Generador de gráficos en JMP Puede generar docenas de tipos de gráficos, pero siempre comienza con algún tipo de diagrama de puntos. La idea es mostrar los datos en su representación más básica, un punto por fila. Más allá de la forma familiar de diagrama de dispersión con dos variables continuas, los diagramas de puntos se adaptan a muchas situaciones: con cualquier combinación de variables continuas y categóricas, con datos univariados, con datos multivariados y con conjuntos de datos pequeños o medianos.
Sin embargo, en una situación, el diagrama de puntos invariablemente se reemplaza por un gráfico de barras, incluso a costa de oscurecer o distorsionar los datos: cuando hay una variable continua, una variable categórica con un valor de datos por combinación. Después de ver otro gráfico de barras truncado, me pregunté por qué en Twitter y encontré un pensamiento similar del educador y consultor en visualización de datos Nick Desbarats de Informes prácticos . Decidimos trabajar en equipo para escribir este artículo y, en la siguiente sección, Nick enmarca el tema a partir de sus experiencias docentes.
¿Qué trama?
Uno de los tipos de gráficos que yo [Nick] cubro cuando enseño el libro de Stephen Few. Muéstrame los números curso es el diagrama de puntos de Cleveland (llamado así en honor al investigador pionero en visualización de datos William S. Cleveland):
Sin embargo, si usted es como la mayoría de los participantes de mi taller, no reconocerá este tipo de gráfico. Cuando pregunto a los participantes si han visto uno antes, normalmente levantan entre el 0% y el 10% de las manos. Inmediatamente después de las pocas manos que suben, invariablemente bajan un número mucho mayor de cejas. La emoción dominante en los rostros de los participantes es inconfundible: es confusión.
Si usted también está confundido, déjeme explicarle: el gráfico de arriba es esencialmente un gráfico de barras horizontales con siete barras, pero con el final de cada barra indicado por un punto y las barras eliminadas. ¿Por qué debería usar puntos en lugar de barras? Porque, si usara barras, mi gráfico se vería así:
Un gráfico de barras como este sería engañoso porque parece, por ejemplo, que el récord de Brasil es aproximadamente el doble que el de Indonesia, ya que su barra es aproximadamente el doble de larga. Sin embargo, mirar la escala de valores debajo de las barras nos dice que eso ni siquiera se acerca a la verdad. Este problema de percepción es la razón por la cual los gráficos de barras con escalas cuantitativas que no incluyen el cero son una mejores prácticas no-no . Una forma de solucionarlo sería empezar la escala en cero:
Esto es perceptualmente más seguro pero, con estos datos en particular, es difícil ver las diferencias entre los valores ya que están muy cerca uno del otro. Sin embargo, si comparamos récords de salto de longitud, las pequeñas diferencias son muy importantes, por lo que este gráfico no sería una forma muy efectiva de visualizar estos datos. ¿Cómo podríamos visualizar estos valores de una manera que permita que las diferencias entre ellos se vean claramente pero sin correr el riesgo de que las personas los perciban visualmente mal? El diagrama de puntos de Cleveland:
Como no hay longitudes de barras para comparar en un diagrama de puntos, el riesgo de que los espectadores perciban erróneamente que, por ejemplo, el récord de Brasil es el doble que el de Indonesia es mucho menor, pero también pueden ver las pequeñas diferencias entre los valores mucho más claramente. y fácilmente. Como dije, útil.
Sí, la confusión que experimentan los participantes de mi taller dura poco. Después de una explicación de 30 segundos, las cejas se levantan nuevamente y un silencioso “ooooh…” se eleva desde la habitación. Y sí, incluso sin mi explicación, la mayoría de los participantes acabarían por descubrirlo, aunque me pregunto cuántos se molestarían en hacer ese viaje sin ayuda. Los participantes me dicen regularmente (y tímidamente) que, aunque ahora entienden cómo funcionan los diagramas de puntos y lo útiles que son, no los usarán porque sus audiencias no se molestarán en descifrarlos.
Posibles causas de confusión
Para aquellos de nosotros que estamos familiarizados con los diagramas de puntos, esto parece extraño. ¿Por qué tantas personas tendrían problemas para comprender los diagramas de puntos cuando esas mismas personas no tienen problemas para comprender los gráficos de barras y de líneas, así como otros tipos de gráficos que posiblemente sean menos intuitivos, como los diagramas de dispersión? Después de observar a miles de personas reaccionar al ver un diagrama de puntos por primera vez, ahora parece plausible una combinación de factores:
- Parece un diagrama de dispersión: Muchas personas parecen asumir inicialmente que están ante un gráfico de dispersión , probablemente porque casi todos los demás gráficos que han visto que presentaban puntos dispuestos en un espacio 2D eran un diagrama de dispersión. Luego se confunden porque ambos ejes no son cuantitativos y, por lo tanto, tienen que darse cuenta de que su suposición del diagrama de dispersión era incorrecta antes de que puedan siquiera comenzar a comprender lo que están mirando. Si no se dan cuenta de que su suposición del diagrama de dispersión era incorrecta, concluirán que el diagrama de dispersión es un error y que el diseñador del diagrama no sabía lo que estaban haciendo.
- Parece que debería haber sido un gráfico de barras: Si un espectador comprende correctamente cómo funciona un diagrama de puntos, puede dudar de su propia comprensión ya que no ve por qué el creador del gráfico usó puntos en lugar de barras. Es posible que cuestionen su propia interpretación de “esto es como un gráfico de barras” aunque sea correcta, y se pregunten qué se están perdiendo aunque no les falte nada.
- La “dirección de la medida” no es inmediatamente obvia: No está inmediatamente claro que, en el gráfico de muestra anterior, sólo la posición horizontal de cada punto representa un valor cuantitativo, y que su posición vertical no. Esto podría tener algo que ver con la forma circular de los puntos, que no da ninguna pista visual sobre si su “dirección de medida” es horizontal, vertical o ambas.
- Las líneas guía violan las expectativas: Sospechamos que las finas líneas guía horizontales del ejemplo anterior pueden estar contribuyendo a la confusión inicial de los espectadores. Si bien las líneas hacen que sea más fácil y menos propenso a errores asociar cada punto con su nombre de categoría correspondiente, los comentarios y preguntas de los participantes del taller de Nick sugieren que estas líneas también pueden estar comunicando otros mensajes visuales no deseados a aquellos que se encuentran con un diagrama de puntos para la primera vez:
- En prácticamente todos los demás gráficos que los participantes probablemente hayan visto antes, la presencia de líneas finas y horizontales significa que el vertical La posición de cada marca (punto, barra, etc.) codifica su valor cuantitativo, es decir, que las marcas que están más arriba o más abajo en el gráfico representan mayores o menores cantidades. Sin embargo, el ejemplo anterior del diagrama de puntos viola esa expectativa, ya que contiene líneas horizontales, pero es el horizontal Posición de cada punto que indica su valor cuantitativo, no su posición vertical, como las líneas podrían sugerir a muchas personas.
- Algunas personas parecen pensar inicialmente que las líneas “van en la dirección equivocada”, ya que, en sus mentes, dichas líneas siempre están asociadas con escalas cuantitativas en los gráficos, no con escalas categóricas. Ver líneas asociadas con una escala categórica parece desconcertar a algunas personas, posiblemente porque no pueden entender el gráfico hasta que se dan cuenta de que su comprensión de cómo funcionan las líneas de cuadrícula es incorrecta o, al menos, demasiado estrecha.
- Parece un diagrama de puntos de una serie temporal: Cuando se encuentran con un diagrama de puntos vertical por primera vez, algunas personas parecen asumir inicialmente que están viendo un diagrama de puntos de una serie temporal, pero luego se confunden cuando ven que el eje horizontal no es el tiempo. Luego tienen que darse cuenta de que su suposición del diagrama de puntos de la serie temporal era incorrecta antes de poder comprender lo que están viendo.
¿Se puede hacer algo?
Tenga en cuenta que ninguno de estos problemas surge del hecho de que el gráfico anterior es un diagrama de puntos sino, en cambio, del individuo elementos de diseño (forma de punto, presencia/orientación de líneas de cuadrícula, etc.) de este diseño de diagrama de puntos en particular, que es el diseño tradicional para diagramas de puntos. Entonces, al cambiar los elementos de diseño, ¿podremos hacer que los diagramas de puntos sean “más amigables” para quienes los encuentran por primera vez? ¿Incluso, posiblemente, lo suficientemente amigables como para no requerir explicación alguna? Mi tweets recientes sobre alternativas de diagrama de puntos Encajó con el pensamiento de Nick, y decidimos colaborar en este artículo en un esfuerzo por diseñar un diagrama de puntos más amigable. Los principales objetivos de nuestro rediseño, entonces, serían:
- Para que sea más obvio de inmediato que el gráfico no es un diagrama de dispersión o un diagrama de puntos de serie temporal y, para quienes no conocen los diagramas de puntos, es un nuevo tipo de gráfico, por lo que tendrán que reducir la velocidad y descubrir cómo funciona.
- Para hacer que la dirección de la medida sea más obvia (horizontal para un diagrama de puntos horizontal, vertical para un diagrama de puntos vertical y no tanto horizontal como vertical como en un diagrama de dispersión).
- Para que sea más obvio, el gráfico funciona de manera similar a un gráfico de barras.
Entonces, ¿cómo podríamos modificar los elementos de diseño del diagrama de puntos de Cleveland para lograr estos objetivos de rediseño y hacer que los diagramas de puntos sean más amigables? Pensando en términos generales al principio, podemos imaginar los siguientes cambios:
- Reemplazar las líneas de guía de categorías con algo que se parece menos a líneas de cuadrícula cuantitativas. Tal vez líneas más gruesas pero más claras, sombreado de cebra o nada en absoluto.
- Reemplace la marca de punto circular con una forma que sugiera visualmente una dirección de medida (horizontal o vertical, pero no ambas). Tal vez una marca de tubería (“|”), un extremo de barra descolorido o un banderín.
- Añadir guías para la escala cuantitativa. . Quizás líneas de cuadrícula, sombreado o más relleno se comporten igual que en la mayoría de los otros gráficos, es decir, sean perpendiculares a la dirección de medición y sirvan para permitir a los usuarios estimar visualmente con mayor precisión los valores cuantitativos de las marcas en el gráfico.
Explorando alternativas
Las posibles combinaciones de elementos de diseño se suman rápidamente (o, deberíamos decir, “se multiplican” rápidamente), y las opciones anteriores aún no incluyen variables que no sean datos como el tamaño del gráfico, la orientación y los bordes, que también influyen en la comprensión. La siguiente galería presenta solo algunas de las combinaciones de nuestra amplia gama de opciones. Los datos provienen de la lista de Wikipedia de récords nacionales de salto de longitud . Para controlar el número de categorías y aun así proporcionar una distribución razonable de valores, mostramos solo los países con las poblaciones más grandes. Como resultado, no aparecen países pequeños con excelentes registros en salto de longitud.
Cuando el número de categorías es mayor, resulta más difícil asociar visualmente las marcas con sus etiquetas de categoría correspondientes, por lo que las opciones de diseño que funcionan mejor para gráficos con un número pequeño de categorías pueden diferir de aquellas para gráficos con un número mayor de categorías. La siguiente galería presenta algunas combinaciones de elementos de diseño con una mayor cantidad de categorías:
Como si aún no tuviéramos suficientes combinaciones de opciones de diseño para considerar, también está la orientación (horizontal o vertical) para agregar a la mezcla:
Como no podemos mostrar todas las combinaciones posibles de elementos de diseño y queremos fomentar la experimentación, creamos una interesante interfaz interactiva. cuaderno observable que permite a cualquiera experimentar con diferentes combinaciones de elementos de diseño. En esa página, puede usar un panel de control (vea la captura de pantalla a continuación) para ver instantáneamente cómo se ven las diferentes combinaciones de diseño en un gráfico de muestra que se regenera cada vez que se cambia un elemento de diseño.
Rediseños prometedores
Después de experimentar con varias combinaciones nosotros mismos y tener en cuenta nuestros objetivos de rediseño, planteamos la hipótesis de que las siguientes funcionarían mejor con usuarios que no utilizan diagramas de puntos o, al menos, funcionarían mejor que el diseño convencional.
Para conjuntos de datos con menos de ocho categorías:
Favorecimos estos diseños por varias razones:
- Las formas de las marcas de tuberías y barras descoloridas respaldan varios de nuestros objetivos de rediseño:
- Hacen que sea más obvio de inmediato que el gráfico no es un diagrama de dispersión o un diagrama de puntos de series temporales, ya que esas formas de marcas serían opciones poco convencionales para esos tipos de gráficos. Para los usuarios que nunca antes han visto un diagrama de puntos, es probable que las marcas no les resulten familiares, lo que sugiere un nuevo tipo de gráfico que necesitarán aprender.
- Hacen que sea más inmediatamente obvio que la dirección de la medida es exclusivamente horizontal, y no vertical o a la vez horizontal y vertical. Las marcas de barras descoloridas hacen aún más obvio que las marcas que están más a la derecha representan cantidades absolutas mayores (a diferencia de cantidades absolutas menores, que sería el caso si todos los valores fueran negativos).
- Sugieren visualmente los extremos de las barras, lo que sugiere la forma correcta de interpretar el gráfico. Las marcas de “barra descolorida” lo hacen aún más obvio.
- No hay líneas guía de categorías que puedan confundirse con líneas de cuadrícula cuantitativas. Si los usuarios necesitan estimar visualmente valores con muy alta precisión, se pueden agregar líneas de cuadrícula cuantitativas sin introducir ninguna confusión (de hecho, las líneas de cuadrícula cuantitativas podrían incluso ayudar con la comprensión inicial, ya que reforzarían visualmente aún más la dirección de la medida).
- Estos diseños preservan un beneficio clave de los diagramas de puntos de Cleveland, ya que los valores todavía se representan como marcas con diferentes posiciones 2D y no con diferentes longitudes (como en un gráfico de barras), lo que reduce el riesgo de que los usuarios comparen las cantidades incorrectamente cuando la escala cuantitativa no No incluye cero. Si hubiéramos utilizado las guías de categoría de forma de “barra” o “aguja”, habríamos perdido este beneficio.
Si los datos que se van a visualizar tienen más de ocho categorías, asociar las marcas con sus etiquetas de categoría se vuelve más complicado y propenso a errores, por lo que se hace necesario algún tipo de guía de categorías. A nuestros ojos, las guías de categorías gruesas pero ligeras funcionaron mejor con marcas de tuberías, y las líneas separadoras finas funcionaron mejor con marcas de barras descoloridas:
Sin embargo, no hemos probado estos diseños en usuarios sin experiencia en diagramas de puntos comparándolos con el diseño convencional, por lo que en este momento son sólo hipótesis. Sin embargo, por las razones analizadas anteriormente, sospechamos que funcionarían mejor que el diseño de diagrama de puntos convencional. Háganos saber lo que piensa en los comentarios, o si cree que otras combinaciones de elementos de diseño podrían generar un diagrama de puntos más amigable.
