统计图是统计描述的重要工具，也是辅助作者和读者沟通的有效工具，它在视觉上比统计表更简洁明了，但是面对多种多样的统计图，你真的会用吗？在《Heart》杂志刊出的一篇综述《Graphics and statistics for cardiology: comparing categorical and continuous variables》中^[1]，作者对如何根据数据特点选择合适的统计图进行了详细的讲解。 

假如一张统计图只需要展示一个变量，比如一组病人的某个体检指标，这属于单个变量的数据。变量又可以分为连续变量和分类变量。对于连续变量来说，统计图可以展示出数据的范围、分布，以及一些统计量，如均数、中位数、样本量等。

对于小样本量数据（如n<30），建议使用点图（Dot chart），点图可以绘制出沿着一个轴分布的观测值，假如这些点都不重合的话，采用点图可以清楚地看到每个值的分布，如图1(A)。

当出现许多相同的观测值时，可以使用堆栈式点图（Stacked dot chart），通过将相同的观测值竖直堆砌，可以清楚地看出观测值的重复性，如图1(B)。

对于50

总的来说，对于小样本或中等样本量的数据，点图比箱式图（Boxplot）更合适。

而对于大样本量数据来说，数据点太密和太小的问题显然是无法避免的，但是对于大样本来说，个体的某个观测值也不会太影响结果的解释，因此可以直接描述数据的范围和分布，而不用必须展示出每个观测值。具体可采用直方图（Histogram），见图3(A)；小提琴图（Violin Plot），见图3(B)；和箱式图，见图3(C)。

直方图和箱式图大家都比较熟悉，而对小提琴图可能不是太了解。小提琴图既能展示所有数据的密度分布，又能标示出均值和四分位数，能同时展现出数据的多面信息。

这三个统计图各有优劣。直方图和小提琴图都可以展现中间的数据分布特征，而箱式图则不能，且箱式图会突出展示离群值，而对于大样本量的数据来说，离群值的存在是很常见的，突出它们的存在可能会引起一些不必要的怀疑；小提琴图和直方图相比，能更好的看出整体数据的分布情况，而直方图往往会让人只注意到最高点；在灵活性方面，小提琴图和箱式图比直方图要好一些，沿纵轴和横轴都可以应用。

对于分类变量，如性别，统计表其实就可以简单直接的展示数据频数、比例等，但是如果想要突出这一变量的重要性的话，用统计图会更合适。对于二分类变量的展示来说，无论样本量大小，都可以使用堆栈式条形图（Stacked bar chart）或者比例点图（Dot chart of proportion），见图4(A)和(B)。同样的，多分类变量也可以使用堆栈式条形图或者比例点图来实现，见图4(C)和(D)。

参考文献

1. Heart. 2016;102:349-55. 

扫码关注“医咖会”公众号，及时获取最新统计教程！