大數據文摘出品
來源：Medium
編譯：張秋玥、夏雅薇
經濟學人雜誌除了色彩鮮明的文章之外，其在數據可視化方面也自成一派。絕妙的顏色搭配，風格鮮明的圖表總能讓讀者過目不忘。
據圖表編輯編輯Sarah Leo在一篇博客中介紹到：雖然對於每一張圖表，他們都儘量準確地以最能支持故事表達的方式來可視化數字，但有時候也會犯錯。
為了能夠做的更好，他們在從錯誤中不斷總結教訓，不斷的自我改進。為此Sarah Leo還把經濟學人的錯誤總結為3點，並寫成一篇博客，供大家參考，大數據文摘對文章編譯如下☟
深入瞭解我們的記錄後，我找到了幾個有用的例子。我將針對數據可視化的問題分為三類：
- 誤導性圖表
- 模糊的圖表
- 未能說明問題的圖表
免責聲明：大多數“原始”圖表是在我們的圖表重新設計之前發佈的。改進的圖表是為了符合我們的新規格而繪製的。它們的數據完全一致。
誤導性的圖表
以誤導的方式呈現數據是數據可視化中最嚴重的問題，雖然我們從不故意這樣做，但它確實時不時發生。我們來看看三個例子。
錯誤：截斷標尺
這圖就很左翼分子對不對
此圖表顯示了政治左翼Facebook頁面上帖子的點贊平均數量。這張圖表的重點是顯示Corbyn先生與其他帖子之間的差異。
原始圖表不僅低估了Corbyn先生的數量，還誇大了其他帖子的數量。在重新設計的版本中，我們完整地展示了Corbyn先生的數據並保證所有其他數據長條仍然可見。
另一個奇怪的是顏色的選擇。為了模仿工黨的配色方案，原圖使用了三種橙色/紅色色調來區分Jeremy Corbyn與其他國會議員和政黨。雖然顏色背後的邏輯對許多讀者來說可能是顯而易見的，但對於那些不太熟悉英國政治的人來說，這可能沒什麼意義。
錯誤：通過故意操縱座標軸來假裝存在相關關係
難得的完美關聯？並不是的。
上面的圖表附有一個關於狗重量下降的故事。乍一看，似乎狗的體重和頸部大小完全相關。但這是真的嗎？其實並不是很相關哦。
在原始圖表中，兩個座標軸的跨度均為三個單位（左邊是21到18；右邊是45到42）。按百分比計算，左邊的比例下降了14％而右邊則下降了7％。在重新設計的圖表中，我保留了雙座標軸的設計，但調整了它們的範圍以反映可比較的比例變化。
考慮到這個圖表的休閒主題，這個錯誤可能看起來並沒有那麼重要。畢竟，圖表的信息在兩個版本中都是相同的。但我們從中學到的事情很重要：如果兩個變量過於緊密相關，那麼再仔細觀察一下座標軸尺度可能是一個好主意。
錯誤：選擇錯誤的可視化方法
對脫歐的看法幾乎和談判結果一樣不穩定
我們在每日新聞應用Espresso中發佈了此投票圖表。它顯示了民眾對歐盟公投結果的態度，並以折線圖繪製。從數據來看，似乎受訪者對公投結果的看法相當不穩定——每週都會增加或減少幾個百分點。
我們並未使用平滑曲線繪製單個民意調查來顯示趨勢，而是連接每個民意調查的實際值。這主要是因為我們的內部圖表工具沒有繪製平滑線條的功能。我們直到最近才逐漸開始熟悉更復雜的可視化統計軟件（如R）。今天，我們團隊所有人都能夠繪製一個類似上面重新設計的投票圖表了。
此圖表中需要注意的另一件事是座標軸如何起點的方式。原始圖表將數據擴展到全部空間。而在重新設計的版本中，我在座標軸開始的部位和最小數據點之間留下了更多空間。弗朗西斯·加農（Francis Gagnon）為此制定了一個很好的規則：我們應當試著在一個不從零開始的折線圖下留出至少33％的空白區域。
模糊的圖表
這沒有誤導性圖表那麼過分，但是一份難以閱讀的圖表還是表明可視化工作做得很糟糕。
錯誤：“發散性思維”過於發散了
…這啥玩意？
在“經濟學人”雜誌上，我們被鼓勵創造“發散性思維”的新聞報道。但是有時候，我們會認為這有點太過分了。上圖顯示了美國的商品貿易逆差和製造業就業人數。
該圖表非常難以閱讀。它有兩個主要問題。首先，一個變量（貿易逆差）的值完全是負數，而另一變量（製造業就業）都是正數。將這些差異結合在一個圖表中而不平坦化任一變量非常不合理。有一個顯而易見的解決方案，但這卻會導致第二個問題：兩個變量不共享共同基線。貿易赤字的基線位於圖表的頂部（通過圖表左半邊那截紅線突出顯示），而右半部分的基線則位於底部。
重新設計的圖表顯示其實並沒有必要組合這兩個數據系列。貿易逆差與製造業就業之間的關係仍然很明顯，而這一圖表並沒有額外佔據多少空間。
錯誤：莫名其妙的顏色使用
該圖表將政府在養老金福利方面的支出與國家65歲以上人口比例進行了比較，並特別關注了巴西的情況。為了使圖表佔據較小版面，可視化工具僅標記了部分國家/地區，並以電藍色突出顯示。經合組織的平均值則以淡藍色突出顯示。
可視化者忽略了這樣一個事實，即不同顏色通常意味著不同分類。乍一看，這個圖表似乎也是如此——所有電藍色似乎屬於與深藍色不同的組合。但其實壓根不是這樣的，區別只是一個有打上國家標籤，一個沒有而已。
在重新設計的版本中，所有國家/地區的圓圈顏色保持不變。我將沒有標籤的數據點的透明度調高了。剩下的就靠排版了：巴西是重點國家所以用字體加粗；而經合組織則用斜體字表示。
未能說明問題的圖表
最後一類的錯誤不太明顯。像這樣的圖表不會誤導讀者，也不會讓人感到困惑。他們只是沒有證明他們存在的合理性 - 通常是因為可視化不合理，或者因為我們非要在小版面內塞進過多信息。
錯誤：包含太多細節
“顏色越多越好！”——好的可視化才不會這樣
這彩虹真好看！我們在德國預算盈餘的專欄中公佈了這張圖表。它顯示了10個歐元區國家的預算餘額和活期賬戶餘額。
有這麼多顏色，而且其中一些很難被區分。另外，因為對應的值太小了，壓根沒有辦法得到任何圖表信息。它只會讓你眼前一愣然後趕緊轉移視線。而且更重要的是，由於我們沒有繪製所有歐元區國家，因此堆疊數據沒有任何意義。
我回過頭看看有沒有辦法簡化這個圖表。該專欄提到德國、希臘、荷蘭、西班牙以及歐元區總數。在重新設計的圖表版本中，我決定只強調這些。為了解決僅堆疊部分國家的問題，我添加了另一個類別（“其他”），其中包括所有其他歐元區國家。（由於歐盟統計局進行了數據修訂，重新設計的圖表中的流動賬戶餘額總額低於原始圖表。）
錯誤：大量數據，空間不足
我放棄。
受到有限版面空間的限制，我們經常試圖將所有數據一股腦兒塞進圖表中。雖然這可以節省頁面上的寶貴空間，但它還是會有負面影響。比如這張2017年三月的圖表，它是關於科學界的論文發表是如何由男性主導的。所有數據點都同樣有趣且與主旨緊密相關。但是，一下子提供如此多的數據（四個研究領域類別以及發表人的比例）這些信息很難一起被接受。
經過深思熟慮之後，我決定不重新設計這個圖表。如果我要保留所有數據，那麼圖表就會變得過於複雜而不簡潔。在這種情況下，削減一些內容會更好。或者，我們可以展示某種平均化的衡量標準，例如所有領域的女性發表作品的平均比例。