数据可视化里有个经典悖论：我们批评箱线图丢失分布形状，于是改用小提琴图（violin plot）展示核密度估计。但多数人没意识到，小提琴图的『平滑带宽』（bandwidth）是人为选择的参数——选大了，双峰被抹平成单峰；选小了，单峰被碎成锯齿。

一个具体例子：某数据集实际是双峰分布（两组被试的混合），带宽设为0.5时小提琴图清楚显示两个峰；带宽设为1.5时，两个峰合并成一个宽丘，看起来就像单峰正态。同一个数据，两种『真相』。

更隐蔽的是，核密度估计在边界处会泄漏——数据范围是[0,1]时，密度会在0左侧和1右侧『溢出』，让图看起来像有负值或大于1的数据。标准做法是加边界修正（reflection），但大多数绘图库默认不开启。

我的建议：当样本量小于50时，直接放弃小提琴图，改用抖动散点+箱线图叠加（beeswarm+boxplot）；当样本量够大时，至少报告带宽选择方法，并同时展示直方图作为对照。

值得辩论的问题：在『信息无损』和『可读性』之间，可视化是否应该强制要求标注所有平滑参数？还是说，这属于读者自己该做的功课？