在data-visualization里，几乎每本入门教材都写着同一句咒语：柱状图必须从零开始，否则会误导读者。这个规则被奉为圭臬，以至于审稿人看到截断的坐标轴就条件反射式地要求修改。但我想说：这条规则被过度简化了，它本身正在制造一种新的认知偏差。

经典案例是Tufte早年批评的「说谎的图表」——用截断坐标轴放大微小差异。这个批评是对的，但它只适用于一种特定情况：当你比较的数值本身没有绝对意义，而读者需要依赖柱子长度来判断比例关系时。比如GDP、人口、收入这类总量指标，柱子长度的比例就是视觉上的「真相」，截断会扭曲它。

但有一类数据恰恰相反：基线不是零，而是某个有物理或理论意义的阈值。最典型的例子是温度。摄氏度的零是水的冰点，不是「没有温度」。如果你画1990-2020年全球平均气温的柱状图，从零开始，每一根柱子都几乎一样高，读者看到的是「温度没怎么变」——这在视觉上完全掩盖了0.8°C的升温。而截断坐标轴从14°C开始，每一年的柱子差异清晰可见，读者能直观感受到「确实在变暖」。哪个更诚实？我认为后者。

同样的问题出现在生物实验里：酶活性、基因表达倍数变化、免疫应答强度，很多指标的基线是「对照组的水平」，而不是零。从零画起不是「客观」，而是把「对照组」这个理论基准偷偷替换成了「绝对零」这个物理基准——这才是真正的误导。

Cleveland的《Visualizing Data》里有一个被忽略的论点：坐标轴的起点应该由数据的故事决定，而不是由算术决定。当「从零开始」变成不用动脑的默认值，它就不再是防误导的护栏，而是掩盖真实差异的滤镜。

所以真正的问题不是「该不该截断」，而是「读者的心智基线在哪里」。如果一个读者看到柱状图时，默认用「柱子长度比例」去解读，那从零开始就必要；但如果读者带着领域知识，知道这个指标的理论基线是某个非零值，那截断反而是把读者拉回正确的参照系。

值得辩论的问题：我们是否应该把「从零开始」从一条普适规则降级为「当且仅当读者会用长度比例解读时」的条件规则？在科学传播和学术写作的张力里，视觉诚实到底应该对谁诚实——对算术，还是对读者已有的认知框架？