1区212漫画1月6日，纽约时报的观点栏目（OPINION）发布了一篇关于Omicron的文章“Here’s When We Expect Omicron to Peak”，这篇文章是由哥伦比亚大学的传染病建模师和流行病学家Shaman博士对美国Omicron感染人数的预测。

　　这篇文章首先用螺旋图表示了目前实际的感染人数的变化情况。这个螺旋图的形式展示了自2020年疫情以来，美国每周新增感染COVID-19的人数变化。螺旋代表时间轴，由内向外表示时间从2020年一月份到2022年一月份。可以看到2020年开始感染人数逐渐上升，在2020年末2021年初，感染人数出现了峰值。展示出此前的Alpha、Delta等变异株都比不上Omicron的传播速度，2022年1月的最近几天，感染人数爆发式增长。

　　文章中的两张图表由Gus Wezerek和Sara Chodosh绘制。而正是这张螺旋图，引发了一场关于数据可视化意义的讨论。

　　很多人认为做这样的螺旋图毫无意义，没有必要把这种数据做成螺旋图，因为用折线图就可以展示出这些信息，并且可以展示更具体更详细的数据。比如纽约时报之前的报道就是采用交互式折线图（见下图），读者可以去具体的探究数据，比如具体到某个时间，或者具体到某个地区，感染人数如何。

　　但这个螺旋图，它提供的信息就很少，而且坐标轴的对照也不如折线图直观，读者也不能获得具体数据。

　　不过也有很多人对这个螺旋图表示了支持。比如Nathan Yau（加州大学洛杉矶分校（UCLA）的统计学博士，数据可视化网站Flowing data的创始人）就认为这样图能够引导大家去阅读，并且展示作者的观点，而且这张图也并不是说一定要取代我们过去两年已经非常熟悉的折线图。

　　有人将螺旋图的数据做成了折线图，来解释为什么作者没有采用折线图。因为如果把这个图的数据做成折线图的话，图是不太协调的，因为Omicron实在太厉害了。

　　比如展示气候变化的螺旋图。一个封闭的圆环表示一年里从1月到12月的温度。

　　还有人对原图进行了改进：将面积变为很多柱形的组合，为柱形赋予颜色，用柱形的长度和颜色表达数据的大小。因为颜色的加入，使得我们一眼能够看到在2021年秋天，因为Delta变异株引起的感染人数激增，这一信息在原图中是不太能够引起读者注意的。

　　小编认为，数据可视化的目的之一就是引起读者关注，展现数据故事。纽约时报的这篇文章并不是一个严谨的学术论文，而是一篇需要广泛传播的新闻，它的读者是普罗大众，用这样的图表可以吸引读者的注意去阅读、去获取图表中的信息，这就足够了。并且，不管在什么领域我们都应该鼓励创新，如果永远都坚持严格的、现有的规则，比如数据随时间的变化就是要用折线图来表示，那么创新就永远不会发生。