python绘图精髓之操纵图表

人是视觉动物，对人来说，图表比文字和数字的表达更直观，也更震撼。可是在有些场合，太过精确的图表不利于理解，必须平衡信息的呈现方式和准确性。举个例子，曾经有人激烈地讨论城市地图到底是地图还是图表。按照惯例，地图应该呈现精准的地理信息，比如建筑和道路的位置。而图表要呈现的则是事物的联系或数据的关系。对于一张交通线路图，显然地理信息是次要的，轨道交通的路线和运行方式才是重点。地铁路线图为了更直观地展示交通线路信息，就很难兼顾地理信息的真实性，只能做一些妥协。
仅凭一张图表并不一定能得到事实结论。那些不合适的图表会欺骗人们的大脑，造成视觉欺骗，甚至有时数据没有任何伪造，仅仅通过改变展现形式，就会给人留下不同的印象。无论是调整图表坐标的上下限和间隔比例，让原本微小的上升变成惊人的增长，还是改变图表的统计方法，让原本只有10%的增长率变成看上去100%的累积增长率，这些事做起来并不难。如果某人想要汇报良好的工作业绩，他就可以选择这么做。毕竟没人规定不能这么做，谁也无法指责他。举个例子。假设你是一名银行基金产品的销售经理，打算在市面上发售一款基金产品A，经过市场调研，这款产品的竞争对手有基金B、基金C和基金D。这些基金的收益率分别是4.72%、4.42%、4.32%、4.26%。其中，你的基金A比其他基金的收益率稍高一点。于是，你根据数据做了一张图表，如图2-3所示。

图中，4款基金产品的收益率看上去相差不大，你的产品看不出什么竞争优势。于是，为了更好地突出你的产品，你决定调整一下图表的坐标系，如图2-4所示。

现在，纵坐标不再从0开始，上下限和间隔刻度也做了相应调整。在这个过程中，数据仍然是真实的，你只是故意让这些指标的间隔变大了。但从视觉效果来看，基金A和其他产品的差距也变大了，显然它的收益率更加突出。几年以后，由于一些基金经理投资激进，所以基金产品每年的表现时好时坏，如图2-5所示。

为了不让投资者在看到历史表现后认为基金运作不稳定。于是你调整了坐标刻度，试图让原来大幅抖动的数据变成平稳波动，如图2-6所示。

又过了一段时间，你打算统计基金近5年的表现。你发现，它的年收益率分别为10%、8%、6%、4%、2%，虽然一直在赚钱，但是每年的收益率持续下跌，如图2-7所示。

如果用上面的图来表达，则一定会让投资者失去信心。但如果使用累计收益率图，就能很好地掩盖这种收益率下降的趋势表现，让图表看起来很“完美”。累计收益率是指基金自运作以来的累计收益。以累计收益率代替年收益率，就可以很好地掩盖增长颓势，如图2-8所示。

以上只是一些举例，图表还有其他很多“作假”方法。比如故意将一维数据（比如收益率高低）转换为二维图像（比如一个财神），以不恰当的比例来突出自己与其他对比对象的差距（本来只是长度差别，现在变成了体积差别），造成视觉冲击；或者把全量数据变成均值、峰值、极值等统计数据展示，来掩盖真实数据的变化趋势和关联关系（比如一年中的日交易量峰值增长，并不代表这一年的总交易量也增长了）；又比如将没有关联关系的几组数据放在一张图表或一个坐标系中，让人误以为数据是有关的，并对它们观察和比较等。
虽然我们说一图胜千言，但这是有条件的。数据可视化需要对数据有深刻的理解，解读数据同样需要知道数据的含义。可视化的目的是客观描述事实，而不是为了隐藏什么意图。