欢迎来到数据探索与可视化！
你好！如果你正在准备 Exam PA，你大概已经意识到数据不仅仅是电子表格上的数字——它更是在讲述一个故事。在本章中，我们将专注于绘图的核心原则 (Key Principles of Constructing Graphs)。你可以把这些原则想象成视觉传达的“语法”。无论你是为了寻找规律而进行数据探索，还是向客户呈现最终发现，这些原则都能确保你的信息清晰、准确且专业。别担心如果你自认没有“艺术天分”——高效的可视化其实更像是一门科学，而非艺术！
1. 目的：探索 vs. 沟通
在你通过 R 语言点击任何按钮之前，你需要先问自己：这张图是给谁看的？
探索性数据分析 (EDA)：这是为你（精算师）准备的。这些图表能帮助你了解数据的分布、找出离群值 (outliers) 并发现变量之间的关系。它们不需要完美，只要能提供信息即可。
解释性可视化 (Explanatory Visualization)：这是为他们（你的老板或客户）准备的。这些图表必须精致、标签清晰，并且明确点出你想让受众看到的那个“啊哈！”时刻。
2. 黄金法则：数据墨水比 (Data-to-Ink Ratio)
由 Edward Tufte 提出的数据墨水比是预测分析中的一个基本概念。想法很简单：尽可能使用最多的“墨水”来展示实际数据，而对非数据元素则使用尽可能少的“墨水”。
高数据墨水比（好）：线条简洁、点位清晰、设计极简。屏幕上的每一个元素都有其用途。
低数据墨水比（差）：杂乱的网格线、3D 特效、阴影以及分散注意力的背景图像。这通常被称为“图表垃圾 (chartjunk)”。
小撇步：橡皮擦测试
看着你的图表并问自己：“如果我擦掉这个元素，这张图会失去意义吗？”如果答案是“不会”，那就把它删掉！务必避免使用 3D 条形图——它们让读取实际数值变得困难，且对分析毫无帮助。
3. 克里夫兰图形感知阶层 (Cleveland’s Hierarchy of Graphical Perception)
并非所有的视觉线索都是平等的。William Cleveland 对人类感知不同视觉信息类型的准确度进行了排序。当你希望受众准确比较数值时，请优先使用该列表顶端的视觉特征：
- 在共同基准线上的位置 (Position along a common scale)：（最佳）试想散点图 (Scatterplot)。这是我们大脑最容易判断的。
- 长度 (Length)：试想条形图 (Bar Chart)。我们非常擅长辨别哪条线比较长。
- 角度/斜率 (Angle/Slope)：试想饼图 (Pie Chart)。（警告：人类在比较角度方面表现意外地差！）
- 面积 (Area)：试想气泡图 (Bubble Chart)。相比于比较两条线，要分辨一个圆形是否刚好是另一个圆形的两倍大要困难得多。
- 体积/颜色饱和度 (Volume/Color Saturation)：（最差）这些仅适合用于营造“氛围”或展现高层次模式，不适合精确比较。
记忆口诀：“People Love Apples and Oranges”(P-L-A-O)
Position（位置）> Length（长度）> Angle（角度）> Others（其他：面积/颜色）。在展示最重要的变量时，请坚持使用列表顶端的这些选项！
4. 为任务选择正确的图表
在 Exam PA 中，你经常会被要求证明为什么选择某种特定的图表。以下是一个快速指南：
单变量分析 (Univariate Analysis - 观察单一变量)
直方图 (Histograms)：非常适合查看连续数值变量的分布（形状）。它有助于识别偏态 (skewness) 或双峰模式。
箱线图 (Boxplots)：识别离群值 (outliers) 的绝佳工具，一眼就能看出五数概括（最小值、第一四分位数 Q1、中位数、第三四分位数 Q3、最大值）。
双变量分析 (Bivariate Analysis - 观察两个变量之间的关系)
散点图 (Scatterplots)：当你拥有两个数值变量时使用。它们能揭示相关性与非线性模式。
并排箱线图 (Side-by-Side Boxplots)：当你拥有一个数值变量和一个类别变量时使用。例如，比较不同“地区”（类别）之间的“赔款金额”（数值）。
条形图 (Bar Charts)：最适合类别变量。用它们来显示各类别的计数或平均值。
5. 缩放与标签的重要性
一张没有标签的图表只是一堆点点。为了在考试中取得好分数，你的图表必须看起来专业。
- 务必标注轴标签：使用具描述性的名称，例如“年度收入 (美元)”，而不是 R 语言中原始变量名称如 "ann_inc_v2"。
- 加入标题：告诉读者他们正在看什么（例如：“年龄与索赔频率之间的关系”）。
- 注意缩放比例：在条形图中，让 y 轴的起点非零有时会产生误导。确保比例对数据来说是适当的——不要为了“放大”而放大，导致微小的差异看起来像巨大的危机。
6. 应避免的常见错误
即使是经验丰富的精算师也会犯这些错误。请留意这些“危险信号”：
1. 过度绘图 (Overplotting)：当散点图中拥有 10,000 个数据点时，它看起来就像一团巨大的斑点。 解决方案：使用透明度（设置“alpha”值）或使用“六边形分箱图 (hexbin plot)”。
2. 类别过多：一个拥有 50 种不同颜色对应 50 个州的条形图是不可能阅读的。 解决方案：将较小的类别合并为“其他”类别，或使用排序后的水平条形图。
3. 无故使用颜色：如果所有的条形都代表同一件事，它们就不需要不同的颜色。只有在颜色代表额外的变量时才使用它。
快速复习盒
- 高数据墨水比：保持简洁。
- 位置 > 长度：优先使用散点图和条形图。
- 语境至上：标签和标题是强制要求的，而非选填。
- 拒绝 3D：永远不要将 3D 特效用于 2D 数据。
总结：关键要点
数据可视化是预测分析的第一步，因为它能帮助你“访谈”你的数据。遵循数据墨水比和克里夫兰感知阶层，你可以确保你的图表不仅美观，而且在数学上是严谨且易于解释的。在 Exam PA 中，请务必解释你为什么选择特定的图表，以及它告诉了你哪些关于业务问题的信息。祝绘图顺利！