# A tibble: 4 × 7
组 n 均值_x 均值_y 方差_x 方差_y 相关系数
<chr> <int> <dbl> <dbl> <dbl> <dbl> <dbl>
1 1 11 9 7.5 11 4.13 0.82
2 2 11 9 7.5 11 4.13 0.82
3 3 11 9 7.5 11 4.12 0.82
4 4 11 9 7.5 11 4.12 0.82第15讲：数据可视化导论——看懂图，画对图
数据挖掘与R语言
2026年10月21日
2.2 把它们画出来
重要
同样的均值、同样的相关系数、相近的回归结果，四张图却呈现出不同结构：近似线性关系、曲线关系、受离群点影响的关系，以及由单个高杠杆点主导的关系。统计数字是对数据的压缩，压缩必然丢失信息；图形是保留结构的办法。 这就是“看图”的理由，也是整个单元的出发点。
提示
画图之前先看一眼数据的形状，是数据分析的基本习惯，不是多余的步骤。今天的全部内容，都是在学怎样把这个“看”做得准确、有效。
3.3 同一组数，三种编码
提示
三张图数据完全相同。请用 10 秒比较 6 缸和 8 缸的平均 mpg。条形图和点图更便于比较数值；饼图不适合回答这种精确比较问题。注意：mpg 越高，表示每加仑汽油行驶的英里数越多，即燃油经济性越好。同一组数据，换一种编码，读图的效率就不同。
5.1 底线一：坐标要诚实
重要
三组真实均值是 26.7／19.7／15.1，6 缸对 8 缸实际只差三成（1.31 倍）；可坐标从 14 开始时，可见柱高变成 5.74 对 1.10——看起来差了 5.2 倍。再看左图最粗的那根：4 缸的 26.7 已经超过上界 22，被画面沿口齐顶裁断，读者根本看不出它是最高的一组（barplot() 会照你给的 ylim 开窗，柱高仍按真实值画，超出部分直接裁掉）。比较柱高时，数值轴通常应从 0 开始。 如果确有特殊理由采用不同基线，必须明确标示，避免误导。
5.2 底线二：标注要完整
提示
好图应当回答“这是什么、在哪里、单位是什么、大小是多少”。标题说结论或内容，坐标轴说明变量和单位，必要时直接标数值。读者不需要猜。
5.3 底线三：颜色为意义服务
重要
颜色的用途有两个：区分类别（每类一色，并配图例或直接标注）和突出重点（其余灰色，重点一色）。彩虹色没有对应的含义，只会增加噪音。还要注意：约 8% 的男性存在不同程度的红绿色觉缺陷，不要只靠红绿来区分类别，可以加形状或标注。
6.2 第一张：条形图——只有图形
6.4 第二张：直方图——加上文字
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
重要
直方图看的是单个数值变量的分布：柱高是落在每个区间内的观测数。1–2 厘米附近有一大群（恰好 50 株），3 厘米以上还有一大片——呈双峰形态。猜猜两群分别对应哪个种？6.8 节的箱形图会给出答案。
6.6 第三张：散点图——加上图例
提示
散点图用的是“位置”编码，是人眼最擅长的一种（3.2 节排序第 1）。图例存在的理由是“图上有分组”。这里用形状而不是颜色，黑白打印也看得清。
6.8 第四张：箱形图——加上颜色
重要
读图：setosa 的箱体整体位于较低位置（中位数约 1.5 厘米），与直方图中的短花瓣群相呼应。箱形图可比较各组的中位数、离散程度和潜在异常值；但单凭箱形图，不能完整还原每组分布的形状。
7.1 柱子的粗细与直方图的组距
提示
space 控制条形图柱子之间的空当；breaks 控制直方图的组数，是直方图最重要的参数。组数太少，形状被抹平；组数太多，噪声盖过形状。breaks 是建议值，R 会取“好看”的刻度。动手改一改：把 6.5 节那张气温直方图拿过来，加一个 breaks = 6 和一个 breaks = 20，看看形状有没有被抹平或打碎。
7.2 点、线与刻度
▶️ 查看代码
par(mfrow = c(1, 2))
plot(iris$Petal.Width, iris$Petal.Length, pch = 17, cex = 1.4, col = "#2E5984",
main = "pch = 17（实心三角），cex = 1.4", xlab = "花瓣宽（厘米）", ylab = "花瓣长（厘米）")
hist(iris$Petal.Length, xaxt = "n", main = "关掉默认刻度，用 axis() 自己画",
xlab = "花瓣长度（厘米）")
axis(1, at = c(1, 3, 5, 7)) # side = 1 是下轴；at 给位置，labels 可换成任意文字
提示
pch 控制点形状，cex 控制点大小，lty / lwd 控制线型与线宽。axis(side, at, labels) 可以自定义刻度位置和文字。多组数据用不同形状或线型区分，黑白打印也能分辨。
警告
散点图和折线图可以截取局部坐标范围（xlim / ylim），因为它们用的是位置编码，不是长度。但要让读者看得出刻度的范围，并避免用截取的局部去夸大变化。
8.4 互评与找茬
互评：同桌交换两张图，照 8.1 的四条标准逐项打勾——选图对、文字全、有颜色、读得出来。哪一项打不上勾，就说清楚差在哪。
找茬：下面这张图有哪几处违反了 5.1–5.5 节的底线？请先说出来，再动手改。
提示
答案要点：①坐标轴从 14 开始（违反底线一），顺带把最高的 4 缸柱顶裁断在画面上沿；②没有标题、没有轴说明、没有标注数值（违反底线二）；③彩虹色没有对应含义（违反底线三）。改法见 5.2 节的 labels-good 代码块。