4. 二维统计图表实战
统计图表的价值不在于“画得漂亮”，而在于让读者在最短时间内看清数据的分布、趋势、关系与异常。本节围绕五类最常用的二维统计图，从“适合表达什么”出发，落到“怎么画、参数怎么调、统计含义怎么标、常见错误怎么避”。所有示例数据均为教学假设，用于说明绘制逻辑与判读方法。
一、先选图型：让图表类型匹配统计问题
选图的第一判断是“我要回答什么统计问题”。折线图回答“随有序变量如何变化”，要求横轴是有序的连续或等距变量（时间、剂量、序号）；散点图回答“两个连续变量之间是否存在关联、关联形状与离群点”；柱状图回答“不同类别之间的量值比较”，横轴是离散类别；箱线图回答“分组数据的分布位置、离散程度与异常值”；直方图回答“单个连续变量的分布形状”，横轴是分箱区间。把类别数据连成折线、把时间序列画成柱状图，都是典型的图型误用。
二、折线图：趋势表达与误差带
折线图的核心是“有序”。绘制时先确认横轴变量确实有序，再决定是否连接数据点。若每个点代表一次独立测量，应同时画出标记点，让读者看到采样位置；若数据是连续函数的密集采样，可只画线。多组比较时，用颜色区分组别，并在图例中给出组名与样本量。
参数调优上，纵轴是否从零开始要分场景：表达绝对量值时纵轴应从零起，避免夸大差异；表达变化率或对数增长时，可使用截断纵轴，但必须在轴端加断轴符号并注明。误差表达要明确类型——标准差（SD）描述个体离散，标准误（SEM）描述均值估计精度，95%置信区间（CI）描述均值区间，三者不可混标。示例：某药物三个剂量组的响应均值分别为 12.4、18.7、25.1，若画 SEM 误差棒，需在图注写明“误差棒为 SEM，n=8”。
三、散点图：关联、过度绘图与相关陷阱
散点图最容易被“过度绘图”毁掉：当样本量达到数千时，点会叠成一团墨块，看不出密度结构。解决办法有三类：降低点的不透明度（alpha 取 0.2～0.4）、缩小点尺寸、改用六边形分箱或二维密度图。若 X 轴存在大量重复取值（如评分 1～5），可加轻微抖动（jitter）避免点完全重合，但抖动幅度要小于相邻取值间距，且在图注说明。
统计含义上，散点图能显示关联形状（线性、单调非线性、U 形）和离群点，但不能直接证明因果。拟合线应给出方法（如最小二乘）与相关系数 r，并注意 r 对离群点敏感。示例：若 200 个点中有一个极端离群点使 r 从 0.31 变为 0.72，应同时报告剔除前后结果，而不是只展示“好看”的那个。
四、柱状图：类别比较与零基线原则
柱状图的长度编码量值，因此纵轴必须从零开始，否则柱长比例失真，这是最需要警惕的错误。柱宽与组间距影响可读性：柱宽约为组间距的 60%～80% 较舒适，组间留白要明显大于组内留白。多组比较时优先用分组柱或点线图，避免 3D 柱、阴影和渐变，它们不增加信息却干扰长度判读。
误差棒同样要标注类型与样本量。若类别较多，按量值排序比按字母排序更利于读者抓重点。示例：五个处理组的产量为 42、38、51、47、44（单位：kg/亩），排序后画柱，并在图注注明“误差棒为 SD，n=6”，读者能立即看出第 3 组最高。
五、箱线图与直方图：分布的两条路径
箱线图用五数概括（下须、Q1、中位数、Q3、上须）压缩分布，须线通常延伸到 1.5 倍四分位距内的最远观测，超出者标为离群点。它擅长多组并排比较位置与离散度，但会隐藏样本量和分布形状：n=5 时画箱线图统计意义有限，双峰分布也可能被压成单箱。实践中建议叠加原始散点（strip plot），并在横轴标签或图注给出 n。
直方图用于看单变量分布形状，关键参数是分箱数。箱数过少会抹平双峰，过多则噪声放大。可用 Sturges 规则（k≈1+log₂n）或 Freedman-Diaconis 规则（箱宽≈2·IQR·n^(-1/3)）作起点，再结合形状微调。直方图相邻柱之间不应留缝（那是柱状图的特征），纵轴用频数时总面积等于 n，用密度时总面积为 1，二者不可混标。示例：n=120 的测量值，按 Sturges 规则取 k≈8，若发现明显双峰，可增至 12～15 箱确认结构是否稳定。
六、出图前的自检清单
- 图型是否匹配统计问题：趋势用折线、关联用散点、类别比较用柱、分布用箱线或直方图。
- 坐标轴：柱状图纵轴从零起；截断轴是否有断轴符号与说明；对数轴是否标注底数。
- 统计标注：误差棒类型、样本量 n、相关系数或检验方法是否写清。
- 过度绘图：散点是否调透明度/尺寸/分箱；类别标签是否重叠。
- 可读性：字号、颜色对比、图例位置是否在黑白打印下仍可区分。
把这五类图放在同一套“问题—图型—参数—统计标注—错误检查”的框架下练习，比单独记参数更有效。真正决定图表质量的，是绘图者能否说清每个视觉元素对应哪条统计信息，以及哪些信息被有意省略、为什么可以省略。