歡迎來到數據視覺化的世界！
在本章中，我們將學習如何將雜亂無章的數字轉換成清晰、美觀的圖表。為什麼呢？因為相比於一長串的數據，我們的大腦更能輕易地從圖表中看出規律。無論你是透過人口金字塔來了解國家的未來，還是利用散點圖來觀察冰淇淋銷量是否隨溫度上升，這些工具都能幫助我們解讀這個世界。
如果有些圖表起初看起來有點複雜，不用擔心。我們會從基礎開始，逐步拆解，最後帶你掌握專業級的圖表繪製技巧！
1. 整理數據：表格與計數
在畫圖之前，我們必須先整理數據，這稱為製表 (tabulation)。
計數表與頻率分佈表
計數 (tally) 是一種在觀察時快速記錄數值的方法。針對每一項數據，畫一條小豎線，每到第五條時斜著劃過前四條（即「正」字計數法或「門」型計數法）。這樣能讓你以五個為一組，非常容易統計。
小貼士：務必再次檢查總頻率（所有計數的總和）是否與你最初擁有的數據數量一致！
雙向表 (Two-Way Tables)
有時候數據同時屬於兩個不同的類別。例如，「性別」與「運動選擇」。雙向表能顯示這些類別是如何重疊的。
例子：一張顯示班上男生與女生分別參與足球或欖球運動的人數統計表。你可以橫向讀取一個類別，縱向讀取另一個類別。
重點總結：
表格是所有統計學的基礎。如果表格做錯了，圖表也會跟著錯！請務必在行與列中包含總計 (totals)。
2. 簡單的圖象表示法
象形圖 (Pictograms)
象形圖使用符號或圖片來代表特定數量的項目。
重要：每個象形圖必須附有圖例 (key)。例如，一個圓圈 = 4 人。如果你只看到半個圓圈，就代表 2 人。
莖葉圖 (Stem and Leaf Diagrams)
這類圖表非常實用，因為它們既能整理數據，又能保留原始數字。
- 莖 (Stem) 是前面的位數。
- 葉 (Leaf) 是最後一位數。
關鍵步驟：最後呈現時，葉的部分必須按數值大小排序。你還需要提供一個圖例（例如：1 | 2 代表 12）。
3. 棒形圖 (Bar Charts)：類別比較
棒形圖用於定性 (qualitative)（類別/文字）或離散 (discrete)（整數）數據。
1. 簡單棒形圖：每個類別對應一條柱。
2. 複式棒形圖：將不同組別（如「2022年」與「2023年」）的柱子並排，以便直接比較。
3. 合成（堆疊）棒形圖：一條柱被分成不同部分，以顯示整體的組成部分。百分比合成圖會將所有柱的高度調整至一致（100%），以便比較比例。
常見錯誤：忘記在棒形圖的柱子之間留空隙！（我們之後會提到的直方圖是沒有空隙的）。
4. 圓形圖 (Pie Charts)：整體的一部分
圓形圖顯示總數是如何分配的。要繪製圓形圖，你需要計算每個「扇形」的圓心角。
公式： \( \text{圓心角} = \frac{\text{頻率}}{\text{總頻率}} \times 360^\circ \)
比較性圓形圖（高級程度）
當比較兩個不同總人口的數據時，我們不能只看圓心角。我們使用圓形的面積來代表總頻率。
如果組別 A 的總頻率是組別 B 的兩倍，那麼圓形 A 的面積也必須是圓形 B 的兩倍。
記憶小撇步：半徑與總數的平方根有關。
\( \frac{r_1}{r_2} = \sqrt{\frac{\text{Total}_1}{\text{Total}_2}} \)
5. 連續數據的呈現
直方圖 (Histograms)
直方圖看起來像棒形圖，但因為數據是連續的（例如時間或高度），所以沒有空隙。
基礎程度：你只需要了解組距相等 (equal class widths) 的直方圖。在這裡，柱的高度直接代表頻率。
高級程度（組距不等）：當組別的大小不同時，我們在縱軸上使用頻率密度 (Frequency Density)。此時，柱子的面積代表頻率。
公式： \( \text{頻率密度} = \frac{\text{頻率}}{\text{組距}} \)
累積頻率圖 (Cumulative Frequency Diagrams)
這是一種「累積總和」圖。你將頻率隨著數值增加而累加起來。
- 務必將點繪製在組界上限 (upper class boundary) 上。
- 用平滑曲線或直線（多邊形）連接這些點。
- 它通常會形成一個「S」型！
箱形圖 (Box Plots / Box and Whisker)
這些圖表使用五個關鍵數值來概括數據：最小值、下四分位數 (LQ)、中位數、上四分位數 (UQ) 以及最大值。
- 「箱」的部分從 LQ 到 UQ。
- 「鬚」的部分延伸至最小值和最大值。
- 它們非常適合用來比較兩組不同數據集的分散程度。
6. 關係與趨勢
散點圖 (Scatter Diagrams)
用於雙變量數據 (bivariate data)（每個對象有兩個變量）。
- 解釋變量 (Explanatory variable)（可能引起變化的變量）放在 x 軸。
- 響應變量 (Response variable)（結果變量）放在 y 軸。
- 觀察相關性 (Correlation)：正相關（兩者同時上升）、負相關（一個上升，另一個下降）或零相關（無規律）。
時間序列 (Time Series)
一種折線圖，其中 x 軸始終是時間。我們觀察趨勢 (trends)（總體方向）和季節性變化 (seasonal variations)（每天、每週或每年重複出現的規律）。
- 你可以憑眼力畫出趨勢線，或使用移動平均數 (moving averages) 來平滑數據中的「雜訊」。
7. 特殊呈現工具
人口金字塔 (Population Pyramids)
這是一種背對背的棒形圖，顯示人口的年齡和性別分佈。基部寬代表有很多新生兒（人口增長型）；基部窄則代表人口老化。
等值區域圖 (Choropleth Maps)
地圖上不同的區域以不同的顏色或圖案陰影表示數值（例如人口密度）。通常顏色越深，數值越高。
8. 偏態 (Skewness)：數據是否歪斜？
偏態告訴我們數據是否「堆積」在某一側。
正偏態 (Positive Skew)：大多數數據集中在較低的一端（尾部指向右側）。
檢查： \( \text{平均值} > \text{中位數} > \text{眾數} \)
負偏態 (Negative Skew)：大多數數據集中在較高的一端（尾部指向左側）。
檢查： \( \text{平均值} < \text{中位數} < \text{眾數} \)
高級程度公式： \( \text{偏度} = \frac{3(\text{平均值} - \text{中位數})}{\text{標準差}} \)
快速回顧：辨識錯誤的圖表
請務必檢查是否有「統計欺騙」或錯誤：
1. 截斷軸： y 軸不是從零開始，導致微小的差異看起來非常巨大。
2. 不均勻的刻度： 軸上的數值間距不等。
3. 3D 失真： 3D 圓形圖會使前面的扇形看起來比實際大得多。
4. 缺少標籤： 沒有標題，或軸上沒有單位。
你知道嗎？ 「統計學」(Statistics) 這個詞源自拉丁語「Status」，意為「國家」，因為它最初是被政府用於記錄人口和稅收的！
如果覺得這些內容很多，不必擔心。你練習繪製和解讀這些圖表的次數越多，就會覺得越自然。記住：務必標註你的坐標軸，務必包含圖例，並始終留意刻度！