我们的生活越来越受数据驱动。我们的手机监控我们的时间和互联网使用情况，在线调查了解我们的意见和喜好。这些数据收集用于告诉我们我们的睡眠质量或我们可能想买什么。

数字对于日常生活变得越来越重要，但人们的数字技能却落后了。例如，澳大利亚12年级学童学习高等和中级数学的比例几十年来一直在下降。

为了帮助普通人理解大数据和数字，我们经常使用视觉摘要，例如饼图。但是，虽然不会算术的人会避免使用数字，但大多数会算术的人会避免使用饼图。原因如下。

什么是饼图?

饼图是表示数字百分比的圆形图。该圆被分成多个切片，每个切片的大小与其代表的类别成正比。它之所以得名，是因为它类似于切片馅饼，并且可以以多种不同的方式“供应”。

下面的饼图示例显示了上次选举前澳大利亚两党的偏好票数，其中工党获得55%，联盟党获得45%。两个接近的半圆显示了相对紧张的比赛——这是一个有用的饼图示例。

饼图有什么问题?

一旦我们有两个以上的类别，饼图很容易歪曲百分比并且变得难以阅读。

下面的三个图表就是一个很好的例子——很难找出五个区域中哪一个最大。饼图的圆形意味着这些区域缺乏共同的参考点。

当类别很多时，饼图也表现不佳。例如，这张图表来自一项关于用于新冠病毒数据可视化的数据源的研究，在一个饼图中显示了数百个类别。

包含数十个类别的饼图。并非每个类别都有标签，不清楚类别总数是多少以及未标记的切片指的是什么。图片来源：Trajkova等人，信息学(2020)，CCBY

微小的切片、缺乏清晰的标签和万花筒般的颜色让任何人都难以解读。

对于色盲者来说就更难了。例如，这是对上图对于患有绿色弱智或对绿光敏感性降低的人的模拟。这是最常见的色盲类型，影响大约4.6%的人口。

与上面相同的数据图表，但通过模拟过滤器来演示对于具有常见色盲类型的人来说会是什么样子。图片来源：Trajkova等人，信息学(2020);修改的。,抄送

如果我们将饼图制作成三维的，情况可能会变得更糟。这可能会导致数据的严重误传。

下面，黄色、红色和绿色区域的大小均相同(三分之一)，但根据角度以及放置在饼图底部的切片的不同而显得不同。

那么为什么饼图无处不在呢?

尽管饼图存在众所周知的问题，但它们无处不在。它们出现在期刊文章、博士论文中。论文、政治民意调查、书籍、报纸和政府报告。它们甚至被澳大利亚统计局使用。

尽管统计学家几十年来一直批评它们，但很难反驳这种逻辑：“如果饼图这么糟糕，为什么会有这么多饼图?”

可能它们之所以受欢迎，是因为它们很受欢迎，这是一个适合饼图的循环论证。

饼图有什么好的替代品?

有一个简单的修复方法可以在小空间中有效地汇总大数据，并且仍然允许创造性的配色方案。

这是一个不起眼的条形图。还记得上面令人头疼的包含五个类别的饼图示例吗?这是使用条形的相同示例-我们现在可以立即看到哪个类别最大。

线性条形图比饼图的非线性部分更美观。但要小心通过添加3D效果使不起眼的条形图看起来更有趣的诱惑。正如您已经看到的，3D图表会扭曲感知并使其更难找到参考点。

下面是1992年美国总统选举中选民人数按家庭收入(从低于15,000美元到高于75,000美元)划分的标准条形图和3D替代图。使用3D版本，您能说出最高收入类别中每位候选人的选民人数吗?不容易。

使用饼图可以吗?

我们展示了一些最糟糕的饼图示例来说明这一点。当只有几个类别且百分比不同时(例如一大类和一小类)，饼图就可以了。

总体而言，最好谨慎使用饼图，尤其是当有更“易于理解”的替代品(条形图)时。

每当我们看到饼图时，我们都会想到以下两件事之一：它们的创建者不知道他们在做什么，或者他们知道自己在做什么但故意误导。

图形摘要旨在轻松快速地传达数据。如果你觉得需要修饰一下，你可能会无意中减少理解。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：