茎叶图（Stem-and-Leaf Plot）的最大优势在于，它能够完整保留直方图在分箱（Binning）时通常会丢弃的原始观测值。然而，这一特性也带来了局限性：当数据量较大时，图面会迅速变得拥挤不堪；此外，如果茎单位（Stem Unit）定义不明确，极易导致读者将数值放大或缩小十倍。因此，在将茎叶图作为最终的科研论文插图发表前，务必先确定好合适的量纲比例与受众群体。
SciDraw 的茎叶图在线生成器（Stem-and-Leaf Plot Generator）能够自动将结构化的数据文件转化为有序的图形展示，并支持一键导入 SciVis 进行深度视觉美化。我们提供的内置模板涵盖了基础型、小数型、分组型、背靠背双侧型（Back-to-back）、双位数茎以及带图例说明等多种专业布局。
绘制茎叶图的常见误区
- 遗漏图例说明（Key）： 读者需要明确的图例来理解数值，例如
4 | 7 = 47或4 | 7 = 4.7。 - 茎单位选择不当： 茎数过少会掩盖数据的分布结构；茎数过多则会导致图表过于稀疏，失去可读性。
- 合并重复的叶子： 重复的数值必须重复显示，因为每一个“叶（Leaf）”都代表一个独立的观测值。
- 混用不一致的单位： 所有输入数据必须统一单位和小数点格式。
- 数据量过大： 当样本量达到数百或数千个时，使用直方图（Histogram）、核密度估计图（Density Plot）或经验累积分布函数图（ECDF）通常会更加清晰直观。
茎叶图需要什么格式的数据？
请确保数据采用“每行一个观测值”的结构：
| 列名 | 作用 | 示例 |
|---|---|---|
observation_id | 唯一的行标识符（样本 ID） | 1-01 |
value | 数值型测量值 | 48 |
group | 可选的分组变量（用于对比） | All observations |
您可以参考我们的基础单组 CSV 示例或背靠背双组对比 CSV 示例。请注意，单位符号和备注文本应写在表头或单独列出，切勿混入数值列中。
第一步：评估数据集大小是否合适
茎叶图最适合用于中小规模的数据集，尤其是当“保留每一个具体数值”对研究结论至关重要时。它们常用于课堂教学演示、工业品控批次检测、小样本临床测量以及探索性数据分析（EDA）。如果您的数据行数过多，导致图表在版面中显得过于拥挤，建议改用直方图生成器（Histogram Maker）或 ECDF 曲线生成器（ECDF Plot Generator）。
第二步：上传 CSV 或 Excel 数据
打开茎叶图在线生成器（Stem-and-Leaf Plot Generator），选择一个内置模板，或直接上传您的 CSV、TSV、TXT、XLSX 或 XLS 文件。若上传 Excel 文件，系统默认读取第一个工作表（Worksheet）。上传前，请务必清除数据表中的总计行、合并单元格、脚注以及数值列中的非数字文本。
第三步：设置茎单位并核对图例
生成图表后，尝试手动还原几个数值进行校验。例如，若图例显示 12 | 4 = 12.4，则意味着叶子部分的 4 代表十分位（即小数第一位）。在处理负数、纯小数以及跨越多个数量级的数据时，需要格外注意核对。
在同一个茎下，叶子通常应当按照从小到大的顺序排列。出现重复的叶子并非错误，它代表了相同的观测值多次出现。如果某些茎对应的叶子为空，可以予以保留，因为这能直观地反映出数据分布中的断档（Gap）；但若出现大面积的空白行，则会浪费版面空间。
第四步：进行严谨的分组对比
背靠背茎叶图（Back-to-back Stem-and-Leaf Plot）将两组数据分别置于共享茎的两侧。这种布局既能清晰地对比两组数据在中心位置、离散程度和分布断档上的差异，又完整保留了底层的原始数值。
绘制双侧图时，两侧必须使用完全相同的茎单位，并标明各自的阅读方向。您可以在 SciVis 中继续调整间距、修改标题、完善图例和添加标注，这些操作均不会影响底层的原始数据。
如何解读茎叶图
茎（Stem）代表数值的高位数字（前导数字）；叶（Leaf）则代表低位数字（尾数），其具体代表的数值大小由图例（Key）决定。在分析数据分布时，可以从以下几个维度进行观察：
- 绝大多数叶子集中在什么位置（众数区间）。
- 最小值和最大值延伸到了哪里（极差与边界）。
- 整体分布是呈对称分布，还是存在左偏或右偏（偏度）。
- 布局中是否存在明显的断档、聚集区或孤立的异常值。
- 在同一尺度下，不同分组之间的分布差异是否显著。
需要注意的是，茎叶图仅用于直观描述样本分布特征。它不能代替严谨的统计检验，例如无法直接证明数据是否呈正态分布、无法直接判定某个值是否为异常值，也无法代替两组间的假设检验。
茎叶图与直方图该如何选择？
- 当数据集较小，且希望读者能够直接读取每一个原始数值时，请使用茎叶图。
- 当样本量较大，且整体分布形状和区间频数比单个具体数值更重要时，请使用直方图（Histogram）。
- 若想简洁地对比多组数据的中位数、四分位数及潜在的异常值，请使用箱线图（Box Plot）。
- 若希望在更灵活、美观的学术排版中展示每一个具体观测点，请使用蜂群图（Beeswarm Plot）。
常见问题解答
我可以免去手动计算，直接在线生成茎叶图吗？
可以。只需将支持的数据文件上传至茎叶图在线生成器（Stem-and-Leaf Plot Generator），确认比例和图例无误后，即可在 SciVis 中进行精细化排版。
如何处理带小数的数据？
选择能够保留所需精度的茎叶比例，并在图例（Key）中进行明确说明。切勿为了图表美观而擅自四舍五入掉具有科研价值的小数位。
茎叶图支持负数吗？
支持。但必须确保负号、数值排序和图例的表达清晰无歧义。在导出图表前，建议手动尝试还原几个负数值以验证正确性。
样本量达到多少就不适合用茎叶图了？
这并没有一个绝对的界限。通常情况下，如果图表中的行数过于密集、叶子部分出现折行，或者读者已经无法快速对比各个茎的长度时，改用直方图、经验累积分布函数图（ECDF）或核密度图会是更好的选择。
开始制作您的图表
立即使用茎叶图在线生成器（Stem-and-Leaf Plot Generator）导入数据。生成后请务必抽样校验几个还原值。如果您的数据集规模较大、需要更具扩展性的图表类型，欢迎参阅我们的科研数据可视化指南。
