## 6.7 避免數據失真 通常可以使用可視化來扭曲數據集的消息。一個非常常見的方法是使用不同的軸縮放來放大或隱藏數據模式。例如，假設我們有興趣看看美國的暴力犯罪率是否發生了變化。在圖[6.10](#fig:crimePlotAxes)中，我們可以看到這些數據的繪制方式，要么使犯罪看起來保持不變，要么使犯罪率下降。相同的數據可以講述兩個截然不同的故事！  圖 6.10 1990 年至 2014 年犯罪數據隨時間的推移繪制。面板 A 和 B 顯示相同的數據，但具有不同的軸范圍。從[獲取的數據 https://www.ucrdatatool.gov/search/crime/state/runcrimestatebystate.cfm](https://www.ucrdatatool.gov/Search/Crime/State/RunCrimeStatebyState.cfm) 統計數據可視化中的一個主要爭議是如何選擇 Y 軸，尤其是它是否應該總是包含零。達雷爾·赫夫在他的著名著作《如何用統計數字撒謊》中強烈主張，在 Y 軸上應該始終包括零點。另一方面，愛德華·塔夫特反對這一觀點： > “一般來說，在一個時間序列中，使用一個顯示數據而不是零點的基線；不要花費大量的空白垂直空間試圖以隱藏數據行本身所發生的事情為代價達到零點。”（摘自[https://qz.com/418083/its-ok-not-to-start-your-y 軸-at-zero/](https://qz.com/418083/its-ok-not-to-start-your-y-axis-at-zero/)） 在某些情況下，使用零點毫無意義。假設我們有興趣繪制一個人隨時間變化的體溫。在圖[6.11](#fig:bodyTempAxis)中，我們繪制了 Y 軸上有零或無零的相同（模擬）數據。很明顯，通過在 Y 軸（圖 A）上繪制這些數據為零，我們在圖中浪費了大量的空間，因為活人的體溫永遠不會降到零！通過包括零，我們也使得 21-30 天明顯的溫度躍升變得不那么明顯。一般來說，我對于線圖和散點圖的傾向是使用圖中的所有空間，除非零點真正重要到需要突出顯示。  圖 6.11 隨時間變化的體溫，在 Y 軸上繪制有或沒有零點。