每隔一段時間，我就會在對數刻度上跑過一個條形圖，總覺得不對勁。 乍一看，我比較了條形長度並開始進行比較。但最終，我注意到軸上的對數刻度，並試圖說服我的大腦忘記它剛剛看到的所有東西，只是將桿的頂部與軸刻度進行比較。從這個意義上說，對數刻度上的條形是一個特例沒有有意義的基線的柱子 。
這是我看到的一個最近的例子，比較了讀取CSV文件的速度（逗號分隔值文本文件）。
比較的來源是來自供應商的珊瑚色工具的白皮書，來自wise.io的ParaText ，顯示它有多快。由於使用對數刻度僅使競爭對手的速度看起來更接近其自身的速度，因此該公司很難在可視化中被指責欺騙。它比R讀取器快約10倍但看起來只快2倍。ParaText從對數刻度中獲得的唯一優勢是它的速度看起來非常接近黑色I / O帶寬條（上限），實際上速度大約是I / O帶寬的一半。
像任何其他非平凡的努力一樣，數據可視化通常涉及必須平衡的衝突約束。是的，在對數刻度上使用條形肯定會干擾從圖中獲得洞察力，但所有替代方案都可能更糟。這就是為什麼我在評估數據可視化時總是會考慮其他選擇。
當基礎數據非常偏斜或變化很多個數量級時，對數標度最有用。這種速度數據既偏斜又變化，但並非如此。最大變化約為200：1，即只要兩個數量級。我們可以立即在此圖表上嘗試兩種變體：
保持條形並將比例更改為線性。保持對數刻度並更改條形。這是一個簡單的線性標度轉換。運用 JMP ，我已將所有值都縮放為相對於I / O帶寬，因此黑條不顯示，因為它們都是100％。
我沒有用數字標註條形圖。我不認為所有的酒吧都需要標註精確值（我寧願有一個支持表）。但如果我在一份報告中分享這個內容，我會嘗試在每個類別中標出最高的一兩個條，以便進行一些基礎。我發現原件中的所有旋轉標籤都會減損數據的可視化表示，並且需要花費太多精力才能閱讀。
線性刻度並不差，我已經比原版更好，因為它直接描繪了產品之間的速度差異。 兩個圖表的一個缺點是產品標籤與其條形圖分開。 旋轉桿至少使桿和圖例標籤處於相同的佈置中。
不同的分組層次結構允許我們直接標記產品條。
對比橫過測試現在不那麼直接，但我認為這是一個不那麼重要的比較。
現在讓我們回到開頭，嘗試保持日誌比例並更改數據元素。這是使用點和線而不是條形的視圖。
點本身足以攜帶位置信息，但線條添加連接信息，這有助於簡化標籤。一般來說，線段有三個含義：
插值（連續）連接（分類）模式識別（連續或分類）插值在這裡沒有多大意義，因為我們的x軸是絕對的，因此這裡是一個減法。但是連接非常有價值，模式識別也是有用的。例如，我們注意到一些產品具有相同的向上 - 向下模式。
標記到位的線條，顏色不是必要的。雖然顏色確實有助於區分交叉線並幫助數據線從網格線中脫穎而出，但是有足夠的分離，我們可以嘗試使用顏色用於技術組（R，Python或專業）而不是單個標籤。
這使得圖表不那麼繁忙但保留了顏色的優點。
圖表看起來不錯，但它有效嗎？我們仍然有一個對數比例，仍然需要更多的思考。但至少現在數據元素與規模沒有衝突，我們有更多的空間來顯示加強非線性的網格線。對數刻度使您更容易理解整個範圍內值之間的差異。特別是，我們可以看到低值相互之間的差異比我們在線性範圍上更好。
有趣的是，數據本身對每個圖表選項的有用性產生了很大的影響。線性標度處於其有用性極限，差異大約為10倍。如果差異更像是1000倍，則線性標度將毫無用處。如果各個產品的值太相似，那麼這些點就會相互模糊，而且不那麼有用。
看過幾種可能性，這對於理解性能最有效？或者其他東西會更好嗎？
Craige 中寫道：
全藍色圖表是提供信息的最佳圖表，但它確實在其他圖表中的所有漂亮顏色中丟失了。
