看看这些《经济学人》图表设计师也会犯的的设计错误，超有用~~

本文转载自外网，作者为《经济学人》杂志的记者Sarah leo，中文由苏有熊译校。

在《经济学人》，我们非常重视数据可视化。每周，我们都会在纸质版、网站和应用上发布大约40个图表。对于每一个数字，我们都尽可能准确地将数字可视化，并以一种最好的方式支持故事。

但有时我们会搞错。如果我们从错误中学习，我们可以在未来做得更好——其他人也可以从错误中学习。

在深入研究我们的档案后，我发现了几个有指导意义的例子。

我将我们对数据可视化的犯罪分为三类：

(1)图表具有误导性，

(2)令人困惑，

(3)不能说明问题。

对于每一种图表，我建议使用一种改进的版本，这种版本需要大小类似的版面占比——在绘制印刷图表时这是一个重要的考虑因素。

（一个简短的声明：大多数“原始”图表是在我们重新设计图表之前发布的。改进后的图表是根据我们的新规格绘制的。数据是一样的。）

正文部分图表左图为原图，右图为经过优化设计的图表。

误导性图表

让我们从数据可视化中最严重的犯罪开始：以误导性的方式呈现数据。我们从不故意这样做！但它确实时不时发生。让我们看看我们档案中的三个例子。

错误：截断比例

该图表显示了按政治左翼页面划分的 Facebook 帖子的平均点赞数。这张图表的目的是显示科尔宾先生的帖子与其他人的帖子之间的差异。

原始图表不仅淡化了 Corbyn 先生的点赞数，而且夸大了其他帖子上的点赞数。在重新设计的版本中，我们完整展示了 Corbyn 先生的条形。所有其他条形保持可见。

另一个奇怪的事情是颜色的选择。为了模仿工党的配色方案，我们使用了三种橙色/红色阴影来区分 Jeremy Corbyn、其他国会议员和政党/团体。我们不解释这个。虽然颜色背后的逻辑对很多读者来说可能是显而易见的，但对于那些不太熟悉英国政治的人来说，这可能没什么意义。

错误：通过挑剔的尺度强迫建立关系

上面的图表伴随着一个关于狗体重下降的故事。乍一看，狗的体重和脖子大小似乎完全相关。但这是真的吗？只是在某种程度上。

在原始图表中，两个尺度都减少了三个单位（从左边的 21 到 18；从右边的 45 到 42）。按百分比计算，左边的比例下降了 14%，而右边的比例下降了 7%。在重新设计的图表中，我保留了双刻度但调整了它们的范围以反映可比的比例变化。

考虑到这张图表的有趣话题，这个错误似乎相对较小。毕竟，图表的信息在两个版本中是相同的。但要点很重要：如果两个系列彼此太接近，那么仔细查看尺度可能是个好主意。

错误：选择了错误的可视化方法

我们在每日新闻应用 Espresso 中发布了此投票图表。它显示了对欧盟公投结果的态度，绘制为折线图。从数据来看，似乎受访者对公投结果的看法相当不稳定——从一周到下一周增加和减少几个百分点。

我们没有用平滑的曲线绘制单个民意调查以显示趋势，而是将每个单个民意调查的实际值连接起来。发生这种情况主要是因为我们的内部图表工具没有绘制平滑线。直到最近，我们还不太习惯允许更复杂的可视化的统计软件（如 R）。今天，我们所有人都能够绘制一张投票图表，就像上面重新设计的图表一样。

这张图表中需要注意的另一件事是打破规模的方式。原始图表将数据散布得比应有的更宽。在重新设计的版本中，我在比例的开始和最小的数据点之间留出了更多的空间。Francis Gagnon为此提出了一个很好的公式：目标是在不从零开始的折线图下留下至少 33% 的绘图区域。

令人困惑的图表

不像误导性图表那么犯罪，难以阅读的图表是可视化工作做得不好的标志。

错误：把“思维延伸”做得有点过头了

在《经济学人》，我们被鼓励制作“引人入胜”的新闻报道。但是，有时，我们走得太远了。上图显示了美国的商品贸易逆差和制造业就业人数。

该图表非常难以阅读。它有两个主要问题。首先，一个数据系列（贸易逆差）的值完全为负，而其他数据系列（制造业就业）的值都为正。将这些差异合并在一张图表中而不使任一数据系列变平是具有挑战性的。对此的明显“解决方案”导致了第二个问题：两个数据系列不共享公共基线。贸易逆差的基线位于图表的顶部（由横跨图表主体一半的红线突出显示）。右侧刻度的基线位于底部。

重新设计的图表显示无需合并两个数据系列。贸易逆差与制造业就业之间的关系依然清晰，只需要极少的额外空间。

错误：混淆颜色的使用

这张图表比较了一些国家的政府养老金支出与 65 岁以上人口的比例，尤其是巴西。为了保持图表较小，可视化工具只标记了一些国家，并以铁蓝色突出显示。经合组织平均值以淡蓝色突出显示。

可视化者（我！）忽略了这样一个事实，即颜色的变化通常意味着类别的变化。乍一看，这张图表中的情况似乎也是如此——所有铁蓝色似乎都属于与深蓝色不同的分组。不是这种情况。他们唯一的共同点是他们被选中被贴上标签。

在重新设计的版本中，所有国家/地区的圆圈颜色保持不变。我改变了那些没有贴上标签的不透明度，让其他人脱颖而出。剩下的就是排版：重点国家巴西以粗体书写，经合组织平均水平以斜体书写。

隐藏其要点的图表

最后一类中的错误不太明显。像这样的图表不会误导，也不会很混乱。它们只是无法证明它们的存在是合理的——通常是因为它们被错误地形象化，或者因为我们试图在太小的空间里塞进太多东西。

错误：包含太多细节

多么绚烂的彩虹！我们在一篇关于德国预算盈余的专栏文章中发表了这张图表。它显示了十个欧元区国家的预算平衡和经常项目平衡。有这么多颜色——其中有些颜色很难区分，甚至很难看到，因为值太小了——图表传达的信息是不可能辨认出来的。它几乎会诱使你呆呆地继续前进。而且，更重要的是，由于我们没有绘制所有欧元区国家的图表，因此把数据堆在一起没有任何意义。

我重新看了一下这个故事，看看是否有办法简化一下这个图表。专栏中提到了德国、希腊、荷兰、西班牙和欧元区的总数。在重新设计的图表版本中，我决定只突出这些内容。为了解决只将选择的国家叠加的问题，我添加了另一个类别(“其他”)，包括所有其他欧元区国家。(重新设计的图表中的经常项目总余额低于原来的图表。这是因为欧盟统计局(Eurostat)对数据进行了修订。)

错误：大量数据，空间不足

受限于页面上有限的空间，我们经常试图将我们拥有的所有数据强制放入一个太小的槽中。虽然这节省了页面上的宝贵空间，但它会产生一些后果 - 如该图表所示，从2017 年 3 月开始。这个故事是关于科学出版是如何由男性主导的。所有数据点都同样有趣且与故事相关。但是通过提供如此多的数据——四个研究领域类别以及发明人的份额——信息很难被接受。

经过深思熟虑，我决定不重新设计此图表。如果我要保留所有数据，图表就会变得太大而无法包含一个简洁的故事。在这种情况下，最好剪掉一些东西。或者，我们可以显示某种平均衡量标准，例如女性在所有领域发表的平均出版物份额。