让我描绘一个场景：你获得了一个新数据集并需要探索它，所以你没有改变任何一个数字，但制作了三种不同的可视化。如果你把这些可视化展示给三个人，他们很可能会对数据的含义产生三种略有不同的印象。这是我觉得数据可视化最迷人的地方之一。我们经常把可视化当作数据分析流程的最后一步来谈论，但这完全不对！可视化不仅仅是数据的一幅图画；它是数据与观察者之间的解释层。这意味着当我们选择图表、坐标轴、比例、分组，甚至选择省略什么时，我们都在决定读者将看到的故事。

任何处理数据的人都知道，困难的部分很少只是把图表放到屏幕上。困难的部分是决定显示哪个图表。我们应该关注趋势吗？组间的差异？变异性？异常值？两种可视化可以完全准确，但仍然引导观众得出非常不同的结论。这里一个重要的问题是：我应该使用哪个图表？但更好的问题是：我想让读者注意到数据的哪个方面？

假设我想表示一个人训练时间与其力量之间的关系。使用简单的折线图，你可以看到随着训练时间的增加，力量也在增加。但这条线使关系看起来连续且几乎线性。相反，阶梯式表示强调力量倾向于分阶段增加。对力量使用对数刻度可以强调早期的巨大进步，即所谓的“新手增益”。没有哪种刻度本质上更真实。

我们甚至可以更进一步：箱线图可以强调训练会话之间的变异性，条形图可以比较不同的训练时期，散点图可以显示个体观察。数字没有改变；我们的解释改变了，我们传递的信息也改变了。