第四章 图表设计三原则：清晰性、准确性、可解释性

做化合物有效性评估的图表，说白了就是个翻译工作。把一堆枯燥的数字，翻译成别人一眼就能看懂的图形。翻译得不好，数据再好也白搭。

我个人有个习惯，每次动手画图前，都会先问自己三个问题：这张图清楚吗？数据准吗？别人看得懂吗？这三个问题，对应的就是今天要讲的三个核心原则：清晰性、准确性、可解释性。

4.1 清晰性：别让读者猜

清晰性，是图表设计的底线。你想想看，一张图如果连基本的数据点都看不清，那它还有什么价值？

4.1.1 坐标轴与刻度

坐标轴是图表的骨架。骨架歪了，整张图就站不住。

• 刻度要均匀：别用非线性刻度去“美化”曲线。我在项目中遇到过有人把y轴底端截断，结果一条平缓的上升曲线看起来像垂直拉升，差点让团队误判了化合物的毒性趋势。
• 标签要清晰：轴标签字体大小至少12pt，别用斜体。斜体在印刷品里看起来像虫子爬，在屏幕上更是灾难。
• 单位不能省：浓度单位是μM还是nM？活性是IC₅₀还是EC₅₀？这些必须在轴标签上写清楚。

4.1.2 色彩与对比度

颜色用不好，清晰性就别提了。

• 低饱和度优先：别用大红大紫。我建议用色盲友好的配色方案，比如蓝色+橙色，或者蓝色+红色+绿色调低饱和度。
• 对比度要够：浅灰线配白底？那是跟自己过不去。线条至少2px宽，数据点符号至少8px。
• 控制颜色数量：一张图里超过6种颜色，人眼就开始打架了。分组多的时候，用形状或者线型来区分，别全靠颜色。

4.2 准确性：数据不能撒谎

准确性，是图表的灵魂。图表失真，哪怕只有一丁点，都可能导致科研方向跑偏。

我来分享一下常见的“数据造假”陷阱——很多时候不是故意的，纯粹是设计不当。

4.2.1 比例失真

最常见的，就是y轴从非零点开始。稍微抬高基线，微小的波动就看起来像显著变化。

场景	错误做法	正确做法
比较两组化合物活性	y轴从90%开始，看起来差异巨大	y轴从0%开始，展示真实差异
展示时间序列变化	使用非线性时间间隔	保持时间轴线性，除非特别说明
柱状图对比	柱子宽度不一致	所有柱子等宽，间距相等

4.2.2 误差与置信区间

化合物有效性的关键数据，必须带上误差棒。

• 标准差 vs 标准误：这两个东西长得像，含义差远了。我一般用标准差，它告诉你数据的离散程度。标准误更适合做假设检验，别混用。
• 置信区间要标注：95%置信区间是行业标准。标注清楚，读者才能判断你的结果是否可靠。
• 异常值处理：异常值要么标出来，要么用稳健统计方式处理。直接删除？那是在伪造数据。

4.3 可解释性：故事要讲通

清晰性和准确性都做到了，图还是可能没人看懂。为什么？因为缺了故事线。

4.3.1 图注与标题

标题是图表的第一个读者接触的东西。写得不好，后面再精彩也白搭。

• 自明性：图注要能独立于正文被理解。好的图注应该告诉读者“这是什么数据”、“用什么方法测的”、“样本量是多少”。
• 避免“数据图”这种标题：要写“化合物A对靶点B的IC₅₀测定结果（n=3，mean±SD）”。
• 缩写要定义：第一次出现的缩写，必须在图注里解释。

4.3.2 注释与标注

图表里的关键信息，要用标注引出来。别让读者自己在数据堆里找重点。

• 显著性标注：用星号（*p<0.05，**p<0.01）或者字母标记法。
• 关键数据点标注：比如最高活性点、转折点、异常值点。
• 区间标注：用透明矩形标出关键时间窗口或剂量范围。

4.4 知识体系：三者关系

这三个原则不是独立的。它们有层次关系。清晰性是基础，准确性是核心，可解释性是升华。

下面这张图展示了它们之间的层级关系。你看一眼就明白了。

从上往下看，你可以清晰地看到一条路径：先把图做清楚，然后确保数据准确，最后把故事讲好。少了哪一层，图表都会出问题。

4.5 实战中的取舍

三个原则有时候会冲突。我举个例子：你有一组离群值，如果全部展示，散点图会很稀疏，清晰性下降；如果只展示均值，准确性又打了折扣。

这种时候怎么办？我的做法是分两步走：

1. 主图展示核心趋势：用均值±标准差或者中位数+四分位距。
2. 附一个数据分布图：比如小提琴图或者带抖动点的散点图，放在主图边上或者补充材料里。

这样既保证了图表的清晰性，又不丢失准确性。

好了，这一章的内容就是这些。记住那个三层结构图，下次画图时在心里过一遍，图的质量会有明显提升。