# 29 講述一個故事并提出一個觀點 > 原文： [29 Telling a story and making a point](https://serialmentor.com/dataviz/telling-a-story.html) > 校驗：[飛龍](https://github.com/wizardforcel) > 自豪地采用[谷歌翻譯](https://translate.google.cn/) 大多數數據可視化都是為了溝通目的而完成的。我們對數據集有深刻見解，我們有潛在的觀眾，我們希望向觀眾傳達我們的見解。為了成功傳達我們的見解，我們必須向觀眾展示一個清晰而令人興奮的故事。對于科學家和工程師來說，對一個故事的需求似乎令他們感到不安，他們可能會把它等同于制造東西，把事情搞得一團糟，或者說過度吹捧結果。然而，這種觀點忽略了故事在推理和記憶中所起的重要作用。當我們聽到一個好故事時，我們會很興奮，當故事很糟糕或沒有故事時，我們會感到無聊。此外，任何溝通都會在觀眾心中創造一個故事。如果我們自己不提供一個清晰的故事，那么我們的觀眾就會制造一個。在最佳情況下，他們制造的故事與我們對所呈現材料的看法相當接近。然而，它可能并且往往更糟糕。這個虛構的故事可能是“這很無聊”，“作者錯了”或“作者無能”。 講故事的目的應該是運用事實和邏輯推理來讓觀眾覺得有趣和興奮。讓我告訴你一個關于理論物理學家斯蒂芬霍金的故事。他在 21 歲 - 一年內被診斷出患有運動神經元疾病，并只剩下了兩年的生命。霍金并沒有接受這種困境，而是開始將全部精力投入到科學中。霍金最終活到 76 歲，成為他那個時代最有影響力的物理學家之一，并在嚴重殘疾時完成了他所有的開創性工作。我認為這是一個令人信服的故事。它也完全基于事實和現實。 ## 29.1 什么是故事？ 在我們討論將可視化轉化為故事的策略之前，我們需要了解故事究竟是什么。故事是一組觀測值，事實或事件，真實的或發明的，以特定的順序呈現，以便它們在觀眾中產生情緒反應。情緒反應是通過故事開始時的沖突的構建以及故事結束時的某種類型的結局產生的。我們也將從沖突到結局的流程稱為故事弧線度，每個好故事都有清晰，可識別的弧度。 經驗豐富的作家知道，講故事的標準模式與人類的思考方式產生共鳴。例如，我們可以使用“開頭-挑戰-行動-結局”的格式來講述故事。事實上，這是我在前一小節中用于霍金故事的格式。我通過介紹物理學家斯蒂芬霍金的話題開啟了這個故事。接下來，我提出了挑戰，21 歲時運動神經元疾病的診斷。然后是行動，他對科學的激烈奉獻。最后，我提出了結局，霍金過著漫長而成功的生活，最終成為他那個時代最有影響力的物理學家之一。其他故事格式也是常用的。報紙文章經常遵循“前導-發展-結局”格式，或者甚至更短的，只是“前導-發展”，其中前導部分預先給出了主要觀點，隨后的材料提供了更多細節。如果我們想以這種形式講述霍金的故事，我們可能會開始用一句話來說，“有影響力的物理學家斯蒂芬霍金，他徹底改變了我們對黑洞和宇宙學的理解，比他的醫生的預言多活了 53 年，并在他嚴重殘疾的情況下，做出了所有最有影響力的工作。”這是前導。在發展階段中，我們可以對霍金的生活，疾病和對科學的熱愛進行更深入的描述。另一種形式是“行動 - 背景 - 發展 - 高潮 - 結束”，它比“開頭 - 挑戰 - 行動 - 結局”更快地發展故事，但不像“前導 - 發展”那么快。在這種格式中，我們可能以一句話開頭，如“年輕的斯蒂芬霍金，面臨衰弱的殘疾和早逝的前景，決定將他所有的努力投入到他的科學中，決心在他仍然可以的時候留下他的印記。”這種格式的目的是吸引觀眾并盡早建立情感聯系，但不會立即泄露最終結局。 我在本章的目標不是更詳細地描述這些標準的故事講述形式。這些材料有很好的資源。對于科學家和分析師，我特別推薦 Schimel（2011）。相反，我想討論如何將數據可視化引入故事弧線。最重要的是，我們需要意識到單個（靜態）可視化很少會講述整個故事。可視化可以說明開場，挑戰，動作或解決，但不太可能同時傳達故事的所有這些部分。要講一個完整的故事，我們通常需要多個可視化。例如，在進行演示時，我們可能首先展示一些背景或動機材料，然后是創建挑戰的圖形，最后是提供結局的其他圖形。同樣，在一篇研究論文中，我們可能會呈現一系列繪圖，共同創造令人信服的故事弧線。然而，也可以將整個故事弧線壓縮成單個圖形。這樣的圖形必須同時包含挑戰和結局，并且它與以導演開頭的故事弧線相當。 為了提供一個將圖形融入故事的具體例子，我現在將根據兩個圖形講述一個故事。第一個創造挑戰，第二個用做結局。我的故事背景是生物科學中預印本的增長（另見第 13 章）。預印本是草稿形式的手稿，科學家在正式同行評審和官方出版之前與他們的同事分享它們。只要科學手稿存在，科學家就一直在分享手稿草稿。然而，在 20 世紀 90 年代早期，隨著互聯網的出現，物理學家意識到在中央存儲庫中存儲和分發手稿草稿要高效得多。他們發明了預印本服務器，這是一個網絡服務器，科學家可以上傳，下載和搜索手稿草稿。 由物理學家開發并今天仍在使用的預印本服務器，稱為 arXiv.org。成立不久后，arXiv.org 開始拓展并在相關的量化領域受到歡迎，包括數學，天文學，計算機科學，統計學，量化金融和量化生物學。在這里，我對 arXiv.org 的量化生物學（q-bio）部分的預印本提交感興趣。從 2007 年到 2013 年底，每月提交量呈指數增長，但隨后增長突然停止（圖 29.1 ）。 2013 年末必定會發生一些事情，從根本上改變了量化生物學預印本提交的格局。是什么原因導致了提交增長的巨大變化？  圖 29.1：預印本服務器 arXiv.org 的量化生物學（q-bio）部分每月提交量的增長。 2014 年左右可以看到增長率的急劇轉變。雖然 2014 年之前增長迅速，但從 2014 年到 2018 年幾乎沒有增長。請注意， *y* 軸是對數的，因此 *y* 線性增長對應于預印本提交量的指數增長。數據來源：Jordan Anaya，[prepubmed.org](http://www.prepubmed.org/) 我認為 2013 年末標志著預印本在生物學上起飛的時間點，具有諷刺意味的是，這導致 q-bio 歸檔減緩其增長。 2013 年 11 月，生物特定的預印本服務器 bioRxiv 由冷泉港實驗室（CSHL）出版社推出。 CSHL Press 是一家在生物學家中備受推崇的出版商。CSHL Press 的支持極大有助于通用預印本特別是 bioRxiv 在生物學家中的認可。那些對 arXiv.org 非常懷疑的生物學家對 bioRxiv 更加滿意。因此，bioRxiv 迅速獲得生物學家的認可，達到了 arXiv 從未到達的程度。實際上，在其推出后不久，bioRxiv 的每月提交量開始經歷快速的指數級增長，并且 q-bio 提交量的減緩恰好與 bioRxiv 的這種指數增長的開始一致（圖 29.2 ）。許多量化生物學家可能已經在 q-bio 存放了的預印本，決定將其存放在 bioRxiv。  圖 29.2： q-bio 的提交量增長的平緩，與 bioRxiv 服務器的引入相吻合。顯示了通用預印本服務器 arxiv.org 的 q-bio 部分和生物學專用的預印本服務器 bioRxiv 的月度提交量的增長。 bioRxiv 服務器于 2013 年 11 月投入使用，其提交量自此以來呈指數級增長。似乎許多會向 q-bio 提交預印本的科學家，選擇提交給 bioRxiv。數據來源：Jordan Anaya，[www.prepubmed.org](http://www.prepubmed.org/) 這是我關于生物學預印本的故事。我故意用兩個圖形講述它，即使第一個（圖 29.1 ）完全包含在第二個圖形中（圖 29.2 ）。我認為這個故事在分成兩部分時影響最大，這就是我在演講中的表現方式。然而，圖 29.2 本身可以用來講述整個故事，而單圖版本可能更適合于觀眾可能會有短暫注意力的媒體，例如社交媒體發布。 ## 29.2 為將軍制作一個圖形 在本章的其余部分，我將討論制作單個圖形和圖形集的策略，以幫助您的觀眾與您的故事聯系，并在整個故事中保持參與。首先，最重要的是，您需要向觀眾展示他們真正能夠理解的數據。遵循我在本書中提供的所有建議，并仍然制作令人混淆的圖形，是完全有可能的。當這種情況發生時，你可能已經成為兩個常見誤解的受害者；首先，觀眾可以看到你的圖形并立即推斷出你想要的要點；第二，觀眾可以快速處理復雜的可視化并理解所顯示的關鍵趨勢和關系。這些假設都不是真的。我們需要盡一切努力幫助讀者理解可視化的含義，并在我們看到的數據中展示相同的模式。這通常意味著少即是多。盡可能簡化您的圖形。刪除與您的故事不相關的所有特性。只能保留重點。我將這個概念稱為“為將軍制作一個圖形”。 幾年來，我負責一項由美國陸軍資助的大型研究項目。對于我們的年度進度報告，項目經理指示我排除很多數據。我所做的任何圖形都應該清楚地表明我們的項目是如何取得成功的。項目經理告訴我，一位將軍應該能夠看到每個圖形，并立即看到我們正在做的，如何改進或超過先前的能力。然而，當參與該項目的同事向我發送年度進展報告的圖形時，許多圖形都不符合這一標準。這些圖形通常過于復雜，以在令人困惑的技術術語標注，或者根本沒有明顯的要點。大多數科學家沒有接受過訓練來為將軍制作圖形。 > 永遠不要假設您的受眾可以快速處理復雜的視覺顯示。 有些人可能會聽到這個故事，并得出結論，將軍不是很聰明，或者只是不科學。我認為這是錯誤的帶回家的消息。將軍們非常忙碌。他們不能花 30 分鐘試圖破譯一個神秘的圖形。當他們向科學家提供數百萬美元的納稅人資金進行基礎研究時，他們可以期待的最少的回報，是一些明確的證據，證明有價值和有趣的事情已經完成。這個故事也不應該被誤解為僅僅關于軍事資金。將軍是您可能想要通過可視化實現的任何圖形的隱喻。它可以是您的論文或資助提案的科學審稿人，可以是報紙編輯，也可以是您所在公司的主管或主管的老板。如果你想要講述你的故事，你需要制作適合所有這些將軍的圖形。 具有諷刺意味的是，阻礙為將軍制作圖形的第一件事，就是現代可視化軟件使我們能夠輕松地制作復雜的數據可視化。憑借幾乎無限的可視化功能，在更多維度上鉆取數據變得很誘人。事實上，我認為數據可視化領域的趨勢使最復雜，多方面的可視化成為可能。這些可視化可能看起來非常令人印象深刻，但它們不太可能傳達一個清晰的故事。考慮圖 29.3，顯示了 2013 年離開紐約市區的所有航班的到達延誤。我懷疑這將需要一段時間來處理這個圖形。  圖 29.3：平均到達延誤與距離紐約市的距離。每個點代表一個目的地，每個點的大小代表 2013 年從紐約市三個主要機場（紐瓦克，肯尼迪國際機場或拉瓜迪亞）之一到該目的地的航班數量。負延誤意味著航班早到。實線表示到達延誤和距離之間的平均趨勢。無論行程距離如何，達美的到達延誤始終低于其他航空公司。平均而言，美國航空在短距離內的延誤率最低，但是對于長途旅行來說，延誤最大。這個圖形被標記為“不好”，因為它過于復雜。大多數讀者會發現它令人困惑，并且不會直觀地掌握圖中顯示的內容。數據來源：美國運輸部，交通運輸統計局。 我認為圖 29.3 最重要的特征是美國和達美的到達時間最短。在簡單的條形圖中更好地傳達了這種見解（圖 29.4）。因此，圖 29.4 是正確的圖形，顯示該故事是否與航空公司的到達延誤有關，即使該圖形不會挑戰您的數據可視化技能。如果你當時想知道，這些航空公司的延誤較小，是否因為他們沒有飛出紐約市那么長時間，你可以提出第二個條形圖，強調美國和達美都是紐約市的主要航空公司（圖 29.5）。這兩個條形圖都丟棄了圖 29.3 中顯示的距離變量。還行吧。我們不需要可視化與我們的故事無關的數據維度，即使我們擁有它們，即使我們可以制作一個顯示它們的圖形。簡單清晰比復雜混亂更好。  圖 29.4：2013 年飛出紐約市區的航班的平均到達延誤，按航空公司分組。所有飛出紐約市區的航空公司中，美國航空和達美航空的平均到達延誤最低。數據來源：美國運輸部，交通運輸統計局。  圖 29.5：2013 年飛往紐約市區的航班數量，按航空公司分組。在所有飛出紐約市區的航班中，達美航空和美國航空是第四和第五。數據來源：美國運輸部，交通運輸統計局。 當您嘗試一次顯示太多數據時，最終可能無法顯示任何內容。 ## 29.3 建立復雜的數字 但是，有時我們確實想要顯示包含大量信息的更復雜的圖形。在這些情況下，如果我們首先向他們展示圖的簡化版本，然后再展示完全復雜的最終版本，我們可以讓讀者更輕松。同樣強烈建議使用相同的方法進行演示。永遠不要直接跳到高度復雜的圖形；首先展示一個容易消化的子集。 如果最終圖形是一個小型多圖（第 21 章 ），顯示了具有相似結構的的子圖網格，這個建議特別相關。如果觀眾自己第一次看到單個子圖，則整個網格更容易消化。例如，圖 29.6 顯示 2013 年美國聯合航空公司離開紐瓦克機場（EWR）的起飛總數，按工作日細分。一旦我們看到并消化了這個圖形，同時查看十個航空公司和三個機場的相同信息就更容易處理（圖 29.7 ）。  圖 29.6：美國聯合航空離開紐瓦克機場（EWR）的出發次數，按照工作日分組。大多數工作日具有大致相同的出發次數，但周末出發次數較少。數據來源：美國運輸部，交通運輸統計局。  圖 29.7：按航空公司，機場和工作日拆解的 2013 年紐約市區機場的出發次數。美國聯合航空公司和 ExpressJet 組成了離開紐瓦克機場（EWR）的絕大多數出發，而捷藍，達美，美國航空和 Endeavor 的大部分航班，組成了離開肯尼迪機場（JFK）的大部分出發，達美，美國航空，Envoy 和 US Airways 組成了離開拉瓜迪亞（LGA）的大部分出發。大多數但不是所有航空公司在周末離開的次數少于工作日。數據來源：美國運輸部，交通運輸統計局。 ## 29.4 讓你的圖形令人難忘 簡單而干凈的圖形（如簡單的條形圖）具有以下優點：它們可以避免分散注意力，易于閱讀，并讓您的觀眾專注于您想要傳達的最重要的要點。然而，簡單性可能產生缺點：圖形最終看起來很一般。他們沒有任何突出的特性，讓他們難忘。如果我快速連續向你展示十個條形圖，那么你很難將它們分開，然后記住它們顯示的內容。例如，如果您快速查看圖 29.8 ，您會注意到與圖 29.5 的視覺相似性，我在本章前面已經討論過。然而，除了條形圖之外，這兩個圖形沒有任何共同之處。圖 29.5 按照航空公司顯示了離開紐約市區的航班數量，而圖 29.8 顯示了美國家庭中最受歡迎的寵物。這兩個圖都沒有任何元素可以幫助您直觀地感知圖中所涵蓋的主題，因此這兩個圖都不是特別難忘。  圖 29.8：擁有一種或多種最受歡迎??寵物的家庭數量：狗，貓，魚或鳥類。這個條形圖非常清晰，但不一定特別難忘。 “貓”一列僅用于創建與圖 29.5 的視覺相似性。數據來源：2012 年美國寵物所有者和人口統計學資料手冊，美國獸醫協會 對人類感知的研究表明，視覺上更復雜性和更加獨特的圖形更令人難忘（Bateman 等 2010； Borgo 等 2012）。然而，視覺獨特性和復雜性不僅影響可記憶性，因為它們可能妨礙人們快速瀏覽信息的能力，或使得值的微小差異難以區分。在極端情況下，一個圖形可能是非常令人難忘，但完全令人困惑。這樣的圖形不是一個好的數據可視化，即使它作為一個令人驚嘆的藝術作品不錯。在另一個極端，圖形可能非常清晰，但是可能容易忘記和無聊，這些圖形可能沒有我們可能預期的影響。總的來說，我們希望在兩個極端之間取得平衡，并使我們的圖形既令人難忘又清晰。 （然而，目標讀者也很重要。如果一個圖形是用于科學技術出版物，而不是廣泛閱讀的報紙或博客，我們通常會擔心可記憶性。） 通過添加反映數據特征的視覺元素，我們可以使圖形更難忘，例如數據集相關的事物或對象的繪圖或象形圖。通常采用的一種方法是以重復圖像的形式顯示數據值本身，使得圖像的每個副本對應于所展示變量的特定數量。例如，我們可以將圖 29.8 中的條形圖替換為狗，貓，魚和鳥的重復圖像，按一定刻度繪制，使每個完整的動物對應 500 萬個家庭（圖 29.9）。因此，在視覺上，圖 29.9 仍然可以作為條形圖，但我們現在增加了一些視覺復雜性，使圖形更令人難忘，我們還使用直接反映數據意義的圖像顯示數據。只需快速瀏覽一下這個圖形，您就可以記住，除了魚或鳥之外，還有更多的狗和貓。重要的是，在這樣的可視化中，我們希望使用圖像來表示數據，而不是簡單地使用圖像來裝飾可視化或注解軸。在心理學實驗中，選擇后者傾向于分散注意力而不是有用（Haroz，Kosara 和 Franconeri 2015）。  圖 29.9：擁有一種或多種最受歡迎??寵物的家庭數量，顯示為同型圖。每只完整的動物代表著擁有這種寵物的 500 萬個家庭。數據來源：2012 年美國寵物所有者和人口統計學資料手冊，美國獸醫協會 圖 29.9 等可視化通常稱為同型圖。同型（isotype）這個詞是作為國際體系圖像教育系統（International System Of TYpographic Picture Education）的首字母縮寫而引入的，嚴格來說它指的是代表物體，動物，植物或人的類似 logo 的簡化象形圖（Haroz，Kosara 和 Franconeri 2015）。但是，我認為更廣泛地使用術語同型圖，來應用于任何類型的可視化，它使用相同圖像的重復副本來指示值的大小，是有意義的。畢竟，前綴“iso”表示“相同”，“類型”可以表示特定類型，類別或組。 ## 29.5 保持一致，但不要重復 在討論 21.2 章節中的復合圖形時，我提到對較大圖形的不同部分使用一致的視覺語言很重要。圖形也是如此。如果我們制作的三個圖形都是一個更大的故事的一部分，那么我們需要設計這些圖形，使它們看起來像是在一起。但是，使用一致的視覺語言并不意味著一切看起來應該完全相同。反之。重要的是，描述不同分析的圖形在視覺上是截然不同的，以便您的受眾可以輕松識別一個分析的結束和另一個分析的開始位置。最好通過對總體故事的不同部分使用不同的可視化方法來實現。如果您已經使用了條形圖，則接下來使用散點圖，箱線圖或折線圖。否則，不同的分析會在觀眾心中模糊在一起，并且他們很難將故事的一部分與另一部分區分開來。例如，如果我們從章節 21.2 重新設計圖 21.8，使得它只使用條形圖，結果顯然不那么明顯，更令人困惑（圖 29.10 ）。  圖 29.10：男性和女性運動員的生理機能和身體組成。誤差條表示平均值的標準誤差。這個圖形過于重復。它顯示與圖 21.8 相同的數據，并且它使用一致的可視語言，但所有子圖使用相同類型的可視化（條形圖）。這使得讀者難以明白部分（a），（b）和（c）顯示完全不同的結果。數據來源：特爾福德和坎寧安（1991） 在制作演示文稿或報告時，目標是為每個不同的分析使用不同類型的可視化。 重復圖形集通常是多部分故事的結果，其中每個部分基于相同類型的原始數據。在這些情況下，為每個部分使用相同類型的可視化可能很誘人。但總的來說，這些圖形不會引起觀眾的注意。作為一個例子，讓我們分兩部分來考慮 Facebook 股票的故事：（i）Facebook 股票價格從 2012 年到 2017 年迅速增長; （ii）價格漲幅超過其他大型科技公司。您可能希望用兩個顯示隨時間變化的股票價格的數據來顯示這兩個陳述，如圖 29.11 所示。然而，雖然圖 29.11a 有一個明確的目的并且應該保持原樣，但 29.11b 同時重復并且模糊了主要觀點。我們并不特別關心 Alphabet，Apple 和 Microsoft 的股票價格的確切時間演變，我們只想強調它比 Facebook 的股價的增長得少。  圖 29.11：Facebook 股票價格在五年內的增長以及與其他科技股的比較。 （a）Facebook 股票價格從 2012 年中期的每股約 25 美元上漲至 2017 年中期的每股 150 美元。 （b）其他大型科技公司的價格在同一時期內并未等量上漲。2012 年 6 月 1 日的價格已變為指數 100，以便于比較。該圖標記為“丑陋”，因為部分（a）和（b）是重復的。數據來源：雅虎財經 我建議部分（a）保留原樣，但用一個顯示百分比增長的條形圖代替部分（b）（圖 29.12 ）。現在我們有兩個截然不同的圖形，每個圖形都有一個獨特，清晰的要點，并且組合起來很好。 部分（a）允許讀者熟悉原始的基礎數據，部分（b）突出顯示效果的大小，同時刪除任何切向信息。  圖 29.12：Facebook 股票價格在五年內的增長以及與其他科技股的比較。 （a）Facebook 股價從 2012 年中期的每股約 25 美元/股上漲至 2017 年中期的每股 150 美元，增幅接近 450%。 （b）其他大型科技公司的價格在同一時期內并未等量上漲。價格漲幅介于 90% 至 240% 之間。數據來源：雅虎財經 圖 29.12 強調了我在制作一組圖形來講述一個故事時所遵循的一般原則：我從一個盡可能接近顯示原始數據的圖形開始，在隨后的圖形中我展示越來越多的派生量。派生量（例如百分比增長，平均值，擬合模型的系數等）可用于總結大型和復雜數據集中的關鍵趨勢。但是，因為它們是派生的，所以它們不那么直觀，如果我們在顯示原始數據之前顯示派生量，我們的觀眾會發現很難遵循。另一方面，如果我們試圖通過顯示原始數據來顯示所有趨勢，我們最終將需要太多和/或重復的圖形。 你應該用多少個圖形來講述你的故事？答案取決于出版位置。對于一篇簡短的博文或推文，請制作一個圖形。對于科學論文，我建議三到六個圖形。如果我有一份超過六個圖形的科學論文，那么其中一些需要被移入附錄或補充材料部分。記錄我們收集的所有證據是很好的，但我們不能通過提供過多的幾乎相似的圖形來消磨我們的觀眾。在其他情況下，更多的圖形可能是合適的。但是，在這些情況下，我們通常會講述多個故事，或者是一個包含子圖的總體故事。例如，如果我被要求進行一個小時的科學演示，我通常打算講三個不同的故事。同樣，一本書或論文將包含不止一個故事，實際上每章或每節可能包含一個故事。在這些情景中，每個不同的故事繪圖或子繪圖應該展示不超過三到六個圖形。在本書中，你會發現我在章節的各個層面都遵循這個原則。每個部分大致是獨立的，并通常展示不超過六個圖形。 ### 參考 ``` Schimel, J. 2011. Writing Science: How to Write Papers That Get Cited and Proposals That Get Funded. Oxford University Press. Bateman, S., R. Mandryk, C. Gutwin, A. Genest, D. McDine, and C. Brooks. 2010. “Useful Junk? The Effects of Visual Embellishment on Comprehension and Memorability of Charts.” ACM Conference on Human Factors in Computing Systems, 2573–82. doi:10.1145/1753326.1753716. Borgo, R., A. Abdul-Rahman, F. Mohamed, P. W. Grant, I. Reppa, and L. Floridi. 2012. “An Empirical Study on Using Visual Embellishments in Visualization.” IEEE Transactions on Visualization and Computer Graphics 18: 2759–68. doi:10.1109/TVCG.2012.197. Haroz, S., R. Kosara, and S. L. Franconeri. 2015. “ISOTYPE Visualization: Working Memory, Performance, and Engagement with Pictographs.” ACM Conference on Human Factors in Computing Systems, 1191–1200. doi:10.1145/2702123.2702275. Telford, R. D., and R. B. Cunningham. 1991. “Sex, Sport, and Body-Size Dependency of Hematology in Highly Trained Athletes.” Medicine and Science in Sports and Exercise 23: 788–94. ```