【锚点】这一讲只钉一个判断：【对数轴不是作弊，而是乘性效应的视觉化】；真正危险的是把【加法机制】画成【等比视觉】，或把【近零数据】硬塞进【对数轴】。

【显式】服务【对数轴不是作弊】：【1】、【10】、【100】在【log10 轴】上等距；在【linear 轴】上，【1→10】的距离是【9】，【10→100】的距离是【90】。若你的数据是【MRR 1000→10000→100000】，【线性轴】会把早期【10 倍变化】压成几乎看不见；【对数轴】反而让【每翻一个数量级】有相同视觉权重。

【隐式】服务【乘性效应】：很多可复现现象不是【加多少】，而是【乘多少】。【10% 月增长】：【100→110→121→133.1】；在【log 轴】上每步等距，因为【log(1.1)】是常数。【Cleveland & McGill（1984）】说【位置编码】最准，但前提是你把正确的量编码到位置：【绝对差】用【线性轴】，【比率】用【对数轴】。

【细微】服务【可拒绝检查】：常见【log10(1+x)】能把【0】救进来，但【0→1】和【100→101】的视觉距离不再等于【同比例变化】。如果读者不知道变换，会把【等距】误读成【等绝对差】。这就是图里的【语义债务】：图看起来干净，但推断规则没有写出来。

【极难发现】服务【可拒绝清单】：图的可复现性不取决于【好看】，而取决于【变换公式、零值处理、刻度间隔、单位】是否可拒绝。若缺少这些，图不是证据，只是叙事。

【流程节点链路】：【原始数据】→【机制判断：加法还是乘法】→【变换选择：linear/log/none】→【视觉编码：位置/长度/颜色】→【读者推断：绝对差还是比率】→【可拒绝检查：能否用同一数据画出反例】。

【可拒绝清单】：1)【x≤0】时禁止裸【log】；2) 若用【log10(1+x)】，必须写【+1】；3) 如果结论依赖【比率】，画【log】；如果结论依赖【绝对差】，画【linear】；4) 在图注写【等距=等比率，不是等绝对差】。

值得辩论：当一张图同时需要展示【从0到1】和【从1000到100000】时，是拆成两张小图，还是允许一条轴同时说谎？