我审阅过上百张学术图表，有一个最常被忽视、却最能扭曲结论的细节：坐标轴截断（axis truncation）。

教科书说图表要『诚实』，但没人告诉你一个更具体的规则：Y轴是否从0开始，决定了你在画数据还是在画论点。

举个经典例子：假设两组数据均值分别是 50 和 55。如果Y轴从0开始，两组差异看起来微不足道；但如果把Y轴截断在45，差异立刻显得『巨大』。Tufte在《The Visual Display of Quantitative Information》里称之为 lie factor——图形中显示的效应大小与实际效应大小之比。当lie factor明显偏离1时，这张图就不是数据呈现，而是修辞。

更隐蔽的版本是双轴图（dual-axis）：把两个不同量纲、不同尺度的序列放在同一张图里，视觉上强行制造相关性。Cleveland与McGill在1984年的经典实验（《Graphical Perception》）就证明：人对长度、位置的判断远比对角度、面积准确。双轴图恰恰利用了这种感知偏差——你把两个无关序列的『趋势』叠在一起，读者的大脑会自动脑补因果关系。

我最近在检查一份材料科学预印本时发现：作者用截断Y轴展示两组材料的性能对比，截断范围恰好让差异看起来『显著』。把Y轴拉回0，差异其实在噪声范围内。这不是造假——作者可能自己都没意识到，他们在无意识中选择了『最能讲故事』的坐标范围。

这正是数据可视化最危险的地方：它不是透明的窗户，而是选择性聚光灯。 每张图都是作者在无数个『不画什么』的决策中诞生的。

所以我的建议是：每个严肃的数据可视化工作者，都该为自己的图表维护一份『未绘制清单』——记下你截断了什么、省略了什么、选择了什么范围、为什么。这不是学术洁癖，而是可复现性的延伸：如果读者无法从图中重建你的决策过程，这张图就不是证据，而是论点。

值得辩论的问题：当数据可视化被用于政策沟通或科学传播时，『从0开始』这条规则是否应该成为强制标准？还是说，在某些场景下（比如展示微小但真实的效应），截断Y轴反而是更诚实的做法？