大多数专家避免使用饼图。原因如下。

我们的生活正变得越来越受数据驱动。我们的手机监控我们的时间和互联网使用情况，在线调查可以辨别我们的意见和喜好。这些数据收集用于告诉我们我们的睡眠质量或我们可能想买什么。

数字在日常生活中变得越来越重要，但人们的数字技能却落后了。例如，澳大利亚 12 年级学童学习高等和中级数学的百分比几十年来一直在下降.

为了帮助普通人理解大数据和数字，我们经常使用视觉摘要，例如饼图。但是，虽然非计算者会避免使用数字，但大多数计算者会避免饼图。原因如下。

什么是饼图？

饼图是表示数值百分比的圆形图。圆圈被分成多个切片，每个切片的大小与其所代表的类别成正比。它之所以得名，是因为它类似于切片的馅饼，可以以多种不同的方式“供应”。

下面的饼图示例显示了澳大利亚在上次选举前的两党首选投票，工党为55%，联盟党为45%。两个接近半圆的圆圈显示了相对紧张的比赛——这是饼图的一个有用示例。

饼图有什么问题？

一旦我们有两个以上的类别，饼图就很容易歪曲百分比并变得难以阅读。

下面的三张图表就是一个很好的例子——很难确定五个区域中哪一个是最大的。饼图的圆形意味着这些区域缺乏共同的参考点。

当有很多类别时，饼图也表现不佳。例如，这张图表来自对用于 COVID 数据可视化的数据源的研究，在一个饼图中显示了数百个类别。

微小的切片、缺乏清晰的标签和万花筒般的色彩使任何人都难以解释。

对于色盲的人来说，这更难。例如，这是对上图对氘异常或对绿光敏感性降低的人的模拟。这是最常见的色盲类型，大致影响占人口的4.6%.

如果我们采用饼图并将它们变成三维的，情况可能会变得更糟。这可能导致对数据的严重歪曲。

在下面，黄色、红色和绿色区域的大小都相同（三分之一），但根据角度和放置在饼图底部的切片而显得不同。

那么，为什么饼图无处不在呢？

尽管饼图存在众所周知的问题，但它们无处不在。它们出现在期刊文章、博士论文、政治民意调查、书籍、报纸和政府报告中。它们甚至被澳大利亚统计局使用。

虽然统计学家几十年来一直在批评它们，但很难反驳这种逻辑：“如果饼图这么糟糕，为什么会有这么多饼图？

可能它们很受欢迎，因为它们很受欢迎，这是一个适合饼图的循环论证。

饼图的替代品是什么？

有一个简单的修复程序，可以在小空间内有效地总结大数据，并且仍然允许创造性的配色方案。

这是不起眼的条形图。还记得上面这五个类别的令人费解的饼图示例吗？这是使用条形图的相同示例——我们现在可以立即看到哪个类别是最大的。

线性条形比饼图的非线性线段更容易看。但要注意通过添加 3D 效果使不起眼的条形图看起来更有趣的诱惑。正如您已经看到的，3D 图表会扭曲感知，使找到参考点变得更加困难。

下面是 1992 年美国总统大选中按家庭收入划分的选民人数的标准条形图和 3D 替代方案（从低于 15 美元到超过 75 美元）。使用3D版本，你能说出最高收入类别中每个候选人的选民人数吗？不容易。

可以使用饼图吗？

我们已经展示了一些最糟糕的饼图示例来说明这一点。当只有几个类别并且百分比不同时，饼图是可以的，例如一个大类别和一个小类别。

总的来说，最好谨慎使用饼图，尤其是当有一个更“容易消化”的替代方案——条形图时。

每当我们看到饼图时，我们都会想到两件事之一：它们的创建者不知道他们在做什么，或者他们知道自己在做什么并故意试图误导。

图形摘要旨在轻松快速地传达数据。如果你觉得有必要修饰它，你可能会在毫无意义的情况下减少理解。

阿德里安·巴内特，统计学教授，昆士兰科技大学和维克多·奥古马，波切土著健康中心高级研究员，昆士兰大学

本文转载自对话根据知识共享许可。阅读原文.

宝宝起名