U5.06.5Solve density in data processing, not by shrinking marks设计
密度问题应在数据处理阶段解决而非靠缩小图元
别名: 数据处理优先 · 图元缩小反模式
概念解释
面对密度越限，错误的本能是"把点画小一点、调透明一点"——图面上看起来缓解了，问题原封不动：数据量没变、遮挡关系没变，只是遮挡变得不容易看见。正确的位置是在数据处理阶段做决定：聚合、抽样还是分面，属于数据转换，应该在画图之前定下来，图元尺寸只该服务于可读性，不该背负密度治理。
机制
缩小图元是伪装的修复，因为它作用在感知层而问题在信息层：图元变小后，重叠依然存在，只是每个重叠单元占的像素变少，读者更难发现"这里有多个点"这一事实本身——遮挡从可见问题变成隐蔽问题，误读反而加深。透明度叠加同理：深色区域确实暗示了密度，但没有刻度就没有数量，读者读不出"这里叠了多少"。数据处理阶段的手段（聚合、抽样）则直接改变信息结构——减少了需要同时呈现的信息量，或把密度本身变成显式编码，这才是治本。
边界
图元尺寸与透明度并非禁用，它们是合法的辅助：在已经聚合或抽样的图上，调小图元、叠透明度可以进一步优化可读性——前提是信息结构问题已经解决，它们只是微调。禁用的是"用它们代替数据处理"。另一层边界是渲染性能：数据量真的太大时，绘制本身也会失败，先降数据量既是可读性需要也是工程需要，两个理由指向同一个动作。
怎么落地
- 流程上定规矩：密度审查在数据处理阶段进行，出图前先决定聚合/抽样/分面，图元样式最后定。
- 评审时看到"点太小看不清"的图，先问数据量与处理方式，再谈样式。
- 验证：检查高密度图的实现代码或配置——存在聚合/抽样逻辑且图元尺寸在正常范围，即为合规；靠极小图元硬扛的退回重做。