对离散数据使用折线图是否错误？

我经常看到离散数据集绘制为线图，但是在我看来，该线会在测量间隔之间的某个点推断出一个值，这对于离散数据集是没有意义的。因此，对离散数据使用折线图是否错误？

例如，以两个时间序列数据集为例，一个是连续的（我的体重，每天早晨测量），另一个是离散的（我每天吃的甜甜圈的数量）。将第一个数据集作为线形图是有意义的，因为可以合理地推断出在任何给定的下午我的体重将与前一天和之后的早上的体重有关。但是，如果将甜甜圈的数量表示为线图，则点之间的线将无法从该线中推断出含义。

编辑

再举一例：联邦小时最低工资自成立以来，在情节http://mste.illinois.edu/courses/ci330ms/youtsey/lineinfo.html

除非我没有记错，否则最低工资变动是离散的，因此不可能查找一些任意选择的时间，并使用将点互连的线在该点确定最低工资。

事实证明，连接线图太有用了，不能局限于单一解释。一些突出的用途：

• 插值。您提到的情况是，两个变量都是连续的，并且直线上的每个插值点都是有意义的解释。
• 变化率。即使中间值没有意义，每个线段的斜率也可以很好地表示变化率。请注意，对于这种解释，X和Y值必须适当地隔开，在您引用的工资图中情况并非如此。
• 资料比较。在比较较小的倍数或重叠量度时，即使对于分类因素，线也是有用的。在这种情况下，这些线用于连接响应组以进行有限的模式识别。这是来自peltiertech.com的示例，标签的可读性在Y轴（而不是X轴）上：

好吧，甜甜圈可能与重量有关：-)

虽然我明白了您的观点，但我认为这个示例还不错，因为时间（在水平轴上，即直线所指）是连续的。对我而言，这条线的含义不是那么多，每天您每次吃一定数量的甜甜圈，而是每天甜甜圈的数量以某种规律的方式变化。因此，我们可能在生产线上添加类似黄土的平滑剂，这是有道理的。考虑每小时或什至每分钟吃的甜甜圈至少是合理的（尽管对于每天计数较高的变量，这会更明智）

更令人担忧的是，水平轴是离散的（尤其是标称轴），但是绘制了线条。这真的没有道理。例如，如果您正在观察（说）美国不同地区（例如）居民中对奥巴马的投票率，则在东北和中西部之间划清界限是没有意义的；特别是由于区域的顺序是任意的，但是更改顺序将更改线条。但是我看过这样的图。