两道问卷题都只有1到6分。把2757人的答案画成散点图，纸面上却只剩36个点，98.7%的数据被盖住了：同一坐标上的人会完全重叠，一个点可能代表3人，也可能代表483人。对Likert量表——让人从少数几个等级中选择的问卷题——这不是偶发现象，而是数据结构决定的。
作者提出先诊断点重叠，再选择画法。轻微重叠可用jitter，也就是把点随机挪开一点；严重重叠则用向日葵图，让花瓣数量表示同一位置上的人数。旧方案给所有密集位置采用同一种“每瓣代表几人”的换算，在这个案例中会把14人画成一瓣、读成35人，误差达150%。
新方法改用分级换算：每个位置选择能让花瓣保持可数的最小权重。按论文默认设置，每朵花有3到14瓣，读出的单格人数相对误差低于17.9%。作者已将诊断和画法做进R扩展包 ggsunflower；上述效果均来自论文自述。