展示原始点分布更可靠
别名: 原始点展示 · 条带图 · 蜂群图
概念解释
原始点分布图（raw-point distribution display）让每个可展示的观测对应一个标记，常见形式包括 strip plot、jitter plot、beeswarm 和 sina plot。相比分箱、平滑或少量分位数摘要，点级表示保留样本量、离散取值、空隙、堆积和离群记录的直接证据，因此在这些证据可辨时“更可靠”。标题不是固定的图形排名：重叠、抖动、抽样、权重、隐私处理与屏幕分辨率都可能使点图失真或失效。
机制
点图减少了从观测到摘要的不可逆压缩，并允许读者回到单条记录。但它并非无参数：随机抖动改变非数据方向的位置，蜂群排布依赖碰撞算法与点径，透明度改变重叠显著性。若点完全重合，一个标记可能代表多条记录；若每条加权记录仍只画一个点，视觉计数也不等于加权样本量。可靠性来自明确披露这些变换并保持记录可追溯，而不是来自“画了点”本身。
怎么研究
可比较原始点、直方图、密度图、箱线图及组合表示，分别测试样本量、离散堆积、多峰、极端值、组间位置与分布不确定性判断。操纵样本规模、点径、重叠、抖动、透明度、排序、设备尺寸和数据生成分布；记录错误、时间、信心与单点检索成功率。随机抖动应固定种子或重复抽样，确认结论不是一次布局的偶然产物。研究还应区分样本的可见形状与总体推断；完整展示样本不会自动表达抽样误差。
边界
数据密集到像素和注意都无法分离单点时，分箱、密度、等高线、分层抽样或多分辨率视图可能更诚实；不存在跨设备固定的点数门槛。抽样必须显示抽样率、方法与总记录数，并保留总体汇总。敏感或稀有人群的单点可能造成重新识别风险，需要聚合、阈值或隐私保护。删失、缺失与零值要用不同状态；重复值可用堆叠计数或频数标签，不能靠抖动假装连续。这里讨论的是与直方图互补的点级证据，不是直方图的变体。
怎么落地
- 在点仍可分辨时，将原始点与摘要或分布形状叠加或并列；保留清晰图层顺序，避免摘要遮住少数或高后果记录。
- 记录抖动轴、幅度、随机种子、点径、透明度、抽样与权重；让提示、键盘焦点和下载数据返回真实值而非抖动坐标。
- 密集时渐进切换到分箱或聚合概览，并提供筛选、缩放或受控详情回到记录；显示总数与聚合范围。
- 为读屏提供组别、样本量、范围、重复值、空隙和异常摘要及逐点导航；用成品尺寸验证堆积、多峰和极端值任务。