图表、图形和地图是具有吸引力和说服力的沟通工具 获取数据洞见和信息。如果恶意部署或恶意部署， 造成混淆、虚假信息和不真实的根源。
将图表当作艺术而不是科学
机器学习从业者通常会直观呈现潜在的训练数据集，以了解 实用性，以及模型输出以了解性能。
始终询问数据的预期情境、受众群体和用途 无论您是要创建还是阅读一个可视化项目。这三个因素分别是 是图形通信的关键。同一图表既实用又富有参考价值，或者 具有误导性和夸大性的内容。1目标观看者；以及 观看者的图表水平和数据素养水平会有所不同。设计可以帮助 阻碍。例如，美观精美的图表可能过于复杂， 清晰传达信息。
如何生成完美的图表并没有硬性规定， 指导和最佳实践。直观呈现数据既是一门艺术 科学。但在直观呈现数据时，应力求数据清晰坦诚。 提供足够的信息，以便清晰准确地传达信息，而不是 大量信息，避免让观看者感到无所适从。
脚手架、内容和误导性动作
Alberto Cairo 在 How Charts Lie 一书中将数据可视化拆分为两部分： 基架和内容。
图表的基架包括标题、轴、图例、标签和 数据（如果指定）。
内容包括数据的可视编码，以及任何简短的文字 注释。对数据进行可视化编码的方法通常包括：
- 如条形图中的一样长度
- 位置，如散点图
- 饼图中的比例角度、面积和弧线
- 色彩和色调
- 宽度和粗细2
所有这些因素都可用于误导他人。以非零值开始条形图表 或截断最长的条形，可能会造成不准确的观念， 即便是为了节省空间欣赏 Sarah Leo 的 论文 Economist 中对数据可视化错误给出的几个例子。
如果宽高比不合适，可能会让小小的变化看起来非常大， 或者大幅更改看起来非常小。建议从开罗 与所描述的比例变化相匹配的宽高比，例如，对于 30% 的变化，同时建议密切关注背景信息， 这条规则的许多重要例外情况平均波动相对较小 例如，从 100C 中升高 2C， 非常重要，在宽高比为 50:1 的图表中会被忽略 比例。3
使用图表的 3D 旋转和其他 3D 效果来实现视觉冲击， 很可能会误导用户。同样， 3D 对象图示，取代了条形图中的条形。如果 和标准条形图一样，数据仅按长度进行编码， 按比例放大的对象解释为具有更大的体积， 因此需要比适当提高出价。4使用 2D 广告的设计师 数据的表示形式，例如气泡，以及按半径或直径对数据进行编码 而不用按面积来显示数据，也会产生误导性比例。5 2D 饼图等表示法可能会使数据细分很难 相互对抗。饼图还表示，所有细分加起来就是一个整体， 实际情况不一定如此。
颜色是它自己的正文。一般来说：
参考
开罗，阿尔贝托。How Charts Lie: Learner about Visual Information [图表如何谎报]：更智能地获取视觉信息）。纽约： 西Norton，2019 年。
呼哈，达雷尔。如何从统计学说谎。NY：W.W.1954 年，诺顿。
Monmonier、Mark。How to Lie with Google Maps，第 3 版芝加哥：U of Chicago P，2018 年。
图片参考
“吞吐量核算结构示例图表。”TAUser，2008 年。 GNU FDL。 来源
“所有车辆类型在生命周期内的 GWP (MTCO2E)”。B2.Team.Leader，2006 年。 来源
