序列的堆叠顺序决定了哪些序列可读
别名: 堆叠顺序 · 层顺序 · stack ordering
概念解释
任务驱动的堆叠顺序（task-driven stack ordering）把层序视为编码选择：传统非负堆叠中，靠零基线的序列最容易做跨位置量值比较，位于外侧的层更容易定位与直接标注，中间层主要靠厚度辨认。改变顺序不改变每项数据或总和，却改变基线、邻接关系、遮蔽式视觉竞争和层的可追踪性。因此顺序应服务主要问题，同时保持足够稳定，不能只按源数据顺序、随机顺序或每期动态重排。
机制
每一层的边界由排在它之前的序列累计而成；顺序改变会把不同波动传给上方边界。把高波动或大体量序列放在哪里，会改变内部带的起伏、厚薄对比与外侧轮廓附近的显著性。排序也决定哪些颜色或图案相邻，进而影响边界分离。对 streamgraph，基线算法与层序共同决定整体几何；Byron 与 Wattenberg 的 inside-out 顺序针对特定的突发—衰减时间序列与可读性/美学目标，不是所有面积图的通用最佳排序。
怎么研究
可在数据不变时比较任务优先、固定业务顺序、按大小、按起始时间、inside-out 和交互重排。任务包括定位目标层、比较两期厚度、找峰值、追踪身份和读总量；操纵层数、波动模式、标签、颜色/图案、基线算法、设备尺寸和不确定性。除准确率与时间，还应记录目标丢失、图例往返、重排后的身份混淆和主观信心。顺序算法应在目标数据分布上验证；美学偏好、短时检出和分析正确性不能互相替代。
边界
语义顺序可能比感知优化更重要，例如固定层级、流程阶段或具有约定方向的类别；跨图和跨时间维持同一顺序有助于身份稳定。发散堆叠需先按正负分侧，再讨论每侧顺序；缺失系列不应导致其余层在每期跳位。动态按值排序虽然让最大项靠边，却破坏连续追踪，只有在明确展示排名变化并提供过渡与标签时才可能合适。不确定性很大时，精细的层序差异可能没有解释价值，应把区间或数据质量显式呈现。
怎么落地
- 先确定主要任务，再选一个在整个视图中稳定的顺序：优先单项贴基线，语义序列按领域顺序，探索大量流时再评估专门的 streamgraph 排序。
- 不因筛选、缺失或刷新而默默重排；确需重排时保留稳定颜色/图案、直接标签、过渡和可恢复的排序控件。
- 检查相邻层在色觉差异、灰度和小屏下是否仍可分；向读屏暴露明确的系列顺序、值、总量及排序依据。
- 用同一批代表性任务比较至少两种合理顺序，记录目标层丢失与误判；选择满足任务容差且身份最稳定的方案，而不是追求统一算法。