Data Visualization Selector — 数据可视化选择器

数据可视化选择器 何时使用： 用户拥有量化数据，需要在研究论文、报告、论文或演示文稿中以视觉方式呈现。 典型触发器： 用户拥有数据集并询问“应该使用表格还是图表？” 用户分享现有的图形并询问为什么它看起来混乱或业余 用户询问如何为图形添加标题、标签或介绍 导师或审稿人表示图形具有误导性、难以阅读或框架不良 用户拥有多个数据点，难以将其纳入正文 用户怀疑自己的图表可能夸大或歪曲了研究结果 范围： 本技能涵盖表格、条形图和线图的选择、设计和伦理框架——这些是基本量化研究中必不可少的三种图形类型。 对于散点图、热力图、箱线图或高级统计图形，请使用本技能的决策逻辑作为基础，并参考特定领域的可视化资源。 不要将本技能用于选择装饰性图形。每个图形都必须直接支持特定的论点或主张。 上下文要求（必须在继续之前存在） 数据：呈现什么值？有多少个数据点？有哪些变量？ 论点：读者应该从图形中得出什么结论？他们应该注意什么？ 有用但不必需的 受众和场合：专家读者还是普通读者？打印还是屏幕？黑白还是彩色？ 现有的图形（如果正在修订）：以文本、描述或文件的形式分享它，以便本技能可以诊断特定的问题。 阶段 1 — 文字或视觉？ 在选择图形类型之前，决定是否需要可视化。 使用文字（无图形）时： 您只有 3 个或更少的数字需要呈现。 读者可以像在表格中一样轻松地在句子中持有少量值。 示例：“2013 年，男性每年的收入为 50,033 美元，女性为 39,157 美元，差异为 10,876 美元。” 这个句子传达了与 3 行表格相同的信息——并且占用更少的空间。 使用图形时： 您有多个数字，文字强迫读者跟踪超过工作内存允许的值。 数据中的关系或模式是重点——读者需要看到结构，而不仅仅是记住数字。 视觉比较本身就是论点（例如，幅度的戏剧性差异）。 为什么这个决定很重要： 图形带有隐含的复杂性主张。 具有两行的表格向读者发出信号，表明数据需要表格——如果不需要，图形看起来膨胀，作者看起来像是在用视觉内容填充论文。 阶段 2 — 选择图形类型 三种主要图形类型各产生不同的修辞效果。 选择与您的论点相匹配的效果。 表格 修辞效果：精确、客观、中立。 呈现离散数字并让读者自己进行比较。 使用时： 确切值很重要，读者需要查找或比较特定数字 您有多个变量跨多个类别，读者可能需要根据他们的问题提取不同的值 论点需要读者看到所有数据，而不仅仅是突出显示的趋势 示例触发器：“以下是九个国家在两个时间段的失业率”——读者可能需要检查任何特定国家，因此表格中的确切数字比简化的视觉更适合他们。 权衡：表格需要读者自己推断关系（除非您在介绍性句子中说明）。 表格使您的数据可用；它不会自动使您的论点可见。 条形图 修辞效果：视觉对比。 强调离散项之间的大小差异。 使用时： 论点是比较——一个组或项大于、小于或不同于其他项 条形按照您的观点（例如，按大小排序、按类别分组）直接支持主张 您希望读者一眼就能看到相对大小，而不是阅读确切的数字 示例触发器：“世界上大多数沙漠集中在北非和中东。” 按地区（而不是按字母顺序）分组的条形图使这种地理集中成为可见的视觉模式——读者不需要阅读和计算。 按字母顺序列出的相同值不会产生连贯的图像。 权衡：条形图的精确度不如表格。 读者看到的是近似的大小，而不是确切的值。 当确切的值也很重要时，请在条形上添加数字。 变体： 堆积条形：仅当您希望读者比较组间的总条形高度时使用；当论点依赖于比较单个段的大小时，不要使用（读者无法准确地通过眼睛判断段的比例）。 簇条形：当段大小与总数一样重要时使用。 逻辑分组和排序；标记组总数。 饼图：对于量化数据，避免使用——读者无法准确判断比例。