常用统计图的优缺点：不同数据类型如何选择？
学习统计学和写论文时，在整理数据的时候，很多同学都会遇到一个经典问题：同一组数据，应该画什么图？
有人无论什么数据都用条形图，有人只会用饼图来展示比例，还有人听说过箱线图和散点图，却不清楚具体场景。
其实，统计图的选择并不复杂，关键在于 数据类型 和 展示目的。今天我们就结合案例，聊聊几种常见的统计图：条形图、折线图、饼图、箱线图、散点图和茎叶图。
一、数据类型：决定你用什么图
统计学里，数据大体分为四类：定类、定序、定距、定比。
- 定类数据：只有类别，没有顺序，例如性别、行业类别。
- 定序数据：既有类别，也有顺序，例如教育程度：小学、初中、高中、本科。
- 定距数据：有固定间隔，但没有绝对零点，例如气温、考试成绩。
- 定比数据：既有固定间隔，也有绝对零点，例如收入、身高。
📌 记住一个原则：不同数据类型 → 不同统计图 → 强调不同特征。
二、条形图：最常见的“入门图”
条形图几乎是所有学生最熟悉的图。它适合展示类别之间的差异。
例如，你要比较福建、浙江、广东三个省份的居民消费水平，把三根条摆在一起，一眼就能看出广东最高，福建最低。
优点：直观、清晰，特别适合定类和定序数据。
缺点：当类别超过 10 个时，图会变得冗长，读者很难一眼看出重点。
三、直方图：连续型数据的分布形态
直方图（Histogram）主要用于展示连续型定量数据的分布情况。与条形图不同，直方图的柱子是首尾相连的，表示数据区间之间没有间隔。它能够直观反映样本数据的集中趋势、离散程度，以及是否存在偏态或多峰分布。
例如，在分析考试成绩、收入水平或身高体重时，直方图可以帮助我们判断大多数观测值集中在哪个区间，并揭示整体分布形态。
（上面是两张组距不同的对比图：5 分一组 vs 10 分一组，可以直观理解组距选择对直方图形态的影响。）
优点：能直观显示数据的整体分布特征，如偏态、多峰；有助于比较不同样本或时间段的分布差异；可与理论分布曲线叠加，用于直观检验拟合程度。
缺点：对组距选择比较敏感，不同组距可能导致结果差别较大；样本量不足时容易失真，难以准确反映真实分布；无法显示单个观测值，只能呈现区间聚合后的情况。
四、折线图：趋势和波动的最佳选择
折线图最常用于时间序列数据。如果你想展示福建省近 10 年 GDP 增长率的变化，一条折线就能清楚地表现出上升还是下降。
优点：适合展示趋势和波动，尤其在经济学和金融学论文里常见。
缺点：不适合分类数据。如果用折线图画“不同省份的居民收入”，就会误导读者以为它们有时间顺序。
五、饼图：一图看比例，但别滥用
饼图常见于媒体报道或 PPT，它能直观展示各部分占比。比如，你研究某城市居民的支出结构：食品 30%、住房 40%、交通 20%、教育 10%。画个饼图，一目了然。
优点：直观展示比例关系。
缺点：当类别超过 5 个时，颜色区分困难；比例差距小的时候，很难看出差异。比如，食品支出 21% 和 23%，在饼图上几乎一样大。
六、箱线图：展示分布和异常值
如果你想比较“福州、厦门、泉州三地居民收入分布的差异”，条形图只能给出平均值，而箱线图能展示更多信息：中位数、四分位数、极值，甚至异常点。
优点：展示分布差异和异常值，在经济学和医学论文里非常常见。
缺点：对初学者不够直观，很多人第一次看到时搞不清“箱子”和“须”代表什么。
七、散点图：揭示变量之间的关系
散点图适合展示两个变量之间的关系。例如，你要研究“居民收入和消费支出之间的关系”，就把收入放在横轴，消费放在纵轴，每一个家庭是一颗点。点越是呈直线排列，就说明相关性越强。
优点：能直观展示两个变量之间的线性或非线性关系。
缺点：点数过多时会“挤成一团”；不适合展示单变量。
八、茎叶图：小样本数据的“细节利器”
茎叶图在学术论文里不常用，但在教学中很有价值。它既能展示分布，又保留原始数据。
例如，一个班级有 30 名学生的考试成绩，画茎叶图就能看到分布，同时也能读出具体的分数。
优点：直观展示小样本分布，保留原始数据。
0缺点：数据量大时不适合，图会变得非常冗长。
九、总结：七种统计图的对比
| 图形 | 最适合展示的内容 | 适用数据类型 | 优点 | 缺点 | 常见应用场景 |
|---|---|---|---|---|---|
| 条形图 | 类别差异 | 定类/定序 | 直观清晰 | 类别过多杂乱 | 不同省份消费水平对比 |
| 折线图 | 时间趋势 | 定距/定比 | 展示趋势 | 不适合类别数据 | GDP 增长率变化 |
| 饼图 | 构成比例 | 百分比数据 | 直观易懂 | 类别多时混乱 | 居民支出结构 |
| 箱线图 | 分布与异常值 | 连续数据 | 信息量大 | 初学者不直观 | 收入分布对比 |
| 散点图 | 变量间关系 | 定比数据 | 展示相关性 | 点多时杂乱 | 收入与消费关系 |
| 茎叶图 | 小样本分布 | 连续数据 | 保留原始数据 | 数据大时繁琐 | 考试成绩分析 |
| 直方图 | 分布形态与集中趋势 | 连续数据 | 显示整体分布，易看偏态、多峰 | 对组距敏感，不能展示单个数据点 | 考试成绩、收入水平分布 |
📌 一句话总结：
条形图看差异，折线图看趋势，饼图看比例，箱线图看分布，散点图看关系，茎叶图看细节。
附：常用画图软件与工具
1. Excel
- 特点：最常见、操作简单，适合初学者。
- 优势：条形图、折线图、饼图等都能轻松绘制；适合写论文和课堂作业。
- 不足：高级统计图表（如箱线图、茎叶图）功能有限，需要手工调整。
2. SPSS / Stata / EViews
- 特点：统计学专业软件，自带回归、假设检验等功能。
- 优势：在做统计分析时，可以直接生成配套的统计图，格式规范。
- 不足：可视化效果一般，美观度不如 Excel 或 Python。
3. R / Python
- 特点：代码驱动，可高度自定义。
- 优势：能绘制几乎所有类型的统计图，适合科研和发表论文（尤其是英文期刊）。
- 常用库： Python → matplotlib, seaborn R → ggplot2
- 不足：上手需要一定编程基础。
4. 专业绘图软件
- 如：Tableau、Power BI
- 特点：交互式可视化，适合商业数据展示和大屏报表。
- 用途：在论文里不常见，但在实际工作和项目展示里很有用。
📌 建议写法
“如果是写本科或硕士论文，常用 Excel 或 SPSS 就够用；若要做科研论文，推荐用 R 或 Python 生成更专业的图表；如果面向商业展示，Tableau/Power BI 是不错的选择。”
（本文的图由Python生成）