什么是散布图？

散布图（scatter chart 或 scatter plot）是一种显示两个变量之间关系的图表。此类图是一种非常强大的图表类型，可让观看者立即了解关系或趋势，这在其他形式的图表几乎不可能看不到。

散布图的起源尚不清楚，但现代散布图基于 17 世纪创建的勒内·笛卡尔笛卡尔坐标系。散布图在科学领域经常使用，其中绝大多数用于科学期刊和出版物。

散布图被认为是统计图历史上用途最广泛、最有用的发明之一。尽管这种说法可能有些过，但散布图处理混乱的数据并使人能够理解数据的意义。它们不仅仅是用于可视化的工具，也是用于发现的工具。

散布图工作原理

与大多数其他图形或图表类型一样，散布图具有 X 轴和 Y 轴。X 是带有自变量的水平线，Y 是带有因变量的垂直线。在两个轴上设置均匀的刻度，然后在表示两个坐标交叉点的点处创建一个标记或点。

散布图中还有其他模式：

• 线性或非线性：可以通过数据点形成线性（直线）相关性，但非线性相关可能显示曲线关系。
• 弱或强：相关性越强，点之间的距离就越近。较弱的相关性就会有较多的数据点散开。

为了清楚地显示这些关系和趋势，许多散布图都使用趋势线。在图表上绘制一条趋势线，以强调趋势的方向和强度。

散布图的最佳实践

有一些简单的技巧可以确保散布图清晰地显示信息，并且不会对数据造成任何扭曲。

将 Y 轴从零开始。尽管在某些情况下，可能需要使用比例折叠才能更准确地呈现数据，但这种情况很少。在决定是否需要折叠时要非常小心。

保持比例均匀地分布在两个轴上。这意味着没有扭曲。

留意离群值。如果有理由怀疑它们不正确，或者如果它们没有为你的故事增值，那么明智的做法是将它们排除在外。

使用散布图时，通常包含的数据和变量最好要多，不要少。与其他图表类型不同，如果操作正确，散布图不会因更多数据造成混淆。考虑为点添加大小和颜色变化，以便以易于理解的方式包含更相关的数据。

使用趋势线。这些线可以手动添加，但通常由软件绘制。这些线条有助于使观看者非常清楚地了解趋势。但是，不要超过两条趋势线，因为这可能会造成混淆。

何时使用散布图

除了科学研究之外，有些时候企业可能会决定使用散布图：

• 识别异常情况
• 查看一个变量如何影响另一个变量
• 查看关联、模式、趋势或关系

房地产经纪人可能希望看到平方英尺与房屋价格之间的关系。尽管这个简单的散布图可能不会深入并显示所有变量，例如位置、装修新旧程度或花园的大小，但它仍然可以让买卖双方了解市场情况以及房屋可能适合的规模。

企业可能想看看销量和其他变量之间是否存在关系。天气会影响销售吗？一周中的哪一天？架子上的衣服数量怎么样？如果展示的衣服更多，会卖出更多衣服吗？

散布图的好处

散布图具有多种优点和优势。

清楚显示关系

这可以说是显示两个变量之间关系的最佳图表。它不仅显示了两个数据点之间的关系，还显示了整个数据集的模式或趋势。

易于创建和理解

也许是因为使用普遍，散布图可以立即被理解。它们的用途很容易识别，其数据也很容易消化。不仅如此，对于那些想要制作散布图的人来说，它们很容易创建。

可确定数据范围

在散布图上可以看到最大值和最小值，这对于了解整个数据集非常重要。但是，离群值可能会造成混乱。

散布图的缺点

可能数据太多

如果存在过度绘制的散布图，则很难看到模式，因为它只是巨大的一团斑点。因此，尽管图表需要足够的数据来形成可见的相关性或模式，但在某种程度上，数据过多并不见得有用。

解决方案

热图可能会有所帮助，它可以显示图表中点数最多的部分。可以考虑对不同的数据集进行颜色编码。

没有关系

有时候，数据可能看起来具有某种模式或关联。但是，尽管身高和养猫看起来可能有关，但它们可能没有关联。

解决方案

避免绘制不太可能相关的变量。

相关性不等于因果关系

永远记住，相关性并不等于因果关系。仅仅因为存在相关性，并不意味着一方是造成另一方发生的原因。虽然看起来高个子的人养更多猫，但身高不太可能是养猫的原因。更合乎逻辑的关系也可能受此种情况拖累，虽然天气寒冷时销售额可能会增加，但这是由于天气原因，还是商店向顾客提供免费热巧克力这样的第三个变量？

解决方案

不要根据相关性分配因果关系。

散布图的替代方案

鱼骨图

鱼骨图类似于鱼骨架。“头” 是问题所在，问题的原因从脊柱上开始，就像鱼骨一样。这是人们用来帮助确定因果关系的另一个主要图表。但是，此类图不会像散布图那样使用定量数据，而是更像是一次有机的头脑风暴会议。它们是非常不同的图表，专为不同的流程而设计。虽然可能存在因果关系，但这是此类图表相似性的极限。