多了一行或几根折线，图表的读法就会整个不一样。想比较四个区域的销售走势，把四条线画进同一张图，颜色一多，读者要先在色块与图例之间来回辨认；拆成四张独立的小图，倒是清爽了，可每张图各画各的比例尺，数值范围不同，摆在一起反而无从比较——东区的高峰在西区图里也许只是个小土包。这是图表上由来已久的一对矛盾：放一起太挤，拆开又没法比。
数据分析里其实早有第三种做法，通常称为小多图（Small Multiples），也叫分面图（Trellis）。它的思路是：把一份数据按某个字段分成若干组，每一组画一张小图，然后把这些小图按行或列整齐排布，共用同一套坐标尺度。图是分开了，用来比较的标尺却只有一把。SpreadJS 的数据图表（DataChart）在 V19.2 引入的分面绑定，正是把这种做法带了进来。
排成一行，还是排成一列
分面的思路建立在"把一张图变成一片图"之上，排布方向由绑定决定。
若按行绑定，字段取到的每个不同取值，都会成为图格里的一行：东区、西区、南区、北区各占一行，垂直排开。适合先看清楚"每个区域内部长什么样"。若按列绑定，取值则各占一列，横向排列，更适合沿某个维度一路看过去——比如一年四个季度，Q1、Q2、Q3、Q4 依次铺成四列，四季的形态在并排中直接对比。行与列也可以同时使用，形成一个行是区域、列是季度的格子阵：每个格子是"某区域在某一季度"的子图。这样一张大图，数据切分得干净，位置关系又始终整齐。
分面字段还允许嵌套，形成两级甚至更多级的分组。区域之下再按城市细分，年份之下再按季度细分，都只是把字段再向下一层放的问题。分面层级与图内分类维度相互独立——图里画什么，和图按什么切分，是两件事，可以在同一张分面图里各自设定。
每格一图，共用一把尺
分面图对"可比"的坚持，体现在刻度的处理上。默认情况下，整片图只画一套共享的横轴与纵轴，而不是每格各画一套——这正是小多图与传统"拆多张图"的本质区别。所有格子的纵轴范围保持一致，读者无需在格子间换算比例，直接比高低即是比数值。类别轴上，同一列内的格子共用横轴刻度，同一行内的格子共用纵轴刻度，任何一格都不会因为自己的数据范围小而另起一把尺。
当然，有些场景需要每格各自有轴。设置里提供了选项，让每一格都独立画出自己的坐标轴，刻度只依据该格内部的数据计算；遇到某些格子没有数据点的情况，也可以选择让这个格子整体留空，不再画出光秃秃的坐标架。两种偏好都有对应的开关，默认按共用轴、保留空格处理，需要精细控制时再逐项打开。
格子的外观同样可以调整。分面的行、列标题文字及其悬停样式可以单独设置，格与格之间的内边距可以控制疏密，格子之间或格子外圈的分隔线也能按需加粗、改色或改成虚线。这些细节让分面图不只是数据的分组摆放，也能在观感上贴合报表本身的版式与配色。
把哪些内容装进格子
分面图适合的内容，比想象的宽。柱形、条形、折线、面积这些常见图形自不必说，堆积与百分比形态、散点与气泡、漏斗与瀑布、蜡烛图乃至组合图，都可以放进分面结构里。对组合图，各格内的子图类型保持一致——这一格是柱上加线，那一格也是柱上加线，比较的基准才成立。
由于所有格子共享图例与主题，整片分面图看起来是一体的，而不是若干张各自为政的小图拼在一起。鼠标悬停某个数据点时，提示里会带上它所属的分面字段与取值——是哪一区域、哪一季度，一目了然，不会因为图被拆开而丢失归属信息。
用得上的场合
分面图最有价值的地方，是"既要看整体，又要看局部"的场合。连锁门店逐个门店看业绩，制造企业逐条产线看产出，销售团队逐个大区看达成，市场投放逐条渠道看回报——当需要按某个维度一组一组地读，又希望组与组之间能直接比较时，分面往往比单张叠加图更清楚。尤其当某一维度取值很多时，叠加图会因颜色过多而失效，分面却始终把每个取值摆在自己的格子里。
还有一类场景是"同构对照"。预算复盘时各区域版式相同、只是数值不同；绩效看板上各部门同用一套指标。这种结构高度一致的对照，天然适合分面——模板是一致的，读者只需要比数值。分面图的价值正在于此：把重复的版式交给图本身去复制，让人把注意力留给数字的差异。
分面维度选在什么字段上，也有讲究。放进分面的字段，最好是取值不算多、且每组数据都足以撑起一张小图的维度——地区、渠道、产品线这类取值动辄几十个的大基数字段，会让格子总数迅速膨胀，版面随之拥挤，反而不如先按它筛选、再在剩下的维度上分面来得清爽。分面擅长的是把"几个到十几个"的同构分组排得整齐、比得清楚。
留给使用者的判断
也要如实说明它的边界。分面图本身不提供滚动，若分面字段取值很多、格子数量庞大，版面会显得拥挤，这时需要使用者权衡——是缩小单元格，还是减少分面层级，或改按其中一两级来切。图给到了这里，取舍的分寸仍在排布它的手里。
同样要掂量的还有"是否真需要分面"。只有一两个分组、或各组之间本就无可比之处时，一张叠加图往往更直接。分面把"一眼比高低"摆在第一位，代价是单格里的细节让位于整体的排布；该不该拆开，取决于读者主要读什么——逐组细读细节，还是一览组间差异。
把一张拥挤的大图，换成一片井井有条的小图，读图体验的改善常常立竿见影。数据被拆开了，刻度却始终一致，这是分面图讨巧的地方：它既给了每组数据独立的空间，又守住了整体比较的尺度。
