<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />我最近在 Twitter 上看到了以下帖子：
埃里克·乔纳斯 @随机数3月16日
基本上没有理由在除零之外的任何地方开始比较图的 y 轴。
它产生了几个不同的答复，包括我的一个。 巧合的是，我刚刚重读了 John Tukey 的经典著作“探索性数据分析”（1977 年）的一部分，其中他展示了该指南的一个很好的反例。 这一点来自讨论引入了一种称为“示意图”的箱形图的变体。 他在 1969 年引入了一般箱线图，示意图通过一组特定的胡须长度和异常值显示规则完善了箱线图，这在 JMP 中一直是默认设置，称为“异常值箱线图”。
有问题的示例使用瑞利勋爵对氮质量的测量。 按照今天的标准，这是一个非常小的数据集，Tukey 在他的书中很好地列出了这些数据。 我还查了瑞利勋爵的出版物，关于测定氮气密度时遇到的异常情况，1894 年其中包含更多观察结果和与 Tukey 数据的一些细微差异。 我附加了数据集的 CSV 和 JMP 版本，Tukey 的数据在单独的列中。
重要的是，测量记录了氮本身是如何产生的细节。 下图显示了记录的重量（以克/“地球”为单位）与来源和净化剂的关系。
主要区别在于氮气是否来自空气，这就是 Tukey 的展示方式。 以下是他的一些文字和数字。
尽管 Tukey 比较的是汇总视图（箱线图与平均条形图），但他的观点也适用于原始数据。 以下是这些图的 JMP 散点图版本。
原来，瑞利勋爵从空气中提取的“氮”中还含有当时未知的其他元素，细微的差异导致了氩元素的发现，为此他获得了诺贝尔奖。
因此，虽然对于比较图而言，零比例通常是明智的，但做出明智的选择是无可替代的。 正如 Tukey 所暗示的那样，零起源情节并不能成为诺贝尔奖的理由。
