感官分析中，感知到的强度通常作为y轴上的因变量对应x轴上的自变量，自变量可以是浓度、温度等理化参数或者加工参数。
散点图较利于观察数据的趋势。在图上采用回归分析拟合数据得到曲线，可以形象地表现出两个变量间的关系。
主成分分析（PCA）是一种可用于描述多个变量间关系的多维统计方法。大量的数据可以通过辨别相关关系变量并减少至较少的基本变量来进行简化，这些基本变量称为主成分。结果以多维图像的形式输出。
图中样品的点表示，属性以向量表示，越接近的点越相似。图中的文字阐述了怎么解释PCA图。在市场概述中采用PCA图是非常有用的，这种方法能使一个市场分类中大量产品的感官性状在一个图中进行比较。这种方法也可以用于判定理化性质与感官属性间的关系。
由于感官描述性分析由大量的属性变量构成，因此PCA是一种特别有效地数据分析方法。
        来源：感官科学与评定