시각화는 초기 탐색에서 중요한 결과 및 통찰력의 전달에 이르기까지 데이터 분석 프로세스 전반에 걸쳐 매우 중요합니다. 우리는 패턴을 발견하고 숨어 있는 관계를 발견하고 시각적으로 소통합니다.
고차원 데이터, 즉 많은 열과 행이 있는 데이터 테이블을 사용하면 전체 패턴을 나타내기에 충분할 만큼 데이터를 요약하고 데이터 변동성의 규모와 정도를 보여주는 그래프를 만드는 것이 어려울 수 있습니다. 이러한 요구 사항의 균형을 맞추는 몇 가지 방법을 고려해 보겠습니다.
설명을 위해 2019년 3월에 모든 미국 국내선에 대한 일부 항공사 출발 및 도착 데이터를 살펴보겠습니다. 데이터 테이블은 내 책과 함께 제공됩니다. JMP를 사용한 실용적인 데이터 분석, 3판 . 전체 데이터 테이블에는 38개의 열과 632,000개 이상의 행이 포함되어 있습니다. 먼저, 몇 분 단위로 보고되는 도착 지연을 고려합니다. Graph Builder에서 ArrDelay 열을 Y 놓기 영역으로 이동하고 기본 그래픽인 이상값 상자 그림을 생성합니다.
이 플롯은 중앙값이 0에 가까운 매우 오른쪽으로 치우친 지연 분포를 보여줍니다. 아마도 항공편의 50%는 예정보다 일찍 도착하고 75%는 약간의 지연만 있을 뿐입니다. 5개의 숫자 요약 상자를 선택하면 더 많은 정보를 알 수 있으며 최대값인 1,928분 또는 32시간 지연에 대해 궁금해할 수 있습니다.
이상치 상자 그림의 위쪽 수염은 Q3 + 1.5*(사분위수 범위)로 구성되며, 이 경우에는 31.5 + 1.5(21) = 37.5입니다. 크지만 불확실한 관측치가 37분 이상에 있습니다. 화살표 도구를 사용하여 수염 위의 점을 선택하면 거의 54,000개의 이상값이 있다는 것을 알게 되지만 이 그래프의 초기 렌더링에서는 더 높은 값에서 일부 감쇠된 점이 있는 어두운 선을 볼 수 있습니다.
더 큰 문제는 이상값이 대부분의 항공편이 예정된 시간보다 몇 분 이내에 도착했다는 사실을 시각적으로 왜소하게 만들 수 있다는 것입니다. 우리의 우선 순위가 분포의 중심과 모양을 전달하는 것이라면 히스토그램 또는 바이올린 플롯을 선호할 수 있습니다. 후자는 등고선 플롯 옵션입니다. . 다음은 두 개의 그래프를 나란히 놓은 것입니다.
이러한 시각화는 외곽 지점을 지나치게 강조하지 않고 전체 분포의 위치와 모양을 강조 표시합니다. 반면에 그들은 실제로 데이터 포인트를 전혀 표시하지 않습니다.
물론 그래프를 마우스 오른쪽 버튼으로 클릭하고 추가 > 포인트를 선택하여 모든 개별 포인트를 이러한 플롯에 추가할 수 있습니다. 다음은 윤곽선에 점이 겹쳐진 바이올린 플롯입니다.
문제는 오버플로팅이 너무 많아서 대부분의 포인트가 보이지 않는다는 것입니다. 무엇을 해야 합니까?
다음은 다섯 가지 간단한 전술입니다.
1. 분할 정복 . 작은 그래프 세트를 만드는 것이 첫 번째 선택이 아닐 수 있지만 다른 팁을 더 명확하게 설명하는 데 도움이 되기 때문에 이 그래프부터 시작합니다. 1차원 그래프에 과도한 오버플로팅이 있는 경우 다른 차원을 포함합니다. 예를 들어 데이터에는 지연의 주요 원인을 식별하는 범주형 변수가 포함되어 있습니다. 지연이 발생했을 때 . 이 데이터 세트에서 항공편의 약 1/3만이 지연되었으므로 600,000개가 아닌 약 200,000개의 포인트가 표시됩니다.
사용 주요 원인 그룹화 변수는 지연 변동의 근본적인 동적 이유를 식별하는 데 도움이 되며 개별 데이터 값을 보다 명확하게 표시합니다. 예를 들어, 대부분의 지연은 운송업체와 지연된 장비로 인해 발생하고, 가장 긴 지연은 운송업체에 기인하며, 보안 지연은 드물고 짧다는 것이 즉시 분명해집니다.
이 렌더링에서 점은 더 이상 수직으로 정렬되지 않지만 초조해. 즉, 그들 사이에 공백을 넣기 위해 약간 왼쪽과 오른쪽으로 재배치되었습니다. 이것은 우리를 두 번째 전술로 인도합니다.
2. 지터 추가 또는 조정 . 이 일변량 그래프에서 일부 포인트는 균일하게 왼쪽이나 오른쪽으로 이동했습니다. 기본 지터 패턴은 각 값에 얼마나 많은 비행이 있었는지 알 수 있도록 포인트를 분산시키지만 포인트는 윤곽을 덮습니다.
그래프 빌더에서 지터 컨트롤은 옵션을 제공합니다.
예를 들어 우리가 선택한다면 랜덤 노멀 지터 및 감소 지터 제한 , 바이올린을 다시 공개할 수 있습니다.
지터를 줄이면 바이올린이 노출되지만 오버플로가 증가합니다. 다음 세 가지 전술은 잉크 밀도를 줄이기 위해 더 직접적으로 처리합니다. 검은색 점을 마우스 오른쪽 버튼으로 클릭하고 도착 지연 그래프 오른쪽 상단의 범례에서.
3. 열린 마커 사용 . 선택하다 마커 > 솔리드 도트가 아닌 열린 원을 선택합니다. 이제 근접한 점이 서로 겹치지 않고 눈에 띄게 겹칩니다.
4. 더 작은 마커 사용 .열린 마커가 있는 경우에도 포인트의 밀도로 인해 상당한 오버플로팅이 발생합니다. 때로는 더 작은 점을 사용하는 것만으로도 더 많은 공백이 생겨 개별 점이 더 잘 보입니다. 범례의 검은색 원을 마우스 오른쪽 버튼으로 클릭하고 마커 크기 > 1, 소형 .
5. 반투명 마커 사용 . 열린 마커를 사용하면 점의 중심을 통해 볼 수 있지만 점의 윤곽선은 불투명합니다. 시각적 혼란을 줄이기 위해 포인트를 반투명하게 만들 수 있습니다. 다시, 범례의 검은색 원을 마우스 오른쪽 버튼으로 클릭하고 투명도… 이 대화 상자를 열려면:
표시된 대로 0과 1 사이의 값을 입력합니다. 다음은 20% 마커 밀도에 대해 0.2를 입력한 결과입니다.
이 버전에서는 매우 희박한 최상위 포인트가 거의 흐려지지만 낮은 값에 많은 포인트가 강조됩니다.
이 5가지 기본 전술은 이변량 및 다변량 플롯과 동일하게 잘 작동합니다. 예를 들어 여기 작은 열린 마커를 사용하여 도착 지연 대 출발 지연의 산점도가 있습니다. 세 번째 차원을 추가하기 위해 지연의 주요 원인에 따라 점에 색상을 지정합니다.
우리는 이제 612,000개의 모든 포인트를 플로팅하고 있으며 대부분의 포인트는 원점에 매우 가깝거나 아래에 있습니다. 왼쪽 하단의 검은 점 덩어리는 일찍 또는 정시에 도착한 항공편이므로 도착 지연의 주요 원인은 없습니다. 지연의 상대적인 빈도와 심각도는 원인별로 볼 수 있습니다. 더 중요한 것은 데이터의 밀도가 높음에도 불구하고 개별 포인트뿐만 아니라 전체 패턴을 감지할 수 있다는 것입니다.
