需求背景
工程场景是这样的：我需要展现不同类别在一段日期内的多个指标的变化趋势图。大体思路是这样：对每个指标画一张图，在每张图上画出多条曲线，每条曲线对应一个类别在此日期内的指标数据。
由于处理数据相关的代码使用的 Python，所以我先尝试了使用 Python 的 matplotlib 这个画图工具包。经过我的几经调试，将不同量级的曲线置于不同 panel，最终能画出的最好图形仅仅如下：
No.1 图
显然这是很难拿出手向团队展示的，于是我转向了较熟悉的R的 ggplot2 画图包。稍费了些波折，调试出了下面这张不错的趋势图：
No.2 图
可是 No.1 图的问题在于最下面的三根曲线挨的太近。曲线挨的太近，是因为两条曲线的y值差异相比y轴的表示范围太小，一个可行的方案就是将挨的太近的曲线新放到一个 panel 或称分面里。而实际上，该图只是指标一的趋势图，还有其他指标的图，在其他趋势图中，并非正好还是这三条曲线挨的太近，也许就换成另外两条或者多条。所以我索性将每个类别对应的曲线都放到一个 panel 里，就画出了 No.2 图。
No.3 图
No.2 图中没有让y轴按照当前 panel 曲线的y值大小自适应修改其表示范围，结果就是曲线根本看不出波动，因为y轴的 range 还是0~2500，而 panel 高度缩小到了1/7。我认为一些波动大曲线的 panel 应该用更高的 height 来显示，所以除了让y轴的 range 自适应的同时，也让 panel 的 height 自适应，结果又画出了下面这张图。
No.4 图
No.3 图的问题也显而易见，「好」的 panel 显示够好，「差」的 panel 显示够差。因为y值小的曲线即便相对波动交大，但绝对y轴 range 还是太小，所以就被自适应为了 height 很小的 panel。最后，我锁定了 panel 的 height，只让y轴 range 自适应，画出这张我最满意的趋势图。
技术之外的思考
结束了画图，来思考一个问题：如果第一张图像中的不存在曲线挨的太近的情况，是不是就可以认为它才是画出来的最好的图像呢？
我起初认为：毫无疑问是的。因为 No.1 图中曲线都在一个 panel 里，除了波动大的曲线幅度显示能足够充分外，不同曲线之间也可以通过上下位置直接看出指标的差异。这是我画图之前脑海里就设想的图像。可是这只是我完全没有走出技术之外的认识，从技术之外去思考，No.1 图的问题可不少：
对于曲线指标范围绝对值小的曲线而言，会很难在视觉上显示显著的波动。而我只看到图中曲线有的显著波动，有的近似平行，漂亮地安放在图中真完美。而展示出这种曲线的波动趋势意义同样重大，他们并非是为了存在于图中衬托其他曲线。我没去考虑数据特点的差异，我只想着使用这些数据画出看上去更「漂亮」的图。
No.1 图依靠曲线颜色区分不同的类别，这似乎很会运用元素转换，并使得图像更干净。可是这其实不如 No.4 图中每个 panel 右侧直接显示类别名称清晰和实用，因为让看这些趋势图的人去对着颜色寻找对应的曲线绝对是愚蠢的，他们希望趋势图能让他们读数据更快，现在居然让他们每次瞪着眼睛将颜色和类别对上，还不如让他们直接去读表格数据。
像 No.1 图那样使一些曲线在视觉上显著波动并非是好事，因为这种波动是跟 panel 的 height 有直接关系的，height 越高，曲线看上去波动就越大，这种波动很可能导致数据变化幅度很大的误导，而数据真正的变化幅度还要从其对于的y值差异去看。所以根本不应该为了追求曲线在视觉上的显著波动，而让曲线的 panel 尽可能高。
No.1 图能通过曲线位置高低来观察不同类别的指标差异是相比于 No.4 图仅存的优势了，这一度让我很伤心，因为终于找到很好的 No.4 图，但是却带着缺陷。可是好好去思考我要展示的数据的特点，就会发现，类别间的指标差异是稳定存在的，这周的趋势图，下周的趋势图，下下周的趋势图，类别指标的大小顺序是很稳定的，所以在这种情况下，No.1 图只不过多展示一个无需看图也知道的特征。最后我十分安心地选择了 No.4 图。
小结
要想画出最合适的趋势图，最大的付出不在于学习到 cool 技术的各种玩法，而在于用心去思考所要展现的数据的特点和看图人真正的需求，这技术之外的思考才是最值得的。可是似乎很多人都只关心到了技术之内，比如 mac 是比 windows 更好的技术，看到很多文章介绍 mac 的特性，新玩法和好软件，我不知道这价值何在，希望也能看到更多技术上的介绍是来自技术之外的思考。
相关文章
