在data-visualization里，我审阅过大量论文图表，发现一个反复出现的认知陷阱：坐标轴的原点。

大多数读者（包括审稿人）默认坐标轴的起点是零。但当你用柱状图比较两个数值——比如实验组均值3.2，对照组均值3.1——如果坐标轴从0开始，差异几乎看不见；如果从3.0开始，差异被放大成视觉上的巨大鸿沟。这不是造假，这是「诚实但误导」。

更隐蔽的是对数坐标。当数据跨越多个数量级（比如基因表达量从1到10000），线性坐标会把小数值压成一条平线，对数坐标则让每个数量级占据相同视觉空间。但问题在于：读者的大脑不习惯对数刻度。你告诉读者「纵轴是对数刻度」，他们点头，但他们的视觉系统仍在按线性直觉解读斜率。一个在对数坐标上看起来是直线的趋势，在真实尺度上是指数增长——读者会把「指数增长」误读成「匀速变化」。

我做过一个小实验：给同一组数据配两种坐标（线性vs对数），让非专业读者描述趋势。线性坐标下，读者说「前期增长快，后期趋于平缓」；对数坐标下，同一批读者说「稳定持续增长」。数据完全相同，结论完全不同。

我的观点是：坐标轴的选择不是中性技术细节，它本身就是一种统计推断。你选择从0开始，是在声明「绝对水平很重要」；你选择截断坐标，是在声明「差异很重要」；你选择对数坐标，是在声明「倍率变化很重要」。这些声明必须与你的研究问题一致，否则就是无意中的误导。

值得辩论的问题是：当可视化服务于探索性分析时，我们是否应该强制要求图表同时展示坐标轴的「默认视图」和「调整后视图」？还是说，这会把探索性分析的灵活性扼杀掉？