数据可视化的目标是沟通（Communication），不是炫技（Decoration）。常见误区：过度使用3D效果（扭曲数据比例）；双Y轴图表（暗示不存在的相关性）；截断Y轴制造夸大的增长感（从90%开始的纵轴把5%的增长变成视觉上的”翻倍”）；彩虹色方案（在彩色打印或色盲读者中完全失效）；饼图上过多的切片（人眼无法准确感知超过5个扇形的角度差异）。
## 图表类型的选择框架
正确图表类型的选择取决于你想展示的数据关系类型：
**比较**（Comparison）→ **柱状图/条形图**：最适合对比多个类别的数值大小，保持Y轴从0开始，类别排序有意义（按大小或时间）。
**趋势**（Trend/Change over time）→ **折线图**：展示时间序列数据，时间在X轴，折线连续性传递变化过程；避免在点数超过20个时用散点图（折线更清晰）。
**构成比例**（Part-to-Whole）→ **堆叠柱状图**或**百分比堆叠条形图**：比饼图更易于精确比较各部分；只有在分类数量≤5且主要展示最大分类时才用饼图。
**分布**（Distribution）→ **直方图**或**箱型图**：展示数值数据的分布形态、偏斜度和异常值；箱型图特别适合多组分布的对比。
**相关性**（Correlation）→ **散点图**（Scatter Plot）：展示两个数值变量之间的关系；可以加趋势线（线性回归线）强化相关性视觉感知。
## Tufte的最简主义原则
Edward Tufte在《定量信息的视觉展示》中提出”数据墨水比”（Data-Ink Ratio）原则：尽量使用每一滴”墨水”（像素）来展示数据本身，而非装饰性元素。实践：去掉网格线（或用极细的灰色线替代粗黑网格）；去掉数据点的边框；减少图例（直接在图上标注系列名称）；去掉图表背景色；用数据标签替代图例。
参见[数据素养基础](https://sunqi.org/data-literacy-workplace-zh/)；[Datawrapper图表设计工具](https://www.datawrapper.de/)；[Storytelling with Data by Cole Nussbaumer Knaflic](https://www.storytellingwithdata.com/)。
