数据可视化最常见的9个骗局

当然，用数据来撒谎已经不是什么新鲜事儿了，但现在图表越来越随意马虎被广泛传播，网上到处都是，而个中好多通报的是假象。
你可能只是随便瞟了一眼，但一个大略的信息也可能在脑筋里生根萌芽。
在你还不知道的时候，小李子已经在桌子上转起了陀螺，而没人关心它会停下来还是会一贯转下去。

自然而然地，现在我们须要快速看穿一个图表是否在撒谎，而这篇图文便是你知心的辅导手册哟。

截断数轴

左边的y轴数据从10开始，纯粹的瞎话。
右边的数据从0开始，很好。

长度是柱状图视觉呈现的关键，以是当某些人通过截断数轴而故意把长度缩短时，全体图表的差别就变得更明显了。
这些人想要展现出比实际情形更剧烈的变革。
我在另一篇文章里详细谈了这个问题。

双重数轴

它用了两种差距极大的比例，可能是为了强行扯上因果关系。

通过利用双重数轴，数据的量级可以根据两种度量来缩小或扩展。
人们常日用它来表达干系度和因果关系。
“由于这个东东，另一个事儿发生了，看，很清楚吧。
”

Tyler Vigen做的假干系数据的项目是个极好的例子。

总和不对头

饼图中所有部分的比例加起来超过了100%。

一些图表专门要展示总体中的某些部分，而当这些部分加起来超过了总和，问题就很大了。
比如，饼图代表的是统共100%，而如果每个扇形的比例加起来超过了100%？怪怪的噢。

可以看看这个搞笑的例子。

只看绝对值

这实在只是人口分布图。
当你比拟不同地方、种类或群体时，你必须考虑相对值，公正比较

任何事物都是相对的。
你不能由于某个城镇发生了两起抢劫案，另一个只发生了一起，就说第一个镇更危险。
万一第一个镇的人口是第二个的一千倍呢？更有效的办法每每是比拟百分数和比例，而非绝对值和总值。

这幅xkcd的漫画很直白地展现了人口绝对数的影响。

有限范围

左图看上去增幅很大，但右图显示出这只是常态，且选定时间内的增幅实际并不明显。

人们方向于精心挑选日期和韶光段来合营特定的叙事，以是更该当考虑到历史背景、时常发生的事宜，以及合理的用来比较的基准。

当你研究全局时，可能会创造有趣的事情。

奇怪的分级

左图只有两个分级，大于1的究竟包括些什么？可能在打掩护。
右图更好，展示了更多变量。

有些可视化作品会过分简化一个繁芜的模型，而非展示出原数据中完全的变量范围。
这样做很随意马虎会把一个连续的变量转化为从属于某一类别的变量。

广泛的分级在某些情形下很有用，但繁芜性每每才是事物的意义所在。
要防止过分简化。

混乱的面积比

30是10的三倍，但或许是为了增加显著性，图上最大的矩形比最小的大得可不止三倍。

如果按照面积来进行视觉上的编码，图形的大小比例就该是面积的比例。
有些人却在做面积编码的可视化时，改变边长的比例来突出大小比拟，完备是为了抓马啊。

有时这种缺点是无意间造成的，更须要警觉。

操控面积维度

高下两个图形的面积相等，但看上去很不一样。

或许有人懂得怎么用面积来做视觉编码，却还（gu）是（yi）做出了上图这样的东西。
我还没见过如此夸年夜的例子，但往后说不定就会有。
我打赌连象形图都能涌现，等着瞧吧。

为了三维而三维

当你看到一个明明没必要还强行用三维的图表，请质疑它的数据、图表、作者及图表衍生出的任何事物。

划重点：

如果一个可视化作品涌现了以上任何问题，并不代表它一定在撒谎。
正如Darrell Huff在《如何用数听说谎》里说的：

“本书的标题和里面一些内容可能像是在说，所有类似的作品都是为欺骗而生的产物。
美国统计协会一个分会的主席曾经由于这个批评我，他以为与其说出于欺骗，倒更像是能力不敷。
”

当然，这并不即是就可以体谅，毕竟也做错了嘛。
但记住这点，你在骂某某某是骗子之前就可以再考虑考虑。

我的履历是，仔细检讨那些令人震荡的、比想象中更具戏剧性的图表。

图表并不能让虚假的信息变成真的，数据也不能。
它们会服从于做图的人，也展示出信息本身之外更多的东西。
那么，睁大你的眼睛咯。

来自：Flowingdata；By：Nathan Yau；新浪新媒体实验室 独家编译；链接：http://news.sina.com.cn/2017-02-15/doc-ifyarmcu6008746.shtml；