如何为您的数据选择正确的可视化类型

引言：错误的图表类型是最常见的数据误导形式

在数据分析和科学传播领域，图表类型的误用与数据本身的错误同样危险。使用均值±SD的柱状图来展示连续数据分布，可能完全掩盖数据的真实形态——两个拥有相同均值和方差的数据集，其实际分布可能截然不同。Fife等人（2021）在《Behavior Research Methods》的研究中明确指出，研究者长期依赖违反视觉处理启发的误导性图形，而问题的根源在于统计软件的糟糕默认设置（PMID: 33634423）。

Albers等人（2022）对临床实践中患者报告结局数据的可视化格式进行了系统综述，纳入了25项研究，发现不同图表格式对读者的偏好和解读准确性有显著影响（PMID: 35239055）。这说明，为数据选择正确的可视化类型，是影响科学传播效果的核心决策。

本文提供一个系统性的图表类型选择框架，帮助中国研究者在SCI投稿时做出正确选择。

第一步：明确您的数据类型

在选择图表类型之前，首先需要明确数据的测量类型：

• 连续型数据（Continuous）：如身高、血压、基因表达量等可以测量的连续数值
• 分类型数据（Categorical）：如性别、疾病类型、实验组等离散类别
• 有序型数据（Ordinal）：如疼痛评分（1-10）、肿瘤分期（I-IV）等有排列顺序的类别
• 时间序列数据（Time Series）：在时间维度上连续测量的数据
• 生存数据（Survival Data）：含有截尾（censoring）的时间-事件数据
• 空间数据（Spatial Data）：具有地理或组织位置属性的数据
• 高维矩阵数据（High-dimensional）：如基因组数据、蛋白质组数据

第二步：明确您的研究目的

不同的研究问题对应不同的图表类型。以下五类研究目的覆盖了SCI论文中绝大多数的图表使用场景：

1. 比较（Comparison）：不同组别或处理条件之间的差异
2. 分布（Distribution）：数据在数值范围内的散布情况
3. 关系/相关（Relationship）：两个或多个变量之间的关联模式
4. 趋势（Trend）：随时间或其他有序变量的变化规律
5. 构成（Composition）：整体与各部分之间的比例关系

比较类图表：从柱状图到点图的进化

柱状图（Bar Chart）是科研论文中使用最广泛的图表类型，但也是最常被误用的类型之一。标准的均值±SD柱状图存在一个根本性缺陷：它只展示两个统计量（均值和变异度），完全掩盖了数据的底层分布形态、离群值和样本量信息。

重要建议：对于小样本研究（n＜30），应优先使用点图或箱线图+原始数据点叠加，而非仅展示均值±SD的柱状图；图形与检验方法应当匹配，必要时可请科研图表制作与统计支持一并核定。Weissgerber等人（2017）发现，静态图形无法为小样本研究提供足够的批判性评估信息，应当展示原始数据（PMID: 27332507）。

分布类图表：直方图与密度图

当研究问题聚焦于”数据是如何分布的”时，需要使用专门的分布类图表：

• 直方图（Histogram）：最基础的分布图。需注意分箱数量（bin width）的选择对分布形态的影响。一般使用Sturges规则或Freedman-Diaconis规则自动确定分箱。
• 核密度图（Kernel Density Estimate, KDE）：平滑版的直方图，适合展示连续分布。可叠加在直方图上使用。
• Q-Q图（Quantile-Quantile Plot）：用于评估数据是否符合正态分布，是统计检验前的必要步骤，但在论文正文图中较少单独呈现。
• ECDF图（Empirical Cumulative Distribution Function）：展示数据的累积分布，不受分箱选择的影响，近年来在生物信息学论文中越来越常见。

相关/关系类图表：散点图的正确使用

散点图（Scatter Plot）是展示两个连续变量之间关系的标准图表。Hallgren等人（2020）在结构方程模型的数据可视化研究中指出，数据可视化方法在结构方程模型研究中普遍缺失，这限制了数据透明度和研究发现的有效传播（PMID: 30219251）。

散点图使用的关键要点：

• 添加拟合线：若存在线性或非线性相关，应添加回归线并标注95%置信区间带
• 标注相关系数：在图中或图例中标注Pearson r或Spearman ρ及p值
• 处理数据重叠：数据点重叠时，使用透明度（alpha transparency）、抖动（jitter）或气泡大小编码样本量
• 对数轴的使用：当数据跨越多个数量级时（如细菌菌落数、基因表达），使用对数轴并明确标注

相关矩阵图（Correlation Matrix/Heatmap）适合展示多变量之间的两两相关关系，在代谢组学、蛋白质组学研究中广泛使用。注意颜色编码应使用发散色标（如蓝-白-红），而非仅使用单一颜色深浅。

趋势类图表：折线图与生存曲线

折线图（Line Chart）适用于展示连续时间序列数据。在SCI论文中，以下是常见的使用场景和注意事项：

• 细胞增殖/生长曲线：x轴为时间，y轴为细胞数或吸光度，多组数据用不同颜色区分，加标准误误差线
• 药物浓度-时间曲线（PK曲线）：x轴为时间，y轴通常使用对数刻度展示浓度
• 长期随访数据：纵向研究的随访结果，需展示每个时间点的样本量（at-risk table）

Kaplan-Meier生存曲线是临床研究和肿瘤学研究中最重要的图表类型之一。规范的KM曲线应包含：时间x轴、生存率/无事件生存率y轴（0-1或0%-100%）、95%置信区间带（可选）、各时间点的at-risk数字表（强烈建议）、log-rank检验p值和/或风险比（HR）及95%CI。Vickers等人的指南专门强调了KM曲线中at-risk table的必要性（PMID: 32441187）。

构成类图表：何时用饼图，何时用堆叠图

饼图（Pie Chart）在科研论文中饱受争议。人类视觉系统对面积和角度的感知精度远低于对长度的感知，因此在比较各部分比例时，堆叠柱状图通常优于饼图。不过，在以下情况下饼图仍可接受：

• 类别数量≤5
• 各类别间比例差异明显（无两类比例接近）
• 仅需展示大致构成，无需精确比较

堆叠柱状图（Stacked Bar Chart）和100%堆叠柱状图更适合展示多组的构成差异。对于多个时间点的构成变化，可使用面积图（Area Chart）。

高维数据图表：热图与降维图

随着组学研究的兴起，高维数据的可视化在中国研究者的SCI论文中越来越普遍：

图表选择快速决策框架

下面的决策流程可以帮助研究者快速选择合适的图表类型：

步骤1：确定比较的变量数量——1个变量→分布图；2个变量→关系图；多个变量→热图或多面板图

步骤2：确定数据类型——连续型×连续型→散点图；连续型×分类型→箱线图/小提琴图；分类型×频率→柱状图；时间×生存状态→KM曲线

步骤3：确定样本量——n＜30→点图叠加；n=30-200→箱线图或小提琴图；n＞200→密度图或直方图

步骤4：考虑数据分布特征——正态分布→均值±SD可接受；非正态分布→中位数和四分位距；多峰分布→必须使用密度图或小提琴图展示

SCI期刊常见图表类型的适用范围

Duke等人（2016）在《Statistics in Medicine》的研究中提供了医学研究图表设计的综合框架，强调根据研究问题系统选择图表类型，而非从统计软件的预设选项中随机选取（PMID: 26112209）。

在使用SimpleViz等在线工具时，Oh等人（2025）开发的平台支持箱形图、小提琴图、点图、火山图和PCA图等核心类型，并内置统计检验功能，适合没有编程背景的研究者使用（PMID: 40348129）。

结论

选择正确的图表类型是科研数据可视化的第一步，也是最重要的一步。核心原则是：数据类型决定图表基本类别，研究目的决定图表具体形式，样本量决定数据展示的粒度。随着R语言（ggplot2、ggbeeswarm、survminer等包）和Python（matplotlib、seaborn、plotly等库）的普及，中国研究者已经可以轻松实现各类高质量图表的制作。投资学习这些工具，将直接转化为论文图表质量的提升和投稿成功率的提高；时间紧张时，也可以直接选择图表与语言的投稿前精修。

相关资源

• 科研论文图表设计原则与最佳实践
• 科研图表的色觉无障碍设计——色盲友好配色方案
• 图表图例（Figure Legend）与标题撰写规范