因为 JMP Graph Builder是一种通用的数据探索工具，其首要任务是显示数据。它的默认方式是使用点图，无论绘制的变量如何。除了具有两个连续变量的常见散点图之外，点图在许多情况下都能很好地工作：连续变量和分类变量的任意组合，单变量数据，多变量数据和中小型数据集。
然而，在一种情况下，点图总是被条形图取代，甚至以掩盖或扭曲数据为代价：当存在一个连续变量时，一个分类变量，每个组合具有一个数据值。在看到另一个截断的条形图后，我想知道为什么在Twitter上发现了数据可视化教育者和顾问Nick Desbarats的类似想法实用报道 。我们决定合作完成这篇文章，在下一节中，尼克从他的教学经验中解决了这个问题。
什么情节？
在教授Stephen Few时，我[尼克]所涵盖的一种图表类型告诉我数字课程是克利夫兰点图（以先驱数据可视化研究员William S. Cleveland命名）：
但是，如果您像我的大多数研讨会参与者一样，您将无法识别此图表类型。当我问参与者他们之前是否曾见过一个时，介于0％到10％之间的人通常会上升。紧接着几只手上升之后，更多的眉毛总是会下降。参与者脸上的主导情绪是明白无误的：这是混乱。
如果您也感到困惑，请让我解释一下：上面的图表基本上是一个带有七个条形的水平条形图，但每个条形的末端用一个圆点表示并删除了条形图。为什么我会用点而不是酒吧？因为，如果我使用了条形图，我的图表将如下所示：
像这样的条形图会产生误导，因为看起来，例如，巴西的记录大约是印度尼西亚的两倍，因为它的大约是其长度的两倍。然而，看看条形下方的价值比例告诉我们，这甚至不接近真实。这种感知问题是为什么具有不包括零的定量尺度的条形图是a 最佳做法禁忌 。解决这个问题的一种方法是将比例调为零：
这在感知上更安全，但是，使用这些特定数据，很难看出值之间的差异，因为它们彼此如此接近。但是，如果我们要比较跳远记录，那么小差异就非常重要，因此这个图形不是一种非常有效的可视化数据的方法。我们怎样才能以一种允许清楚地看到它们之间的差异的方式可视化这些价值，但也不会导致人们在视觉上误解它们的风险？克利夫兰点图：
因为在点图中没有可以比较的条形长度，观众将错误地认识到的风险，例如，巴西的记录是印度尼西亚的两倍，但他们也可以更清楚地看到价值之间的微小差异而且很容易。就像我说的那样，很有用。
是的，我的研讨会参与者所经历的困惑是短暂的。经过30秒的解释，眉毛回来了，一个安静的“ooooh ......”从房间里升起。是的，即使没有我的解释，大多数参与者最终都会弄清楚，尽管我想知道有多少人会费心去做这个旅程。参与者经常（并且怯懦地）告诉我，即使他们现在了解点图如何工作以及它们有多有用，他们也不会使用它们，因为他们的受众不会费心去解决它们。
可能导致混淆的原因
对于我们这些熟悉点图的人来说，这看起来很奇怪。当那些同样的人没有问题掌握条形图和折线图以及其他可能不那么直观的图表类型（例如散点图）时，为什么会有这么多人难以掌握点图？在观察了成千上万的人第一次看到点图之后，现在看来有多种因素似乎是合理的：
- 看起来像散点图： 许多人似乎最初认为他们正在寻找一个散点图 ，可能是因为他们看到的几乎所有其他图表都是在二维空间中排列的特征点是一个散点图。然后他们感到困惑，因为两个轴都不是定量的，所以他们必须意识到他们的散点图假设在他们甚至可以开始理解他们正在看的东西之前是错误的。如果他们没有意识到他们的散点图假设是错误的，他们会得出结论，图表是一个拙劣的散点图，而图表设计师并不知道他们在做什么。
- 看起来它应该是一个条形图： 如果观众正确地掌握了点图的工作原理，他们可能会怀疑自己的理解，因为他们不明白为什么图形创建者使用点而不是条形图。他们可能会质疑他们自己的“这就像条形图”的解释，即使它是正确的，并且想知道他们错过了什么，即使他们没有遗漏任何东西。
- “衡量方向”并不是立即显而易见的： 目前尚不清楚，在上面的示例图中，只有每个点的水平位置代表一个定量值，而它的垂直位置则没有。这可能与点的圆形形状有关，这不会给出任何关于其“测量方向”是水平，垂直还是两者的视觉线索。
- 指南线违反了预期： 我们怀疑上面例子中细细的水平引导线可能会导致观众最初的困惑。虽然这些线条使每个点与其相应的类别名称相关联变得更容易且更不容易出错，但Nick的研讨会参与者的评论和问题表明这些线条也可能正在向那些遇到点图的人传达其他非预期的视觉信息。第一次：
- 在参与者之前可能已经看过的几乎所有其他图表中，细的水平线的存在意味着垂直每个标记的位置（点，条等）编码其定量值，即图表上较高或较低的标记表示更大或更小的量。上面的点图示例违反了这种期望，因为它包含水平线，但它是横每个点的位置表示其定量值，而不是其垂直位置，正如线条可能向许多人建议的那样。
- 有些人似乎最初认为线条是“走错路”，因为在他们看来，这些线总是与图中的量化尺度相关联，而不是分类尺度。看到与分类尺度相关联的线条似乎会让一些人失望，可能是因为他们无法理解图表，直到他们意识到他们对网格线如何工作的理解是错误的，或者至少是太窄。
- 看起来像一个时间序列点图： 第一次遇到垂直点图时......
...有些人似乎最初假设他们正在看时间序列点图，但是当他们看到水平轴不是时间时会感到困惑。然后他们必须意识到他们的时间序列点图假设在他们能够理解他们正在看什么之前是错误的。
什么都可以做？
请注意，这些问题都不是由于上图是点图而是来自个人的事实设计元素 （点形状，网格线的存在/方向等）这个特殊的点图设计，这是点图的传统设计。通过改变设计元素，那么，我们是否能够使点图“对于第一次遇到它们的人更友好”？甚至，可能，友好，他们根本不需要解释？我的最近关于点图替代品的推文与Nick的想法相吻合，我们决定在这篇文章上合作，努力设计一个更友好的点图。那么，我们重新设计的主要目标是：
- 为了使图表更加明显，图表不是散点图或时间序列点图，对于点图 - 天真的观众来说，这是一个新的图表类型，所以他们需要放慢速度并弄清楚如何有用。
- 使测量方向更加明显（水平点图的水平，垂直点图的垂直，而不是散点图中的水平和垂直）。
- 更明显的是，图表的工作方式与条形图类似。
我们如何修改克利夫兰点图的设计元素以实现这些重新设计目标并使点图更友好呢？首先，我们可以想象以下变化：
- 替换类别指南行看起来不像定量网格线的东西。也许更厚但更轻的线条，斑马阴影或根本没有。
- 替换圆点标记具有视觉上建议测量方向的形状（水平或垂直，但不是两者）。可能是管道标记（“|”），褪色的条形末端或三角旗。
- 添加定量比例指南 。也许网格线，阴影或更多填充的行为与大多数其他图形相同，即垂直于测量方向，并使用户能够更精确地在视觉上估计图表中标记的定量值。
探索替代方案
设计元素的可能组合快速加起来（或者，我们应该说，快速“倍增”），并且上述选项还不包括非数据变量，如图表大小，方向和边界，这也会影响理解。下面的画廊仅展示了我们众多选项的几个组合。这些数据来自维基百科的列表全国跳远纪录 。为了控制类别的数量并仍然提供合理的价值分布，我们只显示人口最多的国家。因此，没有出现具有优秀跳远记录的小国家。
当类别数量较大时，将标记与其对应的类别标签在视觉上相关联变得更加困难，因此对于具有少量类别的图表最有效的设计选择可能与具有更多类别的图表的设计选择不同。下面的图库提供了一些具有更多类别的设计元素组合：
好像我们还没有足够的设计选择组合来考虑，还有一个方向（水平或垂直）投入混合：
由于我们无法展示所有可能的设计元素组合，我们希望鼓励实验，因此我们进行了很酷的互动可观察的笔记本这允许任何人尝试不同的设计元素组合。在该页面上，您可以使用控制面板（请参见下面的屏幕截图）立即查看每次更改设计元素时重新生成的示例图表中的不同设计组合。
有希望的重新设计
在我们自己尝试各种组合并考虑到我们的重新设计目标之后，我们假设下面的那些在点图 - 天真的用户中表现最佳，或者至少比传统设计表现更好。
对于少于约八个类别的数据集：
我们赞成这些设计有以下几个原因：
- 管道和褪色条形标记形状支持我们的几个重新设计目标：
- 它们使得图表不是散点图或时间序列点图更明显，因为这些图表形状对于那些图表类型将是非常规选择。对于之前从未见过点图的用户来说，他们可能不熟悉这些标记，建议他们需要学习的新图表类型。
- 它们使得测量方向完全水平，而不是垂直或水平和垂直都更加明显。褪色的条形标记使得更加明显的是，向右的标记表示更大的绝对量（与较小的绝对量相反，如果值全部为负则将是这种情况）。
- 他们在视觉上建议了条形的末端，这表明了解释图表的正确方法。“褪色条”标志使这更加明显。
- 没有可能被误认为是定量网格线的类别指南行。如果用户需要以非常高的精度直观地估计数值，可以添加定量网格线而不会引起任何混淆（实际上，定量网格线甚至可以帮助初始理解，因为它们进一步在视觉上强化了测量方向）。
- 这些设计保留了克利夫兰点图的关键优势，因为这些值仍然表示为具有不同2D位置且没有不同长度的标记（如条形图中），这降低了用户在量化比例不确定时比较数量的风险不包括零。如果我们使用“条形”形状或“针”类别指南，我们就会失去这种好处。
如果要显示的数据具有超过大约八个类别，则将标记与其类别标签相关联变得更加费力且容易出错，因此某种形式的类别指南变得必要。对于我们的眼睛来说，厚而轻的类别指南最适合管道标记，而薄分隔线最适合使用褪色条形标记：
然而，我们还没有针对传统设计在dot-plot-naÏve用户上测试这些设计，因此这些仅仅是假设。但是，由于上面讨论的原因，我们怀疑它们的表现比传统的点图设计更好。
让我们知道您在评论中的想法，或者您是否认为设计元素的其他组合可能会形成更友好的点图。
