我们的生活越来越受数据驱动。 我们的手机监控我们的时间和互联网使用情况，在线调查了解我们的意见和喜好。 这些数据收集用于告诉我们我们的睡眠质量或我们可能想买什么。
数字对于日常生活变得越来越重要，但人们的数字技能却落后了。 例如，澳大利亚 12 年级学生学习高等和中级数学的百分比几十年来一直在下降。
为了帮助普通人理解大数据和数字，我们经常使用视觉摘要，例如饼图。 但是，虽然不会算术的人会避免使用数字，但大多数会算术的人会避免使用饼图。 原因如下。
什么是饼图？
饼图是表示数字百分比的圆形图。 该圆被分成多个切片，每个切片的大小与其代表的类别成正比。 它之所以得名，是因为它类似于切片馅饼，并且可以以多种不同的方式“供应”。
下面的饼图示例显示了上次选举前澳大利亚两党的偏好票数，其中工党获得 55%，联盟党获得 45%。 两个接近的半圆显示了相对紧张的比赛——这是一个有用的饼图示例。
饼图有什么问题？
一旦我们有两个以上的类别，饼图很容易歪曲百分比并且变得难以阅读。
下面的三个图表就是一个很好的例子——很难找出五个区域中哪一个最大。 饼图的圆形意味着这些区域缺乏共同的参考点。
当类别很多时，饼图也表现不佳。 例如，这张图表来自一项关于用于新冠病毒数据可视化的数据源的研究，在一个饼图中显示了数百个类别。
微小的切片、缺乏清晰的标签和万花筒般的颜色让任何人都难以解读。
对于色盲者来说就更难了。 例如，这是对上图对于患有绿色弱智或对绿光敏感性降低的人的模拟。 这是最常见的色盲类型，影响大致如下4.6% 人口。
如果我们将饼图制作成三维的，情况可能会变得更糟。 这可能会导致数据的严重误传。
下面，黄色、红色和绿色区域的大小均相同（三分之一），但根据角度以及饼图底部放置的切片的不同而显得不同。
那么为什么饼图无处不在呢？
尽管饼图存在众所周知的问题，但它们无处不在。 它们出现在期刊文章、博士论文、政治民意调查、书籍、报纸和政府报告中。 它们甚至被澳大利亚统计局使用。
尽管统计学家几十年来一直批评它们，但很难反驳这种逻辑：“如果饼图这么糟糕，为什么会有这么多饼图？”
可能它们之所以受欢迎，是因为它们很受欢迎，这是一个适合饼图的循环论证。
饼图有什么好的替代品？
有一个简单的修复方法可以在小空间中有效地汇总大数据，并且仍然允许创造性的配色方案。
这是一个不起眼的条形图。 还记得上面令人头疼的包含五个类别的饼图示例吗？ 这是使用条形的相同示例 - 我们现在可以立即看到哪个类别最大。
线性条形图比饼图的非线性部分更美观。 但要小心通过添加 3D 效果使不起眼的条形图看起来更有趣的诱惑。 正如您已经看到的，3D 图表会扭曲感知并使其更难找到参考点。
下面是 1992 年美国总统选举中选民人数按家庭收入（从低于 15,000 美元到高于 75,000 美元）划分的标准条形图和 3D 替代图。 使用 3D 版本，您能说出最高收入类别中每个候选人的选民人数吗？ 不容易。
使用饼图可以吗？
我们展示了一些最糟糕的饼图示例来说明这一点。 当只有几个类别且百分比不同时（例如一大类和一小类），饼图就可以了。
总的来说，最好少用饼图，特别是当有更“易于理解”的替代品——条形图时。
每当我们看到饼图时，我们都会想到以下两件事之一：它们的创建者不知道他们在做什么，或者他们知道自己在做什么但故意误导。
图形摘要旨在轻松快速地传达数据。 如果你觉得需要修饰一下，你可能会无意中减少理解。
