3.4 数据可视化原则与最佳实践

3.4 数据可视化原则与最佳实践

本节摘要：会调函数不等于会做图。一张图能不能把结论讲清楚，取决于四件事做没做到位：选对图、配好色、写清标注、别让坐标轴误导。本节把数据可视化收敛成几条可执行的原则——准确、清晰、高效、克制，然后落到三个具体动作上：怎么按数据类型选图、怎么用少量颜色讲清关系、怎么写标题和轴标签；最后给出避开"图撒谎"的检查清单。读完你能对任何一张图做一次像样的质检。

先说结论

阅读完本节，你应当能够：

1. 说清准确、清晰、高效、克制四条原则各自管什么。
2. 依据数据类型和分析目的，选对图表类型。
3. 用三到五种颜色把关系讲清，避开彩虹色和色盲陷阱。
4. 写出能独立说明问题的标题、轴标签和图例。
5. 识别并避开坐标轴不从零开始、比例失真等常见误导。
6. 用一份清单，对画好的图做一轮自查。

一、四件事：准确、清晰、高效、克制

数据可视化本质上是一门"翻译"的手艺：把数据翻译成视觉，让读者用最短的时间看懂你想说什么。翻译得不好，再准确的数据也会被读错。这门手艺有四条底线。

准确是第一位的。图必须忠实于数据，数、比例、单位、标签一个都不能错。一张图哪怕再好看，只要比例画错了，就是废图，甚至比没图更糟——它会让人带着错误的印象去做决定。

清晰排在第二。图要一眼能看懂，别让读者在装饰里找信息。多余的元素、过密的网格、花哨的背景，都会抢走本该属于数据的注意力。

高效是第三。图应该用最少的视觉元素传递最多的信息。一张堆了十种颜色、五个子图、满屏注释的图，信息密度高，但没人愿意读。删掉一个元素若不影响理解，就该删。

克制是第四，也是最难的一条。新手总想把所有会的都往上堆——3D 柱状、阴影、纹理、渐变。但装饰不增加信息，只增加噪声。真正成熟的图，往往是"素"的。

这四条不是并列的开关，而是有优先级的：准确和清晰是硬要求，高效和克制是更高一层的要求。先守住前两条，再追求后两条。很多失败的可视化，问题就出在把顺序搞反了——先追求好看，结果数画错了。

二、选图：先问数据是什么类型

选图的第一步，不是翻图表库，而是问一句：我的数据是什么类型，我想比较什么。数据类型和意图，决定了图的形状。

趋势用折线图。时间序列、随连续变量变化的量，折线是最自然的语言，人眼对线的走向特别敏感。比较用柱状图。类别之间的数量差异，柱子长短最直观。关系用散点图。两个变量之间有没有相关性、是什么形状，散点一撒就清楚。分布用直方图、箱线图，这些上一节刚讲过。占比理论上用饼图，但实践中饼图常被滥用——类别一多，扇区就分不清，换柱状图往往更清楚。

一张表把最常见的几种图对清楚：

选图还有个反直觉的点：同样的数据，画成不同图，讲的故事可能完全不同。所以选图前先问"我要强调什么"，是强调趋势就选折线，强调对比就选柱状。意图定了，图才不会跑偏。

三、配色：少即是多，别用彩虹色

颜色是可视化里最容易被滥用的元素。它的正确用法只有三种：区分不同系列、突出某个重点、编码数值大小。除此之外的颜色，大多是装饰。

区分系列时，三到五种颜色通常就够。颜色太多，读者反而记不住谁是谁。选色要保证相邻颜色之间有足够对比，别把两个相近的蓝放在一起让人猜。突出重点时，让全图保持低饱和，只把要强调的那个元素用高饱和或深色标出来，对比一拉开，重点自己就跳出来了。编码数值时，用单色渐变或双向渐变，比如从浅到深的蓝，或者"冷蓝、白、暖红"的 coolwarm，深浅对应大小。

彩虹色是重灾区。它颜色丰富，看起来"专业"，但人眼对彩虹色里相邻色块的感知是不均匀的，容易在数据里读出根本不存在的断崖。除非有明确理由，默认别用彩虹色。

还有一个常被忽略的硬约束：色盲。大约每十二个男性里就有一个对红绿色不敏感，红绿搭配对他们来说就是一团灰。稳妥的做法是选色盲友好的色板，并且别把信息只压在颜色上——颜色之外，用形状、线型、标注再兜一层底。

import matplotlib.pyplot as plt

groups = ['甲', '乙', '丙', '丁']
values = [23, 45, 30, 38]
colors = ['#4e79a7', '#f28e2b', '#59a14f', '#e15759']  # 少量高对比色
plt.bar(groups, values, color=colors)
plt.show()
​

💡 配色有个简单的自检：把图转成灰度再看一遍。如果灰度下依然能分清各个系列、重点依然突出，说明你不是在靠颜色"硬撑"，这张图对色盲读者也友好。

四、标注：标题、轴、图例是图的说明书

一张图没有标题和轴标签，就像一个没有题目的答案——数据都在，但没人知道它在回答什么。标注的三件套是：标题、轴标签、图例。

标题要写结论，不要写"某数据折线图"这种废话。好标题是一句话总结：与其写"销量与广告投入的关系"，不如写"广告投入超过五万后，销量增长明显放缓"。前者是描述，后者是结论，读者一眼就知道该往哪看。

轴标签要写清变量和单位。横轴是时间就写"月份"，纵轴是金额就写"销售额（万元）"。单位尤其不能省，因为同一个数字，"万元"和"元"差着一万倍，漏了单位，图就失去了精确含义。

图例只在多系列时才需要。单系列的图，图例是多余的，删掉更干净。多系列的图，图例位置别挡数据，放右上角或图外都行，但要让读者能快速对上"哪条线是谁"。

plt.plot(months, sales_2023, marker='o', label='2023 年')
plt.plot(months, sales_2024, marker='s', label='2024 年')
plt.title('2024 年销量逐月反超去年', fontsize=15)
plt.xlabel('月份')
plt.ylabel('销量（万台）')
plt.legend()
plt.show()
​

标题给结论、轴标签给单位、图例给身份，三样齐了，图才能独立成文——哪怕摘出来贴进报告，别人不看上下文也读得懂。

五、别让图撒谎：坐标轴与比例的坑

图能骗人，而且常常是在你不经意间骗的。最常见的一招是纵轴不从零开始。柱状图里，如果纵轴从 30 而不是 0 开始，两个本来看起来只差 10% 的柱子，会被放大成差一倍。所以柱状图的纵轴原则上要从零开始；折线图因为关注的是变化幅度而非绝对值，有时可以放宽，但也要在图上说明。

第二个坑是比例失真。散点图或地图里，如果横纵轴的尺度比例不对，圆会变成椭圆，距离会被拉伸。散点图里可以设置等比例的坐标轴，让形状不被扭曲。

第三个坑是"选择性呈现"。只画有利的时间段、只截取某一段数据、把离群点删掉不说明——这些都在讲一个片面的故事。诚实的做法是：要么展示完整数据，要么明确标注你切了哪一段、为什么切。

# 柱状图纵轴从零开始，避免夸大差异
plt.bar(groups, values)
plt.ylim(0, max(values) * 1.15)
plt.show()
​

⚠️ 检查一张图有没有误导，最快的办法是问：如果我是被这张图说服的人，我有没有被"选择性"的信息带偏？纵轴起点、时间范围、离群点的去留，这三处是最容易藏猫腻的地方。

六、可访问性与受众

图不是给自己看的，是给别人看的。不同的人看同一张图，背景、设备、甚至视力都不同，好图要尽量照顾到更多人。

一是受众背景。给高管看的图和给同行技术看的图不一样：高管要结论先行、图越简越好；技术同行可以接受更密的信息。动笔前想清楚"这张图给谁看、他关心什么"，比堆多少技巧都重要。

二是可访问性。色盲友好前面说过；另外，图在导出或嵌入网页时，配上文字描述，让屏幕阅读器也能把图"读"给视障用户。别把信息只放在颜色或图上，重要的结论最好在图外也用一句话写出来。

三是设备。图在手机上看和在大屏上看是两回事。小屏下字号要更大、图例要更简。真正要发布到移动端的图，值得单独做一版，而不是把报告里的图原样缩放。

照顾受众这件事，本质是把"我以为说清楚了"换成"他真的看懂了吗"。多问这一句，很多图会被返工，但返工之后，图才真正完成了它的使命。

七、一张图的质检清单

把这一节的原则收拢成一张清单，画完图照着过一遍，能拦住大部分问题：

1. 这张图回答的问题，标题里写清楚了吗？
2. 选的图类型，和数据、意图匹配吗？
3. 颜色是否在三到五种以内，灰度下还分得清吗？
4. 轴标签带了单位，图例只在必要时出现吗？
5. 柱状图纵轴从零开始了吗？散点图比例失真了吗？
6. 有没有选择性呈现数据、删掉离群点却不说明？
7. 去掉某个元素，会影响理解吗？不影响就删。

这七条里，前六条是检查点，最后一条是心法。清单不是走形式，而是逼自己慢下来，把"画完了"和"画对了"分开。

图：可视化原则决策要点

本章回顾

• 四条原则有优先级：准确、清晰是硬要求，高效、克制是更高追求。
• 选图先问意图：趋势、比较、关系、分布、占比，各配一种图。
• 配色三到五种：区分系列用少量高对比色，编码数值用渐变，默认别用彩虹色。
• 灰度自检：转成灰度还能分清系列，说明不靠颜色硬撑。
• 标题写结论：好标题是一句话总结，而不是"某数据某图"。
• 轴标签带单位：单位漏了，精确含义就丢了。
• 柱状图纵轴从零开始：不从零开始会夸大差异，这是最常见的误导。
• 画完过一遍清单：七条自检，能拦住大部分问题。

到这里，第 3 章把 Matplotlib 放进了完整的数据分析流程。下一章我们钻进 Matplotlib 的底层，看看 Artist 对象、坐标变换这些机制是怎么支撑起前面所有图形的。