SCI中的那些图（2）

在这个专栏中，我会详细讲解SCI中各种插图的适用范围，所有示例均来自于《Origin科技绘图与数据分析》一书，该书是由大名鼎鼎的清华大学出版社出版，作者是中国科学院的丁金滨老师，本书最大的特点就是提供了基础知识和大量实例，而且全彩印刷看着真是舒服很多。书里还配备了7个小时的完整教学视频，详细讲解了各种类型图的制作方法，可以说是手把手级别的保姆级教程！

上一讲我们重点讲解了线图种类及适用场景，具体包括：折线图、水平阶梯图、垂直阶梯图、样条图、Y偏移堆积图等。（查看链接：https://zhuanlan.zhihu.com/p/631965510）

符号图又可以细分为：散点图、中轴散点图、Y误差图、XY误差图、垂线图、气泡图，下面逐一进行介绍：

散点图就是将数据点用散点表现出来，典型的适用场景包括：

变量之间的相关性：散点图可以用来显示两个变量之间的关系。通过在横轴和纵轴上绘制两个变量的值，可以观察到它们之间的任何模式、趋势或相关性。散点图可以帮助读者理解变量之间的关系，并提供直观的可视化。

数据分布和聚集情况：散点图可以显示数据的分布情况。通过观察散点的密集程度和分布形状，可以了解数据的离散程度、聚集程度以及异常值的存在与否。散点图有助于揭示数据的整体模式和特征。

分组或类别比较：如果你有多个分组或类别，你可以使用散点图来比较它们之间的差异。每个分组或类别可以使用不同的符号、颜色或形状来表示。这样可以在同一个图中直观地比较不同组之间的数据分布和关系。

离群值的检测：散点图可以帮助检测离群值或异常值。如果在散点图中发现与其他点明显不同的点，可能是数据中的离群值。通过观察散点图，可以识别并进一步分析这些离群值的原因和影响。

中轴散点图就是在散点图的基础上，将散点图均匀分布在各坐标轴的中心，典型的适用场景包括：

数据重叠问题：当数据存在较大重叠时，传统的散点图可能会导致多个数据点完全重叠在一起，难以区分和分辨。中轴散点图通过在横轴或纵轴上引入一定的随机扰动（jitter），使得数据点在一定程度上分散，避免了完全重叠，提高了数据可视化的清晰度。

类别或分组比较：如果你有多个类别或分组，而每个类别中的数据点有一定的重叠，中轴散点图可以用来比较它们之间的差异。通过引入随机扰动，可以更好地观察到不同类别或分组之间的数据分布情况和重叠程度。

异常值的检测：中轴散点图也可以用于检测异常值或离群值。通过引入随机扰动，可以使得异常值在图中更加明显，便于识别和分析。

Y误差图是一种用于可视化数据点的测量误差或不确定性的图表形式。它通过在每个数据点上绘制垂直的误差线（通常为标准差、标准误差或置信区间），提供了关于数据点值的可靠性和精度的信息，典型的适用场景包括：

显示数据的测量误差：当数据点存在测量误差或不确定性时，使用Y误差图可以直观地表示这种误差。误差线的长度反映了测量误差的范围，让读者了解到数据点值的可信程度。

比较不同组或条件的差异：如果你有多个组或条件，并且想要比较它们之间的差异，Y误差图可以提供直观的可视化。通过绘制不同组或条件的误差线，可以比较它们之间的平均值误差范围，帮助读者判断是否存在显著差异。

表示数据的变异性：Y误差图还可以用来表示数据的变异性，尤其是在不同组或条件下。通过误差线的长度或高度，可以观察到每个组数据的离散程度，从而比较它们之间的差异和一致性。

XY误差图是一种用于显示二维数据点的测量误差或不确定性的图表形式。它在XY坐标系中，同时考虑了X轴和Y轴方向上的误差，通过在每个数据点上绘制水平和垂直的误差线（通常为标准差、标准误差或置信区间），提供了关于数据点值的可靠性和精度的信息，典型的适用场景包括：

多变量关系：当你有两个变量（X和Y）之间的关系，并且想要显示每个数据点的测量误差时，可以使用XY误差图。通过在XY坐标系中绘制数据点和误差线，可以清晰地展示X轴和Y轴上的测量误差范围，帮助读者理解数据点值的可靠程度。

数据不确定性：如果你对数据点存在不确定性，例如在测量或估计过程中存在误差，XY误差图可以用来显示这种不确定性。误差线的长度和方向反映了X轴和Y轴上的误差范围，让读者了解到数据点值的可信度和精度。

多组或条件比较：如果你有多个组或条件，并且想要比较它们之间的差异，XY误差图可以提供直观的可视化。通过绘制不同组或条件的数据点和误差线，可以比较它们之间X轴和Y轴方向上的差异，帮助读者判断是否存在显著差异。

变量关系的可视化：XY误差图也可以用于可视化变量之间的相关性或趋势。通过绘制数据点和误差线，可以观察X轴和Y轴上的数据分布以及它们之间的关系，进一步分析变量之间的关联程度。

垂线图是一种在统计学和数据可视化中常用的图表形式，它通过在图中绘制垂直线条来表示特定的数值或事件位置。垂线图通常用于显示离散或连续变量在某个特定点上的数值或事件，典型的适用场景包括：

显示显著性或关键数值：当你想要突出显示某个特定数值或事件的位置时，垂线图是一种有效的方式。通过在图中绘制垂直线条，可以准确地标识出数值或事件的位置，使其在图表中更加明显。

比较不同组或条件的差异：如果你有多个组或条件，并且想要比较它们之间的差异，垂线图可以提供直观的可视化。通过在不同组或条件之间绘制垂线，可以直观地比较它们在特定数值或事件位置上的数值差异，帮助读者判断是否存在显著差异。

显示变量的分布情况：垂线图也可以用于显示变量在特定位置上的分布情况。通过在图中绘制垂线并观察数据点在垂线上的分布情况，可以了解变量在不同位置上的数值分布特征，例如均值、中位数或分位数。

表示事件发生或时间点：如果你想要显示特定事件的发生或特定时间点的位置，垂线图是一种常用的表达方式。通过在图中绘制垂线，可以直观地表示事件或时间点在数据中的位置，帮助读者理解事件或时间的相关信息。

气泡图是一种用于可视化三维数据的图表形式，它在二维坐标系中使用圆形气泡来表示数据点的值，并通过气泡的大小、位置和颜色来展示多个变量之间的关系，典型的适用场景包括：

多变量关系：气泡图适合用于显示多个变量之间的关系。通过在二维坐标系中绘制气泡，可以同时表示两个变量的数值，并通过气泡的大小、位置和颜色来表示第三个变量的信息。这样可以在一个图表中展示多个变量之间的关系，有助于读者理解变量之间的复杂关联。

数据比较和分类：如果你想要比较不同数据点或分类之间的数值，并且有第三个变量需要表示，气泡图是一种有效的可视化方法。通过气泡的大小和颜色，可以直观地比较和分类不同数据点的数值，并通过气泡的位置表示第三个变量的信息。

强调异常值或特定数据点：气泡图可以用来强调异常值或特定数据点。通过调整气泡的大小和颜色，可以使异常值或特定数据点在图中更加突出，从而引起读者的注意。

表示数据的层次结构：如果你的数据有层次结构或多个维度，气泡图可以用来表示这种关系。通过将气泡分组或分层，可以显示数据的不同层次或维度，并通过气泡的大小和颜色表示各层次或维度的数值差异。

以上就是关于符号图适用场景的详细介绍，包括散点图、中轴散点图、Y误差图、XY误差图、垂线图、气泡图，想了解如何利用Origin绘制上述符号图，再次推荐《Origin科技绘图与数据分析》一书，点击下方链接购买吧↓↓↓

下一讲我们将介绍点线符号图的适用场景，包括：点线图、线条序列图、2点/3点线段图等等，敬请期待！

我是正男@工藤正男，一个多读了几年书的博士，你的点赞、收藏和关注是对我最大的支持！每周五晚8:00视频号直播，敬请关注！