有谁知道绘制二进制时间序列数据的建议/参考？还是分类时间序列数据？我正在查看赢/输记录，似乎应该有利用二进制性质的图，而不仅仅是简单的线图。
后期编辑：我熟悉 Tufte 的建议，尤其是在Beautiful Evidence的迷你图章节中给出的建议（见下面 whuber 的回答）。我对其他参考资料感兴趣，尤其是那些为他们的建议提供理由的参考资料。
第二次编辑：澄清评论中的一些问题......对我来说关键问题是该系列的二元性质。我有兴趣参考任何讨论在绘制二进制（或一般的分类或有序变量）时间序列而不是间隔/定量变量时出现的特殊问题。高度技术性的论文很好，针对大众读者的非技术性书籍也很好。这确实是我感兴趣的二进制与一般区别，除了下面的答案中列出的参考之外，我不知道任何参考。
与往常一样，这取决于情节的目的：它打算与谁交流？无论如何，累积图往往是有趣和信息丰富的。纽约时报最近制作了许多很好的例子。类似情节的一些例子出现在“ Edward Tufte 论坛”上。这种“迷你图”（没有标记轴的累积图）、表格数据和原始时间序列的组合在一个地方提供了大量信息：
注意设计的微妙之处，例如将表格行和右侧图（只是二进制时间序列图）定位在与最终排名相对应的高度；并在迷你图、表格和时间序列图中使用一致的颜色。
在查看这些内容时，我很想稍微重新设计它们：要么按时间缩放一个或两个情节，而不是游戏索引，以引入时间顺序信息；或者——也许更好——在各个系列游戏之间设置差距。（棒球通常在两队之间进行三到四场比赛。这种结构对于理解数据很重要。）更好的是：在右边，根据对方球队（或者可能只是对方球队的实力），而不是使用单色系列。
这些建议遵循 Tufte 在他关于该主题的第一本书《定量信息的可视化显示》中阐述的原则，其中他主张通过擦除（在这里，在数据中放置空白以显示系列）和修改表示的图形模式（在这里，用颜色的变化代替无信息的单一颜色）。
Kedem 和 Fokianos 在他们的“时间序列分析的回归模型”一书中有一整章（第 2 章）介绍了二元时间序列模型，其中包含许多绘制序列和周期图的示例。
应 whuber 的要求，我在本章中添加了一些情节描述。第 63 页 图 2.3 该图位于逻辑自回归部分。具有正弦分量的逻辑自回归模型由公式 Logit(πt(β))= β1 + β2 cos(2πt/12) + β3 Yt-1 给出
他们绘制 Yt 并在其下方绘制时间序列，其中特定函数是
Logit(πt(β))= 0.3 + 0.75 cos(2πt/12) + Yt-1
图 2.4 第 62 页类似，但适用于不同系列
图 2.5 显示了 4 个带有正弦分量的逻辑自回归的样本自相关。
图 2.9 第 70 页绘制了新罕布什尔州华盛顿山在 107 天内的降水水平，采用二进制时间序列 Yt（下雨是或否）。
图 2.14（查看睡眠数据 Yt 清醒与睡眠的逻辑模型）该图提供了来自模型的原始残差和来自模型的 Pearson 残差的累积周期图。
图 2.15 显示了睡眠数据逻辑模型的观察序列，以及其下方序列的模型预测。
只是为了跟进这个问题，我没有找到任何其他关于绘制二进制系列的资源，并最终选择了我最初忽略的原始线图。（M. Chernick 一书中观察到的系列的图指的是也将原始数据绘制为线条，这是我在做出选择后发现的）。Tufte 的刻度图需要更多空间才能清晰易读，并且能够连续计算输赢的好处似乎很小。准确计数是困难的，如果最大连胜或连败的长度很重要，它可以自己呈现，就像他在更传统的迷你图中对最小值/最大值所做的那样）。
到目前为止的结果如下：
最后一列给出了所玩游戏的输赢，以及对剩余游戏的固定效应模型的预测。其他列有点离题，但这里有一个描述可供感兴趣的人使用。
我很高兴听到其他建议，但任何广泛的内容都可能需要提出另一个问题。如果添加此后续答案不合适，请告诉我。