Come visualizzi i dati distorti su centinaia di categorie? Sto sperimentando un nuovo modulo grafico che potrebbe aiutare in questo. Lo chiamo "bar gremiti". È una sintesi di un grafico a barre ordinato e una mappa ad albero. Ecco come appare un grafico a barre ricco di dati recenti sulla capitalizzazione di mercato dell'S&P 500.
Le barre blu "primarie" e l'asse formano un normale grafico a barre ordinato che mostra le 12 maggiori società per capitalizzazione di mercato. Ogni barra grigia "secondaria" rappresenta una delle altre società. Alcune delle barre secondarie possono essere etichettate se lo spazio lo consente, ma il loro scopo principale è fornire un contesto per le barre primarie. L'idea è di sostenere il Messa a fuoco + contesto principio di visualizzazione dei dati.
Possiamo avere un'idea approssimativa di quante categorie secondarie ci siano, quale sia la loro dimensione totale e persino come sono distribuite le dimensioni. E poiché sono sulla stessa scala delle barre primarie, possiamo anche stimare alcuni valori dalla lunghezza che si estendono sull'asse. In una visualizzazione dinamica, è possibile accedere alle etichette delle categorie e ai valori delle categorie secondarie tramite le etichette al passaggio del mouse.
Il bordo destro non esce sempre così uniforme, ma posizionando le barre secondarie più grandi prima da sinistra a destra, di solito funziona abbastanza bene.
Esempi
A volte i valori sono così distorti che il riempimento secondario non supera le barre primarie. Questo è il caso dei grafici delle economie mondiali in base al PIL nominale. Questo grafico a barre ricco mette in evidenza le prime sette delle 192 economie mondiali. (Non proprio come il G7 , a proposito).
La scelta di sole quattro categorie primarie mette in evidenza il fatto che l'economia statunitense rappresenta circa un quarto del PIL nominale mondiale.
Se la somma delle categorie secondarie rientra nella stessa scala delle barre primarie, possono essere impacchettate in una barra separata come questa.
L'economia non è l'unica fonte di dati distorti. Ecco i conteggi degli effetti collaterali dai dati degli studi sui farmaci nicardipina.
La dimensione delle barre rappresenta il numero di occorrenze e il colore rappresenta la gravità media. I colori secondari sono ancora sbiaditi per mantenere a fuoco le categorie primarie, ma non è necessario che lo siano se è importante una rappresentazione del colore più fedele.
Il set di dati che mi ha avviato su questo percorso era una raccolta di nomi di cani registrati a New York City. Ecco la mia creazione che mette in evidenza la top 25 di oltre 16.000 nomi.
A differenza degli altri esempi di barre imballate, le categorie secondarie sono state disposte in ordine alfabetico e riga per riga per supportare la ricerca di un nome di cane particolare (con l'aiuto di etichette al passaggio del mouse). Lo svantaggio di questa disposizione è che il bordo destro è notevolmente meno uniforme.
Un vantaggio di avere un vero asse x (a differenza di una mappa ad albero) è la possibilità di stimare la somma generale per l'intera popolazione. In questo caso, abbiamo 25 righe e ciascuna va a poco più di 4.000 sull'asse di conteggio. Possiamo stimare il numero di cani a 25 x 4.000+ = 100.000+.
L'esempio della nicardipina ha mostrato l'uso di una scala di colori continua per le barre. Con la colorazione categorica, è meno probabile che lo sbiadimento complichi l'interpretazione del colore. In questa visione dei nomi dei cani, ho usato l'arancione per i nomi che terminano con una "y".
Variazioni
Ho sperimentato variazioni e gli esempi sopra ne dimostrano molte. Quando si costruisce un grafico a barre compresso, possiamo scegliere tra le seguenti opzioni:
Quante righe? C'è un buon default generale? Un numero tondo come 10 semplifica l'applicazione del trucco della moltiplicazione per ottenere la somma generale, ma le proporzioni potrebbero essere più importanti.
Posizionare le barre secondarie da sinistra a destra per dimensione o riga per riga in ordine alfabetico? La dimensione da sinistra a destra indica che la posizione del bordo sinistro di ciascuna barra secondaria corrisponde all'ordinamento per dimensione, indipendentemente dalla riga. Più grande è la barra, più è a sinistra. In un certo senso è coerente con le barre primarie ordinate per dimensione e ha il vantaggio di un bordo destro più pulito. E tenere insieme le dimensioni simili può essere utile per comprendere la distribuzione. L'ordine alfabetico riga per riga è più utile per trovare categorie particolari in una visualizzazione interattiva. Le barre secondarie sono disposte in ordine alfabetico, da sinistra a destra entro ogni riga, a partire dalla riga superiore.
Colorazione delle barre secondarie? Ho provato grigi casuali, colori sbiaditi e colori reali. La randomizzazione dei grigi rende superflue le linee di separazione (evitando grigi duplicati consecutivi).
Etichettatura delle barrette primarie? L'inserimento delle etichette su un asse esterno all'area del grafico evita il vincolo dell'adattamento all'interno della barra. Ma inserire le etichette primarie all'interno delle barre aiuta a distinguerlo da un grafico a barre in pila ed è più efficiente in termini di spazio.
Etichettatura delle barre secondarie? Inizialmente ho preferito nessuna etichetta secondaria per enfatizzare la loro contesto ruolo, ma avere alcune etichette sembra essere di grande aiuto per i nuovi spettatori che non sono del tutto sicuri di cosa stia succedendo.
Pila separata per le barre secondarie? Uno stack "Altro" è fattibile quando i dati sono così distorti che la somma di tutti i valori secondari è sulla stessa scala delle barre primarie.
Unire tutte o alcune delle barre secondarie in una solida regione "altra"? Ciò manterrebbe la maggior parte dell'aspetto del contesto, renderebbe il bordo destro liscio e renderebbe il display meno rumoroso. Ma fornisce alcune informazioni sulla cardinalità e la distribuzione delle dimensioni secondarie.
Alternative
In che modo le barre imballate si confrontano con modi alternativi di visualizzare dati distorti con molte categorie?
- Rispetto ad un grafico a barre delle categorie principali, il grafico a barre compresso acquisisce il contesto delle categorie rimanenti. Lo svantaggio principale è che le barre secondarie ingrandiscono il grafico (o le barre primarie si restringono) e occupano spazio che potrebbe essere utilizzato per etichette o annotazioni.
- Rispetto a mappe degli alberi , le barre imballate in generale hanno rappresentazioni dei dati più accurate (lunghezze delle barre su un asse rispetto alle aree senza alcun asse), ma il vantaggio maggiore consiste nel vedere le categorie primarie, che ottengono etichette prominenti e dimensioni allineate all'asse. Tuttavia, le mappe ad albero supportano la nidificazione e il vero riempimento dello spazio (nessun bordo destro frastagliato). E piccoli valori possono essere meglio rappresentati nelle mappe ad albero, nel senso che è più facile vedere un rettangolo di 3x4 pixel che una barra di 1x12 pixel. Sebbene gli assi nelle barre imballate portino precisione, occupano spazio, rendendo le mappe ad albero più efficienti in termini di spazio.
- Rispetto a bolle confezionate (come nel grafico a bolle di nomi di cani originali ), le barre imballate hanno un posizionamento più regolare per la scansione e il vantaggio percettivo della lunghezza rispetto all'area del cerchio per rappresentare i valori dei dati. Tuttavia, come con le mappe ad albero, i valori minuscoli possono essere più facili da distinguere come bolle (un cerchio di 4 pixel di diametro rispetto a una barra di 1x12 pixel).
- Rispetto ad un grafico a dispersione unidimensionale , le barre imballate aggiungono etichette prominenti e allineate per le categorie principali e il senso della somma cumulativa. Un grafico a dispersione ha il vantaggio di utilizzare una codifica posizionale accurata per tutti i valori e di mantenere disponibile il canale delle dimensioni per un'altra variabile; ma l'overstriking deve essere contrastato con jitter o dodging, che possono essere problematici con dati molto distorti.
- Rispetto a barre avvolte , che riorganizza le barre in più colonne, le barre imballate sono più efficienti in termini di spazio, il che aiuta a supportare più categorie (1.000 anziché 100) e le barre imballate aggiungono un senso di area totale. Barre avvolte supportare una lettura più accurata del "secondario" valori delle barre poiché le loro basi sono allineate e le barre avvolte dovrebbero avere una curva di apprendimento inferiore poiché assomigliano più ai normali grafici a barre.
Svantaggi
La principale critica ai bar pieni è la somiglianza con barre impilate , il che porta a credere che le barre di ogni riga siano correlate tra loro. Ho ridotto gli spazi tra gli stack più piccoli del tipico per un grafico a barre in pila nel tentativo di ridurre quella potenziale confusione, ma non sono sicuro che possa essere eliminata. Spero che i vantaggi superino questo ostacolo.
Altri svantaggi sono in gran parte compromessi che potrebbero essere affrontati dalle scelte nelle opzioni sopra elencate. Ad esempio, se i grigi casuali sembrano troppo distrarre, le barre secondarie possono essere colorate in qualche altro modo o fuse insieme come semplificazione intenzionale.
Guida annotata
Questa prossima immagine non fa per te; è per chi ha sfogliato il post guardando solo le foto.
Provalo in JMP
Sebbene questo sforzo sia ancora sperimentale, ho allegato uno script JSL per creare la variazione più semplice di un grafico a barre compresso JMP . Funziona applicando prima la logica di impacchettamento ai dati, creando variabili sintetiche di numero di riga e colore. Quindi crea un normale grafico a barre in pila in Generatore di grafici con la colorazione e la disposizione di un grafico a barre compresso.
Cosa ne pensi?
Penso che le barre piene possano essere utili per determinati tipi di dati, ma mi rendo conto di essere troppo coinvolto per essere obiettivo. Quindi sto cercando un feedback su tutti gli aspetti di questo sforzo: layout, terminologia, etichettatura, colori, ecc. E per favore fatemi sapere se avete dati che potrebbero trarre vantaggio da questo display: posso provarlo per voi usando il mio prototipo .Sono Stato twittando più esempi; se sei interessato, dai un'occhiata nomi di cani per sesso e conta danni al prodotto . Se vuoi provare a creare grafici a barre compressi su altre piattaforme di creazione di grafici, anche questo è fantastico.
Grazie per aver dato un'occhiata!
Aggiornamenti agosto 2017 : Oltre allo script JMP allegato, ora sono disponibili un componente aggiuntivo Excel e uno script d3.js per creare grafici a barre compressi. Si possono trovare al packbars github area . Il componente aggiuntivo è stato realizzato grazie alla collaborazione con l'esperto di dati Excel, Jon Peltier . Un poster di bar gremiti è stato accettato per il IEEE VIS conferenza di ottobre. La presentazione del poster richiedeva a Video di anteprima di 25 secondi ; è allegata una versione GIF animata con didascalie anziché audio.
Bello sentirti, Mark -- grazie! E grazie per averlo provato con dati reali. Sono contento che tu abbia colto l'applicazione Pareto e l'aspetto dei dettagli su richiesta.
Se hai qualche "roba segreta" anonimizzata che posso usare, per favore passala - è sempre bene avere esempi pratici.
Ho twittato una galleria di grafici, tra l'altro.
Sfortunatamente, non puoi controllare facilmente la spaziatura delle barre in JMP 13. Ci sono alcuni trucchi se vuoi davvero ottenere l'effetto, ma per il resto lo script si avvicina solo all'aspetto delle barre piene.
Ho avuto un'interessante progressione di reazioni durante questo post 
Le mie reazioni iniziali erano sulla falsariga di "questo non è proprio nuovo, lo abbiamo fatto... oh, aspetta, no, è diverso..." un paio di volte di seguito.
Penso che questa tecnica abbia molto potenziale per insiemi di dati grandi e ordinati. Mi sembra che tutte le carenze che ha siano già insite nelle mappe ad albero e che questa tecnica migliori queste carenze.
Penso che il potenziale di confusione sia alto, inizialmente. Far capire al pubblico la differenza tra questa e una mappa ad albero, o questa e una barra in pila, potrebbe essere una sfida in alcuni casi.
Ma penso che valga la pena esplorare, e preferirei *molto* tracciare i miei dati in questo formato piuttosto che in una mappa ad albero standard.
Bel lavoro.
