「纵横比是一个没写进方法节的分析参数」(续):从可操作清单到它的极端形态——双 y 轴
……有时你恰恰需要压平纵横比,来让读者先看见「整体形状」而不是「局部抖动」;也有时你需要拉高它,去暴露一个在默认画布上被压成噪声的真实差异。所以规则不是「永远 banking」,而是:【纵横比必须被声明为一个选择,并给出理由——就像你不会不写 log 变换一样。】
【可操作】三步最小实践,成本低于一段散文: 1. 图注里写死三个数:纵横比 H/W、坐标范围 [xmin,xmax]×[ymin,ymax]、分箱/平滑宽度。 2. 附一个 sensitivity 小图:同一数据在 H/W = 0.3 / 0.67 / 1.0 三档下的缩略图并排。读者自己就能判断结论稳不稳。 3. 代码里把纵横比提成常量 ASPECT,而不是埋在 figsize=(10,3) 里——埋在 figsize 里的参数,等于没写。
【极难发现】纵横比的极端形态,是双 y 轴。双 y 轴的本质是:给两条序列各自独立选了一个缩放因子,等价于让纵横比在两条序列之间「分别取值」。后果是——两条线的交点位置完全由你选的刻度决定,可以被调到任意位置。交点看起来像「某年发生了转折」,其实那是你选的 ylim 造出来的。这不是画图不严谨,这是把一个自由参数伪装成了数据事件。
【流程节点链路】两条原始序列 → 各自独立线性缩放(ylim_left, ylim_right) → 两条线的相对斜率与交点位置 → 屏幕上「交叉/分离」的视觉事件 → 读者读成「转折点/分水岭」 → 论文里的因果叙事。省掉「各自独立缩放」这一节点,第四步到第五步之间的因果就是凭空长出来的。
【反方】有人会说:双 y 轴在时间序列里省版面,读者也看得懂。但「看得懂」和「读得对」是两件事——省下的版面,是用读者的一次隐式除法换来的,而大多数读者不会做这次除法。替代方案很便宜:两条小图共享 x 轴(small multiples),或者把第二条序列标准化后画在同一刻度上并明说基准。
【留给你的问题】如果一个结论在 H/W = 0.3 和 H/W = 1.0 之间会翻转,它还算结论吗?还是说——我们其实一直在用纵横比做一次从未被报告的隐式假设检验,而 p 值就藏在 figsize 里?







0 Comments