发布日期：|最后更新日期

研究中选择合适的图表类型取决于一点：你的数据要回答的问题。使用条形图（包含原始数据点）比较各组数据，使用箱线图比较数据分布，使用直方图观察单个测量值的形状，使用散点图分析两个测量值，使用折线图表示随时间的变化。下面，我们将使用一个真实且可引用的数据集来演示每种图表类型，并列出你应该从中解读的数据以及审稿人最常指出的错误。

用简单的话

根据题目选择图表，不要凭习惯。如果数据点很少，请显示所有数据点。柱状图坐标轴的起始点设为零。在图注中说明样本量 n 和误差线的含义。

哪种类型的图表符合你的问题？

首先请看这张表格。每一行都对应一个研究问题，并附有解答该问题的图表以及该图表最常产生的误导之处。表格中的每个图表都将在下文详细解读，双轴图则单独成节。关于诊断准确性、试验和荟萃分析图表（ROC曲线、Kaplan-Meier生存曲线、森林图、Bland-Altman图），请参阅《临床研究图表：试验、诊断测试和荟萃分析的10种图表》。

您的问题要使用的图表它失败的地方
比较各组平均值带有原始数据的柱状图仅凭柱状图无法看出分布范围和样本量。
比较各组的离散程度和异常值箱形图隐藏双峰分布；当 n 较小时显示点
观察一次测量的形状直方图箱宽会影响画面；尝试两种不同的宽度。
展示两个测量值如何同步变化散点图拟合线暗示因果关系，仅显示关联性。
显示随时间的变化线形图一个看似平缓的趋势可能掩盖着一个突如其来的转变。
显示数值或相关性网格热图如果没有标注图例，颜色标尺会误导人。
显示一个整体的份额（2 到 5 份）派或叠层酒吧超过5片切片无法用肉眼进行比较。

每种图表类型都进行了两次演示。首先，使用 R 自带的公共数据集，以便您可以复现每个数字（分别在 R 和 Python 中独立计算，并精确到最后一位数字）。然后，使用近期发表在 JAMA Network Open 或 Nature Communications 上的开放获取论文中的图表，该图表根据 CC BY 4.0 许可协议并注明出处进行转载，以便您可以了解作者在印刷版中如何处理相同的决策。

条形图：比较各组均值（显示点）

条形图以长度为单位编码数值，因此可以回答“哪一组更大？”这个问题。数据是 60 只豚鼠的牙齿长度，这些豚鼠分别以橙汁 (OJ) 或抗坏血酸 (VC) 的形式服用三种剂量的维生素 C（Crampton 1947，每条柱状图代表 10 只动物）。

豚鼠牙齿长度与维生素C剂量关系的柱状图，并叠加了各个数据点
图1。 按剂量和补充剂分组的平均牙齿长度，每只动物用一个点表示。柱状图高度代表组平均值；每柱状图样本量 n = 10。数据来源：ToothGrowth（Crampton 1947）。由 Editverse 制作。

如何解读图表。每日摄入0.5毫克橙汁时，橙汁组的平均尿道口径为13.23微米，而维生素C组为7.98微米。每日摄入1毫克橙汁时，两组尿道口径差距为22.70微米，橙汁组为16.77微米。每日摄入2毫克橙汁时，两组尿道口径几乎相同：分别为26.06微米和26.14微米。点状图补充了柱状图无法显示的信息：每日摄入2毫克维生素C时，维生素C组动物的尿道口径分布范围更广。

常见的错误： 仅绘制柱状图和误差线。Weissgerber 等人 (2015) 认为，小样本连续数据应显示单个数据点，因为柱状图可能掩盖了均值相同的截然不同的分布。此外，y 轴起点应为零：柱状图的长度即为编码。

已发表示例：每位参与者一个柱状图，并附置信区间（JAMA Network Open，2026）

当每个柱状图代表一个人时，柱状图就能很好地发挥作用。在一项针对老年男性坦索罗辛减药的双盲单例试验中，Bauer及其同事分别评估了每位参与者的疗效，并为每位参与者绘制了一个柱状图，按疗效从大到小排序。

坦索罗辛与安慰剂治疗个体疗效的柱状图，包含95%置信区间，每个柱状图代表一位受试者，并按疗效从大到小排序。
图A. 个体层面的治疗效果及其95%置信区间（A）和每位参与者安慰剂组与治疗组的平均症状评分（B）。摘自Bauer SR等人发表于JAMA Netw Open的文章，2026;9(7):e2621639。doi:10.1001/jamanetworkopen.2026.21639。根据CC BY 4.0许可协议转载。已调整尺寸以适应网页，未做其他修改。点击图片可查看完整尺寸。

本文报告内容：在尝试完成完整方案的30名参与者中，11名（36.7%）坦索罗辛疗效甚微或无疗效，11名（36.7%）疗效中等，4名（13.3%）疗效显著；另有4名参与者无法耐受安慰剂导入期。需要复制的内容：颜色标记疗效类别，图例给出了每种类别的样本量（n）（4、11、11）。参与者ID位于每个柱状图下方。图注说明了估计值背后的模型（经周期和时间调整的线性混合模型）以及误差线的含义（95%置信区间）。图B以链接对的形式展示了每位参与者的安慰剂和治疗均值，以便读者查看疗效背后的原始数值。

箱线图：比较离散程度和异常值

箱线图用中位数、四分位数和极差概括每个组的情况（Tukey 1977）。它是比较数据离散程度最快捷的方法。以下是60只动物的箱线图：

豚鼠牙齿长度与剂量和维生素C补充剂量的关系箱线图显示，每日2毫克剂量组间存在不同的分布范围。
图2。 箱体代表第一四分位数至第三四分位数，线代表中位数，须线代表1.5倍四分位距，点代表离群值。每个箱体包含10个样本。数据来源：牙齿生长（Crampton，1947）。由Editverse制作。

如何解读结果。在每日服用 2 毫克剂量时，两组的中位数均为 25.95。OJ 组的范围为 22.4 至 30.9（标准差 2.66）；VC 组的范围为 18.5 至 33.9（标准差 4.80）。对两组均值进行 Welch t 检验，结果为 t = -0.05，p = 0.96，95% 置信区间为 -3.80 至 3.64：未检测到均值差异，但变异性存在明显差异。仅凭均值表无法得出此结论。

常见的错误： 将包含 10 个数据点的箱线图视为平滑分布进行解读。当样本量 n 如此之小时，可以将数据点叠加显示，或者在图注中注明样本量 n。

已发表示例：每个柱状图上绘制的个案（JAMA Network Open，2026）

同样的原理也适用于临床论文。McNamara及其同事比较了介入性超声心动图医师穿着悬挂式铅服（95例）或传统铅围裙（30例）时的辐射剂量。图A以方框上的点表示每个病例。图B和图C则改为柱状图，分别显示辐射剂量无法检测和至少为20微西弗的病例百分比。

箱线图显示了传统铅围裙与悬挂式铅服防护装置每例辐射剂量的个体数据点，以及无法检测剂量和 20 微西弗或更高剂量的条形图。
图B. 按屏蔽类型划分的每例辐射剂量。摘自 McNamara DA 等人发表于 JAMA Netw Open 的文章，2026;9(3):e2558134。doi:10.1001/jamanetworkopen.2025.58134。根据 CC BY 4.0 许可协议转载。已调整尺寸以适应网页；未做其他修改。点击图片可查看完整尺寸。

论文报告内容：使用悬挂式铅衣的患者中位剂量为 0.0 微西弗（四分位距 0.0 至 0.3），而使用传统围裙的患者中位剂量为 10.6 微西弗（四分位距 5.8 至 24.1），P < .001。需要复制的内容：首先，图中的点：铅衣组的剂量分布在接近零的范围内，如果仅用方框表示，则会呈现为一条直线。其次，图注说明为了便于图形显示，已从图 A 中移除极端异常值，并定义了方框（四分位距）、中心线（中位数）和须线（剔除异常值后的最小值和最大值）。第三，柱状图仅用于表示病例百分比，柱状图的长度是表示百分比的正确方法。

直方图：一次测量的形状

直方图将一个连续的测量值分成若干个区间，并统计每个区间内的观测值数量。它回答了“这个变量看起来是什么样子的？”这个问题。数据来自老忠实间歇泉的 272 次喷发（Azzalini 和 Bowman，1990）。

老忠实间歇泉喷发持续时间的直方图显示了两个聚类，平均值位于两者之间的间隙中。
图3。 喷发持续时间，以 0.25 分钟为间隔，n = 272。红线 = 平均值 (3.49 分钟)。数据来源：faithful (Azzalini 和 Bowman 1990)。由 Editverse 制作。

如何解读数据。图中有两个峰值，分别接近 2 分钟和 4.4 分钟。平均值为 3.49 分钟，中位数为 4.0 分钟，但 272 次喷发中只有 12 次（4.4%）持续时间在 2.5 分钟到 3.5 分钟之间。平均值几乎无法反映任何实际的喷发情况。仅报告“平均值 3.49，标准差 1.14”会误导读者。

常见的错误： 用一个均值和一个标准差来概括一个双峰变量。在选择汇总统计量之前，务必先绘制分布图，并测试多个组距。

已发表示例：用小提琴图比较分布形状（JAMA Network Open，2026）

当需要比较不同组别的分布形状时，小提琴图（Hintze 和 Nelson，1998）会为每个组别绘制一个镜像直方图。Dias 及其同事利用小提琴图分析了全基因组测序后，确诊遗传疾病的儿童（n = 86）和未确诊遗传疾病的儿童（n = 169）的年度医疗保健费用。

以小提琴图的形式展示有无基因诊断的儿童的年度医疗保健费用，每幅小提琴图下方标明了中位数和样本量。
图C. 按诊断状态划分的年度费用。摘自 Dias JML 等人发表于 JAMA Netw Open 的文章，2026;9(9):e2634372。doi:10.1001/jamanetworkopen.2026.34372。根据 CC BY 4.0 许可协议转载。已调整尺寸以适应网页；未做其他修改。点击图片可查看完整尺寸。

图表内容：确诊组的年均住院费用中位数为 1,281 英镑，而未确诊组为 795 英镑（图 A）。处方药费用中位数分别为 335 英镑和 77 英镑（图 B，n = 84 和 168）。图表说明：每幅图下方标有样本量和中位数，水平线标示四分位数，以便读者同时了解数据概要和分布情况。图注指出，为了处理右偏分布的费用数据，使用了伪对数 y 轴，同时保留了零值。由于坐标轴并非线性，请根据标注的刻度和标注的中位数读取数值，切勿目测。

散点图：两个测量结果的汇总

散点图将每个观测值放置在其 x 轴和 y 轴上，用于回答“这两个测量值是否同步变化？”这个问题。数据为 32 款车型的重量和燃油经济性（Henderson 和 Velleman，1981）。

汽车重量与燃油经济性散点图，附拟合回归线和置信区间
图4。 燃油经济性与重量的关系，n = 32，采用线性拟合，置信区间为 95%。数据来源：mtcars（Henderson 和 Velleman，1981）。由 Editverse 整理。

如何解读：皮尔逊相关系数 r = -0.87（95% 置信区间为 -0.93 至 -0.74，p = 1.3e-10）。拟合斜率为每 1,000 磅减重 -5.34 英里/加仑，重量可以解释燃油经济性 75% 的变异（R 平方 = 0.75）。报告置信区间，而不仅仅是相关系数 r：缺少置信区间的相关性会掩盖估计值可能出现的波动幅度。

常见的错误： 将拟合线视为一个变量导致另一个变量的证据。图表显示了相关性，但无法排除第三个因素（例如发动机排量）同时影响这两个变量的可能性。

已发表示例：散点图加一致性图（Nature Communications，2026）

带有相关系数的散点图回答的是“这些指标是否同步变化？”，而不是“两种方法的结果是否一致？”。Butkow及其同事在23名健康受试者中测试了基于耳塞的每搏输出量估算值与临床参考设备的对比，并将两种结果绘制在同一张图中。

预测值与实测值之间的散点图，包含等值线和相关系数 r = 0.94，以及 Bland-Altman 一致性图和每位参与者的误差线。
图 D。 根据参考搏出量（a、b）、Bland-Altman一致性（c、d）和每位参与者误差（e）进行估计。摘自Butkow KJ等人发表于Nat Commun. 2026;17(1):8755. doi:10.1038/s41467-026-75642-0的文章。根据CC BY 4.0许可协议转载。已调整尺寸以适应网页；未做其他修改。点击图片可查看完整尺寸。

论文报告内容：平均预测搏出量与参考搏出量之间的 Pearson 相关系数 r = 0.94，平均绝对误差为 5.24 mL，一致性界限的百分比误差为 11.05%。在图 c 中，平均差异为 -0.02 mL，95% 一致性界限为 -9.35 至 9.3 mL。需要复制的内容：图 a 添加了一条等值线（y = x），以便读者能够看到与完全一致的偏差，而不仅仅是趋势。图 c 和 d 添加了 Bland-Altman 图（Bland 和 Altman，1986），该图显示了差异的大小。请参阅我们关于一致性界限和偏差-差异图的指南。

折线图：随时间的变化

折线图连接有序的观测值，使视线能够跟随趋势。数据为1871年至1970年阿斯旺尼罗河的年流量（Cobb 1978）。

1871年至1970年尼罗河年流量折线图，呈向下线性趋势线
图5。 年流量，n = 100 年。虚线 = 线性趋势（每年 -2.7，R 平方值为 0.22）。数据来源：尼罗河（Cobb 1978）。由 Editverse 制作。

如何解读数据。拟合趋势为每年-2.7个单位（R平方值为0.22，p值为1.1e-06），但这低估了实际情况。Cobb（1978）指出，1898年发生了变化。1871年至1898年的平均流量为1,098（n=28），之后降至850（n=72）：变化幅度约为248个单位（Welch p值为7.3e-11）。数据表明，流量变化是突然的，而非缓慢下降。

常见的错误： 用一条直线拟合一个有阶跃变化的序列。首先要寻找断点；用一条横跨阶跃的趋势线来拟合会得出错误的速率和错误的信息。

已发表示例：带有置信区间的时间序列（JAMA Network Open，2026）

Matta 及其同事绘制了加拿大安大略省 2007 年至 2022 年每年的急诊就诊率：A 部分为所有就诊（n = 29,461,281），B 部分为泌尿系统诊断的就诊（n = 2,192,213）。

2007年至2022年安大略省每100人急诊就诊次数的折线图（含误差线），包括所有就诊次数和泌尿系统诊断。
图E. 2007年至2022年每百人急诊就诊次数。误差线代表95%置信区间。摘自Matta R等人发表于JAMA Netw Open的文章，2026;9(3):e2560058。doi:10.1001/jamanetworkopen.2025.60058。根据CC BY 4.0许可协议转载。已调整尺寸以适应网页显示；未做其他修改。点击图片可查看完整尺寸。

报告内容：按年龄和性别标准化的泌尿科就诊率从2007年的每百人0.91例上升到2015年的1.0例，之后持续下降至2020年。可借鉴之处：每年增加一个数据点，并标注95%的置信区间；y轴的范围应能反映变化趋势，而非零基线（这对于折线图来说是可以接受的，但对于柱状图则不适用）；使用两个图表，而不是第二个坐标轴。2020年前后的下降趋势一目了然。与尼罗河的例子类似，如果仅用一条直线来表示这些年份的变化趋势，就会掩盖这一下降趋势。

编辑宇宙

编辑宇宙
本文推荐阅读

需要我们帮您准备期刊所需的图表吗？请提供原始数据、草图或现有图表。我们将为您提供最多 10 张符合目标期刊格式要求的图表。

编辑宇宙
数据可视化服务
$300

查看服务

最多 10 个数字PDF、PNG、EPS 和 TIFF 格式3 5个工作日

热图、饼图和双轴图：它们何时才能发挥作用

这三张图表引发了最多的审阅者评论，因为它们在超出其适用范围时都可能产生误导。下文将基于真实数据逐一分析，并附上相关数据解读以及判断其是否符合适用标准的规则。

热力图：网格太大，无法直接读取数字。

热图根据数值对网格中的每个单元格进行着色。当表格中的数字过大而无法扫描时，例如跨多个变量的相关矩阵或跨多个样本的表达式，可以使用热图。例如，Henderson 和 Velleman (1981) 构建了 32 款汽车的五项测量值的相关矩阵。五个变量仅产生 10 个数据对，因此表格即可满足需求；同样的设计也适用于数十个变量的情况，而表格则无法处理这种情况。

32辆汽车的燃油经济性、车重、马力、发动机排量和四分之一英里加速时间之间的皮尔逊相关性热图，图中标注了r值，并采用蓝白红三色标度。
图6。 五项汽车测量数据之间的皮尔逊相关系数，n = 32。数据来源：mtcars（Henderson 和 Velleman，1981）。由 Editverse 整理。

如何解读图表：蓝色单元格同步上升；红色单元格反向移动。车辆重量和发动机排量密切相关（r = 0.89），且二者均与燃油经济性降低相关（r 分别为 -0.87 和 -0.85）。四分之一英里加速时间与车辆重量的相关性较弱（r = -0.17）。由于每个单元格中都印有数值，读者无需根据颜色猜测数字。

四个选择使其更值得信赖。使用以零为中心、-1 到 1 固定范围的发散刻度。每个单元格都打印出数值。仅显示下半部分三角形，因为上半部分重复显示。变量名使用文字，单位放在标题中。避免使用彩虹色刻度：Crameri、Shephard 和 Heron (2020) 的研究表明，彩虹色刻度可能会歪曲数据，并排除色觉障碍的读者。

常见的错误： 将相关性热图视为其所显示的每一对变量的证据。一个包含 k 个变量的矩阵有 k(k-1)/2 个系数，因此 20 个变量会产生 190 对变量，其中一些变量的相关性可能只是偶然现象。请说明您如何处理多重比较，并报告您突出显示的每一对变量的置信区间。

饼图：整体的各个部分，仅当少数几个扇形明显不同时才使用。

饼图展示了整体如何被分割成各个部分。读者对位置的判断比角度或面积的判断更为准确（Cleveland 和 McGill，1984），因此饼图只有在少数几个扇形明显不同时才有效。下图展示了六个饲料组中雏鸡数量的两种绘制方式（雏鸡体重，n = 71）。

图中展示了六个饲料组中雏鸡数量的饼图和排序条形图，表明条形图能更清晰地呈现排名情况。
图7。 饼图 (A) 和排序条形图 (B) 的计数相同。六个饲养组，每组 10 至 14 只雏鸡。数据来源：chickwts（R ​​数据集包）。由 Editverse 制作。

如何解读图表。在饼图中，葵花籽、亚麻籽和酪蛋白（各12只雏鸡）、肉粉（11只）和马豆（10只）看起来几乎一样，排名难以辨认。在排序后的条形图中，大豆（14只雏鸡，19.7%）领先，马豆（10只，14.1%）落后，每个条形旁边都标明了数量。饼图仅适用于2到5个扇形且扇形之间有明显间隔的情况，并显示每个扇形的百分比。否则，请对类别进行排序并使用条形图。

常见的错误： 用饼图表示六个或更多类别，或者表示数值之和不等于整体的情况并不合适。例如，具有多种症状的患者比例就不能用饼图表示，因为一个患者可能同时出现多种症状。

双轴图：两个刻度，作者选择讲述一个故事

双轴图将两个指标绘制在同一张图上，每个指标都有自己的y轴。作者可以选择每个刻度，而刻度的选择会影响图表的内容。例如，该图展示了1991年至1998年（共1,860个交易日）期间，德国DAX指数和英国富时100指数这两个欧洲股票指数的每日收盘价。

1991年至1998年DAX和FTSE每日数值的三张图表：两张双轴图表（呈现不同的走势）和一张单轴指数图表。
图8。 同一组数据分别以双轴刻度（A、B）和单轴刻度（C）绘制。n = 1,860 天。数据来源：EuStockMarkets（R ​​数据集包）。由 Editverse 制作。

如何解读图表。在图A中，右侧纵轴被拉伸，使得两条线的高度相同，因此富时100指数（FTSE）看起来领先于德国DAX指数（DAX），直到1998年DAX才追上它。在图B中，相同的数据，但右侧纵轴进行了偏移，看起来像两条永不相交的线。图C将两条线放在同一个纵轴上，初始值为100：DAX的终点约为336，而富时100的终点约为223，因为DAX上涨了236%，而富时100上涨了123%。这两个双轴图表都没有显示这一点。

观察趋势序列的相关性。在 1,860 个交易日中，两个指数水平的相关系数为 r = 0.975，但这主要反映的是两者均呈上涨趋势。剔除共同趋势后，每日对数收益率的相关系数为 r = 0.64 (n = 1,859)。这两个数值分别使用 R 和 Python 独立计算得出，结果一致。

更稳妥的做法是，将两个系列都以同一坐标轴上的共同基线为基准（图C），或者将两个共享同一x轴的图堆叠起来。如果必须使用双坐标轴，请将每个坐标轴的颜色与其对应的线条颜色相匹配，并注明单位，并在图注中说明所采用的刻度。Isenberg及其同事（2011）研究了读者如何解读双刻度图表。

常见的错误： 选择坐标轴范围，使两个不相关的序列对齐。通过选择合适的刻度实现的视觉匹配并不能证明它们之间存在关联。

提交图表前检查清单

  • 图表类型与问题相符（见上表）。
  • 条形图坐标轴从零开始；当 n 较小时，会显示单个点。
  • 图注说明 n、误差线或误差带代表什么以及数据来源。
  • 即使在灰度模式下，颜色依然清晰可辨，色盲读者也能轻松阅读。
  • 文本在目标期刊的印刷栏宽下清晰可读。
  • 坐标轴标有单位；没有图表杂乱元素（3D 效果、阴影）。

关于原则的延伸阅读：Rougier、Droettboom 和 Bourne (2014) 提出了十条提升图表质量的规则，Midway (2020) 则涵盖了有效数据可视化的设计原则。这两篇文章的引用及其 DOI 均在下文列出。如需更深入地了解条形图与直方图的区别，请参阅“条形图与直方图”；如需将图表与统计检验相匹配，请参阅“选择合适的统计检验”。

制作这些图表的免费研究工具

Editverse提供的免费研究工具

  • GraphPro：创建可用于出版的图表，共 25 种类型，内置 t 检验、方差分析、相关性分析和卡方检验 p 值。免费，无需注册。
  • 统计数据：免费的统计计算器和测试选择工具，涵盖组比较、分类结果、事件发生时间分析和诊断准确性。
  • 流程图专业版：直接在浏览器中生成 PRISMA 2020、PRISMA-ScR、CONSORT、STROBE、STARD、MOOSE 和 ARRIVE 流程图。

专业数据和统计分析

如果您的研究结果已准备就绪，但您需要一些审稿人不会退回的图表，Editverse 的学科统计学家和图表设计师可以根据您目标期刊的列宽、字体和颜色要求来制作图表。如果分析本身仍在进行中，则可以使用以下统计软件包先进行分析。

图

$300

最多可提供 10 张符合出版要求的图表，格式包括 PDF（矢量）、PNG、EPS 和 TIFF，并根据目标期刊进行格式化。3-5 个工作日内完成。

查看套餐 →

分析与评述

$475

研究设计审查、包含假设检验的分析、符合出版标准的表格和图表，以及一份书面统计方法部分。5-10个工作日。

查看套餐 →

进阶分析

$750

回归分析、混合模型、生存分析和倾向评分等复杂设计分析。5-7个工作日。

查看套餐 →

想围绕这些数据撰写整篇论文？请参阅论文写作服务。Editverse 的实践符合 COPE、ICMJE 和 GPP 2022 标准。

结语

根据题目选择图表，尽可能展示原始数据点，并在撰写图注前仔细阅读数据。以上五个图表虽然都采用了类似的概括方式，但各自呈现出不同的信息：均值相同但分布范围不同；均值并未反映出真正的爆发；趋势掩盖了阶跃变化。这正是审稿人所关注的。

常見問題解答

研究中主要使用哪些类型的图表？

条形图、箱线图、直方图、散点图和折线图涵盖了大多数结果部分。热图、饼图和双轴图则适用于更具体的用途。选择图表时，应根据您要回答的问题来选择，而不是凭习惯。

我应该使用哪种图表来比较两组数据？

使用条形图（每个数据点都叠加显示）或箱线图。以上述豚鼠为例，两组的平均值为约 26 微米，但它们的离散程度却相差近一倍。

什么时候应该使用直方图而不是柱状图？

对于连续测量值，例如皮疹出现时间或血压，请使用直方图，因为它能显示分布情况。对于类别或组均值比较，请使用条形图。

散点图能证明一个变量导致另一个变量吗？

不。在汽车数据中，重量和燃油经济性之间的相关系数 r = -0.87，但图表仅显示了相关性。因果关系的认定需要研究设计，而不仅仅是趋势线。

条形图的y轴是否应该始终从零开始？

是的。柱状图的长度代表数值，因此截断坐标轴会夸大差异。折线图和散点图则没有这种限制。

为什么期刊会要求提供个体数据点？

条形图和均值图掩盖了样本量和离散程度。Weissgerber 及其同事（2015，《PLOS Biology》）指出，生理学期刊上的许多论文将小样本连续数据以条形图或折线图的形式呈现，而这些图表无法揭示数据的潜在分布。

直方图应该有多少个区间？

没有统一的规则。至少尝试两种不同的宽度，保留能够清晰显示结构且无噪声的那个。老忠实泉直方图使用 0.25 分钟的区间。

哪个图表能最好地展现随时间的变化？

折线图。在拟合直线趋势之前，请检查是否存在阶跃变化：1898 年后尼罗河流量下降了约 248 个单位，而单条趋势线低估了这一数字。

什么是双轴图？何时使用双轴图是安全的？

它将两个具有不同刻度的测量值叠加在同一张图上。只有当两个坐标轴都已标注且刻度并非为了强制视觉匹配而选择时，这种做法才是安全的；否则，请使用两个独立的面板。

什么情况下热力图比表格更好？

当网格太大而无法直接读取数字时，例如跨多个变量的相关矩阵，请打印每个单元格中的值，将发散的刻度中心设为零，并避免使用彩虹色刻度。

为什么不建议使用饼图来比较不同类别？

读者对位置的判断比对角度的判断更为准确（Cleveland 和 McGill，1984）。在雏鸡饲料的例子中，从饼图中无法对六个几乎相等的扇形进行排序，而排序后的条形图则可以立即显示顺序。

我可以在自己的论文中重复使用已发表论文中的图表吗？

只有在许可协议允许的情况下才能使用。CC BY 4.0 许可的图片可以重复使用，但需注明作者、提供许可协议链接并说明任何修改之处。对于其他许可协议，请向出版商申请许可，或使用您自己的数据重新绘制图片。我们的图片版权许可指南涵盖了所有步骤。

不用编程也能制作这些图表吗？

是的。GraphPro 可在浏览器中创建 25 种图表类型，并内置 t 检验、方差分析、相关性分析和卡方检验的 p 值计算功能。它是免费的，无需注册。

案例

  1. Rougier NP、Droettboom M、Bourne PE. 十条让图表更美观的简单规则. PLoS Comput Biol. 2014;10(9):e1003833. doi:10.1371/journal.pcbi.1003833
  2. Weissgerber TL、Milic NM、Winham SJ、Garovic VD. 超越柱状图和折线图：是时候采用新的数据呈现范式了。PLoS Biol. 2015;13(4):e1002128. doi:10.1371 / journal.pbio.1002128
  3. Midway SR. 有效数据可视化的原则. Patterns. 2020;1(9):100141. doi:10.1016/j.patter.2020.100141
  4. Crampton EW. 门牙成牙本质细胞的生长作为豚鼠维生素C摄入量的指标。营养学杂志。1947;33(5):491-504。doi:10.1093/jn/33.5.491
  5. Azzalini A, Bowman AW. 老忠实间歇泉的一些数据分析. 应用统计学. 1990;39(3):357-365. doi:10.2307/2347385
  6. Henderson HV, Velleman PF. 交互式构建多元回归模型. 生物统计学. 1981;37(2):391-411. doi:10.2307/2530428
  7. Cobb GW. 尼罗河问题：变点问题的条件解。生物统计学。1978;65(2):243-251。doi:10.1093/biomet/65.2.243
  8. McNamara DA、Decker JM、McNamara MW 等。介入性超声心动图医师的悬挂式铅服与辐射暴露。JAMA Netw Open. 2026;9(3):e2558134。doi:10.1001 / jamanetworkopen.2025.58134
  9. Bauer SR、Kenfield SA、Oni-Orisan A 等。老年男性下尿路症状的坦索罗辛减量治疗：一项随机临床试验。JAMA Netw Open. 2026;9(7):e2621639。doi:10.1001 / jamanetworkopen.2026.21639
  10. Dias JML、More RP、Butler D 等。通过全基因组测序进行诊断以及对重症儿童的医疗服务利用情况。JAMA Netw Open。​​2026;9(9):e2634372。doi:10.1001 / jamanetworkopen.2026.34372
  11. Butkow KJ、Jalaludeen N、Liu Y 等。通过耳内音频传感测量心脏搏出量。《自然通讯》。2026;17(1):8755。doi:10.1038/s41467-026-75642-0
  12. Matta R、Shaw J、Mohamud H 等。泌尿系统疾病患者的急诊就诊、住院和等待时间。JAMA Netw Open。​​2026;9(3):e2560058。doi:10.1001 / jamanetworkopen.2025.60058
  13. Bland JM, Altman DG. 评估两种临床测量方法一致性的统计方法。柳叶刀。1986;327(8476):307-310。doi:10.1016/S0140-6736(86)90837-8
  14. Hintze JL, Nelson RD. 小提琴图：箱线图与密度迹线的协同作用。美国统计学家。1998;52(2):181-184。doi:10.1080/00031305.1998.10480559
  15. Cleveland WS, McGill R. 图形感知：理论、实验及其在图形方法发展中的应用。美国统计协会杂志。1984;79(387):531-554。doi:10.1080/01621459.1984.10478080
  16. Crameri F、Shephard GE、Heron PJ. 科学传播中色彩的误用。自然通讯。2020;11(1). doi:10.1038/s41467-020-19160-7
  17. Isenberg P、Bezerianos A、Dragicevic P、Fekete JD. 双尺度数据图研究. IEEE Trans Vis Comput Graph. 2011;17(12):2469-2478. doi:10.1109/TVCG.2011.160
  18. Tukey JW.探索性数据分析。雷丁，马萨诸塞州：Addison-Wesley；1977。

已发表的图表（图 A 至图 E）根据 CC BY 4.0 许可协议转载自参考文献中最后列出的五篇论文。数据集：ToothGrowth、faithful、mtcars、Nile、chickwts 和 EuStockMarkets，均来自 R 数据集包。所有统计分析均使用 R 和 Python 独立完成。