簡潔的線條連接兩個數據點，就像啞鈴的兩端，在對比分析中展現出令人驚豔的清晰度。

在平時的數據分析項目中，我經常會遇到比較兩個相關數據集的變化情況。

這時，傳統的做法是使用堆積條形圖或簇狀條形圖，但它們存在一個共同問題：當我們需要精確追蹤每個項目在兩個時間點或兩種條件下的變化時，這些圖表會讓我們的眼睛在條形之間來回跳躍，難以直觀把握變化的幅度和方向。

今天，我要向大家推薦一種更優雅的替代方案--啞鈴圖。

1. 啞鈴圖是什麼？

啞鈴圖（Dumbbell Plot），有時也稱為DNA圖或槓鈴圖，是一種用於比較兩個相關數據點的可視化圖表。

它源於人們對更有效數據比較方式的持續探索。

在傳統的時間序列比較中，我們通常使用兩條折線，但當需要比較的項目較多時，折線圖會變得混亂。啞鈴圖通過將比較焦點放在每個項目的兩個狀態上，解決了多項目對比時的視覺混亂問題。

它的基本結構很簡單：

• 每個觀察單位（如產品、地區、時間段）對應兩個數據點
• 這兩個數據點由一條直線（或線段）連接
• 整個圖形看起來像一排排啞鈴，因而得名

2. 實現原理

啞鈴圖的核心設計理念是最小化認知負荷。

當我們需要比較A和B時，最直接的方式就是把它們放在一起，用一條線連接，然後觀察這條線的長度（差異大小）和方向（哪個更大）。

在matplotlib中創建啞鈴圖，我們主要使用以下元素：

• 散點圖：表示兩個數據點
• 直線段：連接兩個相關點
• 顏色編碼：通常用不同顏色區分前後狀態或不同組別
• 標籤系統：清晰標識每個觀察單位

3. 實戰示例

接下來，我們看看啞鈴圖在實際場景中的顯示效果。

假設我們是一家電商公司的數據分析師，需要比較8個主要產品類別在2022年和2023年的銷售額變化。

（完整的代碼在文章末尾提供下載地址，文中只截取部分代碼）

先創建一些測試數據：

# 示例數據：8個產品類別在2022年和2023年的銷售額（單位：萬元）
categories = [
    "電子產品",
    "服裝鞋帽",
    "家居用品",
    "美妝護膚",
    "圖書音像",
    "運動户外",
    "食品飲料",
    "母嬰用品",
]
sales_2022 = [85, 92, 78, 65, 45, 60, 88, 72]
sales_2023 = [95, 87, 85, 78, 52, 73, 95, 80]

然後，我們繪製傳統的簇狀條形圖和啞鈴圖來對比一下效果：

# 創建子圖，對比兩種可視化方法
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 8))

# 簇狀條形圖
x = np.arange(len(categories))

bars1 = ax1.bar(x - width/2, sales_2022, width, label='2022年', color='#4C72B0', alpha=0.8)
bars2 = ax1.bar(x + width/2, sales_2023, width, label='2023年', color='#DD8452', alpha=0.8)

# 在每個條形上添加數值標籤
# 省略 ...

# 啞鈴圖
# 設置y軸位置（每個類別的垂直位置）
y_pos = np.arange(len(categories))

# 繪製連接線
for i, (y2022, y2023) in enumerate(zip(sales_2022, sales_2023)):
    # 確定線顏色：增長為綠色，下降為紅色
    line_color = '#55A868' if y2023 > y2022 else '#C44E52'
    ax2.plot([y2022, y2023], [i, i], color=line_color, linewidth=2.5, alpha=0.7, zorder=1)

# 繪製數據點
ax2.scatter(sales_2022, y_pos, s=120, color='#4C72B0', alpha=0.9, label='2022年', zorder=2, edgecolors='white', linewidth=2)
ax2.scatter(sales_2023, y_pos, s=120, color='#DD8452', alpha=0.9, label='2023年', zorder=2, edgecolors='white', linewidth=2)

# 省略 ...

plt.tight_layout()
plt.show()

通過上面的對比，我們可以清晰地看到啞鈴圖的優勢：

• 變化一目瞭然：連接線的長度直觀表示變化幅度，方向表示增長或下降
• 減少視覺跳躍：眼睛不需要在條形間來回移動，而是沿着水平線自然追蹤
• 突出比較重點：專注於每個項目的兩個狀態對比，而非絕對數值

進一步，我們還可以給啞鈴圖排序，按照增長由快到慢給各個品類排序，這樣自然形成從"下降最顯著"到"增長最顯著"的連續譜，模式自動顯現，無需刻意尋找。

比如上面的啞鈴圖中，【服裝鞋帽】這個品類其實銷售額是下降的，混在一堆啞鈴中不容易看出來吧？

# 創建排序後的啞鈴圖
fig, ax = plt.subplots(figsize=(10, 8))

# 按變化幅度排序
sorted_indices = np.argsort(
    [sales_2023[i] - sales_2022[i] for i in range(len(categories))]
)
sorted_categories = [categories[i] for i in sorted_indices]
sorted_2022 = [sales_2022[i] for i in sorted_indices]
sorted_2023 = [sales_2023[i] for i in sorted_indices]

# 繪製連接線
# 省略 ...

# 繪製數據點
# 省略 ...

# 添加變化箭頭標註
# 省略 ...

plt.tight_layout()
plt.show()

這樣改造後，由上到下的啞鈴，越來越短（也就是增長越來越慢），最底部的那個是負增長，用了紅色來標註。

4. 總結

數據可視化的核心目標是有效傳達信息。當我們需要強調變化、比較兩個相關狀態時，啞鈴圖提供了一種簡潔而強大的解決方案。

就像選擇合適的工具完成工作一樣，在面對數據比較任務時，我們應該根據具體需求選擇最合適的可視化形式：

• 當需要比較多個項目的兩個狀態時，選擇啞鈴圖
• 當需要展示單個項目的多個組成部分時，選擇堆積條形圖
• 當需要比較多個項目的多個類別時，選擇簇狀條形圖

最好的可視化不是最複雜的，而是能讓觀眾在最短時間內理解最多信息的那個。

啞鈴圖正是這樣一種高效的工具，它用最簡單的線條連接，講述了數據世界中最動人的變化故事。

下次做報告時，不妨試着把那張擁擠的簇狀條形圖換成啞鈴圖，相信你的觀眾會感嘆：“哇，這張圖做得真專業！”

完整代碼：啞鈴圖.ipynb (訪問密碼: 6872)