JMP's Graph Builder can generate dozens of types of charts, but it always starts with some form of dot plot. The idea is to show the data in its most basic representation, one dot per row. Beyond the familiar scatterplot form with two continuous variables, dot plots adapt to many situations: with any combination of continuous and categorical variables, with univariate data, with multivariate data and with small or medium sized data sets.
然而，在一種情況下，點圖總是被條形圖取代，即使以模糊或扭曲數據為代價：當存在一個連續變量時，每個組合具有一個數據值的一個分類變量。在看到另一個截斷的條形圖後，我想知道為什麼在Twitter上發現了數據可視化教育者和顧問Nick Desbarats的類似想法實用報導 。我們決定合作完成這篇文章，在下一節中，尼克從他的教學經驗中提出了問題。
什麼情節？
在教授Stephen Few時，我[尼克]所涵蓋的圖表類型之一告訴我數字課程是克利夫蘭點圖（以先驅數據可視化研究員William S. Cleveland命名）：
但是，如果您像我的大多數研討會參與者一樣，您將無法識別此圖表類型。當我問參與者他們之前是否曾見過一個時，介於0％到10％之間的人通常會上升。緊接著幾隻手上升之後，更多的眉毛總是會下降。參與者臉上的主導情緒是明白無誤的：這是混亂。
如果您也感到困惑，請讓我解釋一下：上面的圖表基本上是一個帶有七個條形的水平條形圖，但是每個條形的末端用一個圓點表示並且條形被移除。為什麼我會用點而不是酒吧？因為，如果我使用了條形圖，我的圖表將如下所示：
像這樣的條形圖會產生誤導，因為看起來，例如，巴西的記錄大約是印度尼西亞的兩倍，因為它的標準是大約兩倍的長度。然而，看看條形下方的價值比例告訴我們，這甚至不接近真實。這種感知問題是為什麼具有不包括零的定量尺度的條形圖是a 最佳做法禁忌 。解決這個問題的一種方法是將比例調為零：
這在感知上更安全，但是，使用這些特定數據，很難看出值之間的差異，因為它們彼此如此接近。但是，如果我們要比較跳遠記錄，那麼小差異就非常重要，因此這個圖表不是一個非常有效的可視化數據的方法。我們怎樣才能以一種允許清楚地看到它們之間的差異的方式可視化這些價值，但也不會導致人們在視覺上誤解它們的風險？克利夫蘭點圖：
因為在點圖中沒有可以比較的條形長度，觀眾將錯誤地認識到的風險，例如，巴西的記錄是印度尼西亞的兩倍，但他們也可以更清楚地看到價值之間的微小差異而且很容易。就像我說的那樣，很有用。
是的，我的研討會參與者所經歷的困惑是短暫的。經過30秒的解釋，眉毛回來了，一個安靜的“ooooh ......”從房間裡升起。是的，即使沒有我的解釋，大多數參與者最終都會弄清楚，儘管我想知道有多少人會費心去做這個旅程。參與者經常（並怯懦地）告訴我，即使他們現在了解點圖如何工作以及它們有多有用，他們也不會使用它們，因為他們的受眾不會費心去解決它們。
可能導致混淆的原因
對於我們這些熟悉點圖的人來說，這看起來很奇怪。當那些同樣的人沒有問題掌握條形圖和折線圖以及其他可能不那麼直觀的圖表類型（如散點圖）時，為什麼會有這麼多人難以掌握點圖？在觀察了成千上萬的人第一次看到點圖之後，現在看來有多種因素似乎是合理的：
- 看起來像散點圖： 許多人似乎最初認為他們正在尋找一個散點圖 ，可能是因為他們看到的幾乎所有其他圖表都是在二維空間中排列的特徵點是一個散點圖。然後他們感到困惑，因為兩個軸都不是定量的，所以他們必須意識到他們的散點圖假設在他們甚至可以開始理解他們正在看的東西之前是錯誤的。如果他們沒有意識到他們的散點圖假設是錯誤的，他們會得出結論，圖表是一個拙劣的散點圖，而圖表設計師並不知道他們在做什麼。
- 看起來它應該是一個條形圖： 如果觀眾正確地掌握了點圖的工作原理，他們可能會懷疑自己的理解，因為他們不明白為什麼圖形創建者使用點而不是條形圖。他們可能會質疑他們自己的“這就像條形圖”的解釋，即使它是正確的，並且想知道他們錯過了什麼，即使他們沒有遺漏任何東西。
- “衡量方向”並不是立即顯而易見的： 目前尚不清楚，在上面的示例圖中，只有每個點的水平位置代表一個定量值，而它的垂直位置則沒有。這可能與點的圓形形狀有關，這不會給出任何關於其“測量方向”是水平，垂直還是兩者的視覺線索。
- 指南線違反了預期： 我們懷疑上面例子中細細的水平引導線可能會導致觀眾最初的困惑。雖然這些線條使得每個點與其相應的類別名稱相關聯變得更容易且更不容易出錯，但Nick的研討會參與者的評論和問題表明，這些線條也可能正在向那些遇到點圖的人傳達其他非預期的視覺信息。第一次：
- 在參與者之前可能已經看過的幾乎所有其他圖表中，細的水平線的存在意味著垂直每個標記的位置（點，條等）編碼其定量值，即圖表上較高或較低的標記表示更大或更小的量。上面的點圖示例違反了這種期望，因為它包含水平線，但它是橫每個點的位置表示其定量值，而不是其垂直位置，正如線條可能向許多人建議的那樣。
- 有些人似乎最初認為線條是“走錯路”，因為在他們看來，這些線總是與圖中的量化尺度相關聯，而不是分類尺度。看到與分類尺度相關聯的線條似乎會讓一些人失望，可能是因為他們無法理解圖形，直到他們意識到他們對網格線如何工作的理解是錯誤的，或者至少是太窄。
- 看起來像一個時間序列點圖： 第一次遇到垂直點圖時......
...有些人似乎最初假設他們正在看時間序列點圖，但是當他們看到水平軸不是時間時會感到困惑。然後他們必須意識到他們的時間序列點圖假設在他們能夠理解他們正在看什麼之前是錯誤的。
什麼都可以做？
請注意，這些問題都不是由於上圖是點圖而是來自個人的事實設計元素 （點形狀，網格線的存在/方向等）這個特殊的點圖設計，這是點圖的傳統設計。通過改變設計元素，那麼，我們是否能夠使點圖“對於第一次遇到它們的人更友好”？甚至，可能，友好，他們根本不需要解釋？我的最近關於點圖替代品的推文與Nick的想法相吻合，我們決定在這篇文章上合作，努力設計一個更友好的點圖。那麼，我們重新設計的主要目標是：
- 為了使圖表更加明顯，圖表不是散點圖或時間序列點圖，對於點圖 - 天真的觀眾來說，這是一個新的圖表類型，所以他們需要放慢速度並弄清楚如何有用。
- 使測量方向更加明顯（水平點圖的水平，垂直點圖的垂直，而不是散點圖中的水平和垂直）。
- 更明顯的是，圖表的工作方式與條形圖類似。
我們如何修改克利夫蘭點圖的設計元素以實現這些重新設計目標並使點圖更友好呢？首先，我們可以想像以下變化：
- 替換類別指南行看起來不像定量網格線的東西。也許更厚但更輕的線條，斑馬陰影或根本沒有。
- 替換圓點標記具有視覺上建議測量方向的形狀（水平或垂直，但不是兩者）。可能是管道標記（“|”），褪色的條形末端或三角旗。
- 添加定量比例指南 。可能是網格線，陰影或更多填充，其行為與大多數其他圖形相同，即垂直於測量方向，並且用於使用戶能夠更精確地在視覺上估計圖表中標記的定量值。
探索替代方案
設計元素的可能組合快速加起來（或者，我們應該說，快速“倍增”），並且上述選項還不包括非數據變量，如圖表大小，方向和邊界，這也會影響理解。下面的畫廊僅展示了我們眾多選項的幾個組合。這些數據來自維基百科的列表全國跳遠紀錄 。為了控制類別的數量並仍然提供合理的價值分佈，我們只顯示人口最多的國家。因此，沒有出現具有優秀跳遠記錄的小國家。
當類別數量較大時，將標記與其對應的類別標籤在視覺上相關聯變得更加困難，因此對於具有少量類別的圖表最有效的設計選擇可能與具有更多類別的圖表的設計選擇不同。下面的圖庫提供了一些具有更多類別的設計元素組合：
好像我們還沒有足夠的設計選擇組合來考慮，還有一個方向（水平或垂直）投入混合：
由於我們無法展示所有可能的設計元素組合，我們希望鼓勵實驗，因此我們進行了很酷的互動可觀察的筆記本這允許任何人嘗試不同的設計元素組合。在該頁面上，您可以使用控制面板（請參見下面的屏幕截圖）立即查看每次更改設計元素時重新生成的示例圖表中的不同設計組合。
有希望的重新設計
在我們自己嘗試各種組合併考慮到我們的重新設計目標之後，我們假設下面的那些在點圖 - 天真的用戶中表現最佳，或者至少比傳統設計表現更好。
對於少於約八個類別的數據集：
我們贊成這些設計有以下幾個原因：
- 管道和褪色條形標記形狀支持我們的幾個重新設計目標：
- 它們使得圖表不是散點圖或時間序列點圖更明顯，因為這些圖表形狀對於那些圖表類型將是非常規選擇。對於之前從未見過點圖的用戶來說，他們可能不熟悉這些標記，建議他們需要學習的新圖表類型。
- 它們使得測量方向完全水平，而不是垂直或水平和垂直都更加明顯。褪色的條形標記使得更加明顯的是，向右的標記表示更大的絕對量（與較小的絕對量相反，如果值全部為負則將是這種情況）。
- 他們在視覺上建議了條形的末端，這表明了解釋圖表的正確方法。“褪色條”標誌使這更加明顯。
- 沒有可能被誤認為是定量網格線的類別指南行。如果用戶需要以非常高的精度直觀地估計數值，可以添加定量網格線而不會引起任何混淆（實際上，定量網格線甚至可能有助於初始理解，因為它們進一步在視覺上強化了測量方向）。
- 這些設計保留了克利夫蘭點圖的關鍵優勢，因為這些值仍然表示為具有不同2D位置且沒有不同長度的標記（如條形圖中），這降低了用戶在量化比例不確定時比較數量的風險不包括零。如果我們使用“條形”形狀或“針”類別指南，我們就會失去這種好處。
如果要顯示的數據具有超過大約八個類別，則將標記與其類別標籤相關聯變得更加費力且容易出錯，因此某種形式的類別指南變得必要。對於我們的眼睛來說，厚而輕的類別指南最適合使用管道標記，而薄的分隔線最適合使用褪色的條形標記：
然而，我們還沒有針對傳統設計在dot-plot-naÏve用戶上測試這些設計，因此這些僅僅是假設。但是，由於上面討論的原因，我們懷疑它們的表現比傳統的點圖設計更好。
讓我們知道您在評論中的想法，或者您是否認為設計元素的其他組合可能會形成更友好的點圖。
