系列推荐：

信息可视化的感知心理学一：基础、参照物和图形  

译者总结

饼图：1. 总体来看，是表达比例的最佳选项。2. 不过如果区块较少，被分割的柱图也有与之相差无几的表现。3. 千万不要用它来展示变化。

柱图：1. 人们看到它时，就会觉得它是用来表达对比的。2. 从效率和精确度啦看也确实是表达对比的最佳选项。3. 被分割的柱图可以用来展示比例，但是如果分割过多则明显增加了难度，还不如使用饼图。4. 在展示趋势方面，与线图不相上下。

线图：1. 人们一看到它就只能想到趋势。2. 展示趋势的表现与柱图相差不大。3. 用它的时候一定要注意视觉隐喻，例如高度最好用Y轴展示而不是X轴（不管谁是自变量谁是因变量），否则就会让看图的人话更长的时间理解。4. 如果线图够复杂，视觉隐喻的影响就不那么明显了。

原文： 39 studies about human perception in 30 minutes （需要科学上网哦）

译文

用柱图和饼图展示比例

有五项研究证实了展示比例时，饼图比柱图更有优势。在所有案例中，几乎找不到一个反对使用饼图展示比例的研究。Eells (7) 在1926年就发表了一个关于这个话题的文章，是最早的几个之一。在那个时候，饼图被嘲讽因为人们认为人类的眼见不能准确的估测弧度、角度或弦。

Eells给一个心理学班连个张图纸，上面分别是一些饼图和柱图。他让学生估测图表中每一个部分所占的比例。

他想了解更多关于感知处理圆圈的方式，所以他给一个心理学版几张图纸，并且要他们估测图纸上饼图和柱图表示的比例。

他发现饼图读起来和柱图一样容易、更快且更精确，并且当划分区块增加时，柱图反而变得没那么高效了。

上图是Eells的研究中，参与者报告的他们观察饼图的三种方式。只有一名女性参与者使用弦（chords）来判断，可能是因为她曾经受过相关训练。这个人也是全班判断最精确的人。

他发现50%的人使用圆圈外围的弧度来判断，25%的人通过区块面积来判断，剩下的25%通过内部的角度来判断。并且班上71%的人表示更加喜欢两张图表中的饼图，只有25%的人更喜欢两张图表中的柱图。

他总结说我们使用饼图并不能只是觉得它们有吸引力，而应该注重他们的精确性。他还提到结果显示在估测比例时男性比女性更加精确一些。

后来经过Croxton (8) 的研究质疑过饼图的优势，但在之后六十年的至少三项研究都通过不同的方式证实了饼图在表达比例上的优势。

Simkin和Hastie (9) 让他们实验的参与者根据图表分别做比例和对比的判断。他们发现在做对比判断时，单个柱图是最适合的，其次是被分割的柱图，然后才是饼图。

在判断比例时，饼图和被分割的柱图差不多，而单个柱图是效率最低的。

Simkin和Hastie发现人们在看某一种图表时，对于图表应该表达的东西会有一个心理预期。

Spence和Lewandowsky (10) 发现对比多个图表时（例如对比多个柱形的长度或两个饼图上扇形区域的大小），话费的时间往往更长，精确度更低。尤其对比多个饼图时，效率是最低的。Tufte建议任何图表都比表格要高效，除非是传达绝对的数值。

Hollands和Spence (11) 发现当柱图里的柱形增加时，判断比例的效率大大下降。事实上，每增加一个柱形，读者需要增加1.7秒来理解。

柱图和线图

在同一项研究的两个不同的实验中，Zacks和Tversky (2) 发现当参与者看到一张柱图并且被要求描述数据时，他们不断的描述柱形之间的对比（例如：“A比B大X”）。然而如果他们看到的是线图，他们则描述趋势（例如：当X增加时，Y也增加“”）。

Zacks和Tversky发现，参与者看到柱图时，描述X轴的对比更多，而看到线图时，描述X轴之间的关系更多。

甚至当研究者 (13) 向参与者展示一张包含三个变量的图表，对线图的描述也主要集中在X和Y变量的关系上，然而对柱图的描述则更多的包含第三个新变量的信息。

这些研究都表明人们看线图时，很难理解到除了趋势之外的其它信息。

柱图、饼图和线图

Hollands和Spence (14) 评估了是不是要求的评判类型能够决定一张图表的表现。在研究之前，他们感觉线图比起其他类型的图表在表达变化上更有优势，因为观察者能够从线条直接感受到变化。相反，因为饼图需要好多个才能表达对比，所以在传达变化上更差一些。

在这项研究的第一个实验中，Hollands和Spence给参与者三张图表，让他们评估在通过这些图表估测变化时分别有多精确。

他们测试了参与者对这三种图表的变化和比例的感知。

饼图显然在传达变化上失败了，但是柱图和线图的结果十分相似。他们很奇怪，因为他们以为只有线图才是最好的。

他们猜想，这可能是因为虽然柱图上没有线，但人们可以通过想象在柱形上画线。因此，他们创造一种新的、很糟的图表叫做分层摆布式柱图（tiered bar chart），这样就能够打破通过想象画出的连线。他们用这种分层摆布式柱图找人做了测试。

Hollands和Spence猜测柱图之所以表现得和线图一样好，是因为参与者通过想象在柱形之间画出了连线。

他们发现，是的，任何图表，只要能够让读者看到真实的或想象的趋势线，都能够很好地传递变化。

而对于比例的判断，如果图表中没有刻度，那么饼图是最好的。

线图

如我们所知，自变量通常在X轴上，因变量通常在Y轴上。然而，我们也倾向用斜度/Y轴展现速度、高度和数量。这两种习惯有的时候确实相互矛盾的。

Gattis和Hlyoak (15) 设计了一个实验，用线图表达海拔和温度的变化。如果将海拔放在X轴，则不符合用斜度/Y轴展示高度的习惯；如果放在Y轴，则不符合将自变量放在X轴的习惯。他们将这两中图表都展示给被测试者，问他们相比实线，虚线的比率更高还是更低。

根据惯例，海拔应该用X轴展示，因为这是自变量。然而将高度放在Y轴更加符合视觉隐喻。

当海拔在Y轴时，由于视觉隐喻，参与者的感知更加精确。换句话说，我们倾向于觉得斜率更高的线条展示的比率更高，这一视觉隐喻比其它因素都要优先。他们总结说斜坡的某些图像属性高于其它的一切推理。

他们还发现“更多”或“更好”之类的词总是与向上的方向相互关联。

Carswall、Emery和London (16) 发现当线图以相反的形式暂时趋势时，人们要花费更长才能理解。他们发现如果这张线图有更多变化，则受到这相反趋势的影响反倒跟小一些。

关于本文

这是本原文（39 Studies about Human Perception in 30 Minutes）的第二部分：柱图和饼图表达百分比（Bars and Pies for Proportions）、柱图和线图（Bars and lines）、柱图和饼图及线图（Bar and Pies and Lines）、线图（Line Chart）。

第一部分包括：基础（Foundations）、参照物（Reference Points）、图形（Basic Shapes）。

剩余的部分是：3D、点阵图（Scatterplots）、树图（Treemaps）、其它可视化方式（Other Visualizations）、数据密度（Data Density）、图形文字和绘画（Pictographs and Drawing）、受众（Audiences）、交互元素（Interactive Elements）、色彩（Colors）、结论。

文献目录

(7) The relative merits of circles and bars for representing component parts. Walter Crosby Eells, 1926.

(8) Bar charts versus circle diagrams. Frederick Croxton and Roy Stryker, 1927.

(9) An Information-Processing Analysis of Graph Perception. David Simkin and Reid Hastie, 1987.

(10) Displaying proportions and percentages. Ian Spence and Stephan Lewandowsky, 1991.

(11) Judging Proportion in Graphs: The Summation Model. J.G. Hollands and Ian Spence, 1998.

(12) Bars and Lines: A Study of Graphic Communication. Jeff Zacks and Barbara Tversky, 1997.

(13) Bar and Line Graph Comprehension: An Interaction of Top-Down and Bottom-Up Processes. Priti Shah and Eric Freedman, 2009.

(14) Judgments of Change and Proportion in Graphical Perception. J.G. Hollands and Ian Spence, 1992.

(15) Mapping conceptual to spatial relations in visual reasoning. Merideth Gattis and Keith Holyoak, 1996.

(16) Stimulus complexity and information integration in the spontaneous interpretation of line graphs. C. Melody Carswell, Cathy Emery and Andrea Lonon, 1993.