U2.04.3Total-versus-component reading in stacks设计研究
堆叠适合读总量，不适合读单项的趋势
别名: 总量判读 · 分项趋势 · total versus components
概念解释
传统非负堆叠图把两类问题编码得不对称：外轮廓相对固定零线的位置表示各项总量，内部每层的厚度表示单项。因此它常能支持“整体何时增加、峰值在哪里、构成大致如何”这类问题，却不擅长让读者逐项比较细小趋势。这里的“不适合”是任务匹配判断，不是禁用规则；若单项变化足够大、序列很少或有交互聚焦，读者仍可能完成任务。
机制
总量等于各层之和，外轮廓直接呈现这一派生量；内部层的边界则混合了本层与下方累计量。单看某层上边界的升降不能说明本层升降，必须比较上下边界间的厚度。面积填充帮助追踪层的连续身份，线状外轮廓帮助看总和，但都不会自动恢复每项的共同基线。层数增加、边界密集、缺失插值或下方序列剧烈波动，会进一步提高从整体形状分离单项趋势的成本。
怎么研究
可先从工作流中区分总量、单项、份额、排名和异常任务，再比较绝对堆叠、独立折线、小倍数和交互高亮。刺激应保持数据、横轴、尺度范围和标注信息可比，并操纵层数、目标层位置、趋势幅度、相关性与缺失模式。测量趋势方向、转折位置和幅度估计的正确率与时间，也记录读者是否错误追随累计边界。总量与单项任务需要分开报告；把它们合成一个“图表偏好”分数会掩盖任务差异。
边界
总量有意义的前提是各项同单位、可相加且口径一致；把不相容指标堆在一起不会产生可解释的总和。负值可能相互抵消，使单一外轮廓不再等于直观的活动规模；此时应分别展示正负总量或改图。缺失值也不等于零，跨缺失区连面积会虚构趋势。streamgraph 的移动基线不保留从零读取总量的优势，其强项是大量非负序列的时间分布与流形。总量不确定性还可能因分项相关而不能由区间简单相加。
怎么落地
- 在图题或任务说明中明确外轮廓回答的总量问题；若主要问题是某项如何变化，改用独立折线、小倍数或选择后重设共同基线。
- 同时需要总量和单项时，使用总量概览加可联动的分项视图，并让筛选状态、时间范围和单位保持一致。
- 标出缺失与插值，说明总量的计算口径；对负值采用可解释的正负分开展示，不让抵消隐藏活动规模。
- 为读屏提供总量摘要、各项序列和关键转折的结构化导航；用总量题与单项题分别验收，而不是问“看懂了吗”。