가끔씩, 나는 막대 그래프를 가로 질러 로그 눈금을 가로 지르며, 항상 틀린 느낌을 갖습니다. 언뜻 나는 바 길이를 비교하고 비교를 시작합니다. 하지만 결국 축의 로그 스케일을 확인하고 방금 본 모든 것을 잊고 내 축의 눈금을 축척과 비교합니다. 그런 의미에서 로그 규모의 막대는 의미있는 기준선이없는 막대 .
최근에 본 CSV 파일 (쉼표로 분리 된 값 텍스트 파일)을 읽는 속도를 비교 한 예가 있습니다.
비교의 원천은 산호 색깔의 도구에 대한 공급 업체의 백서이며, wise.io의 ParaText 얼마나 빠르는지 보여줍니다. 로그 스케일을 사용하는 것만으로 경쟁자의 속도가 자신의 속도에 더 가깝게 보이기 때문에 회사는 시각화에서 속임수로 기소 당하지 않을 수 있습니다. R 판독기보다 약 10 배 빠르지 만 2 배 빠릅니다. ParaText가 로그 스케일에서 얻는 유일한 이점은 실제로 속도가 I / O 대역폭의 약 절반 인 경우 속도가 검은 색 I / O 대역폭 막대 (상한선)에 매우 근접하다는 것입니다.
다른 사소한 노력과 마찬가지로, 데이터 시각화 균형을 맞추어야하는 상충되는 제약 조건이 종종 포함됩니다. 예, 로그 눈금 막대를 사용하면 그래프에서 통찰력을 얻는 데 방해가되지만 모든 대안이 더 나쁠 수 있습니다. 이것이 내가 데이터 시각화를 평가할 때 항상 대안을 고려하는 이유입니다.
로그 스케일은 기본 데이터가 매우 비뚤어 지거나 많은 순서로 변할 때 가장 유용합니다. 이 속도 데이터는 비뚤어지고 다양하지만 끔찍하지는 않습니다. 최대 변화는 약 200 : 1이며 이는 만 두 계급 즉시이 차트에서 두 가지 변형을 시도 할 수 있습니다.
막대를 유지하고 눈금을 선형으로 변경하십시오.로그 스케일을 유지하고 막대를 변경하십시오.다음은 선형 눈금으로의 직접 변환입니다. 사용 JMP , I / O 대역폭에 상대적으로 모든 값을 조정 했으므로 검정색 막대가 모두 100 %로 표시되지 않습니다.
바에 값을 표시하지 않았습니다. 나는 모든 막대가 정확한 값으로 라벨을 붙일 필요는 없다고 생각한다 (나는 그것을지지하는 테이블을 가지고있다). 그러나 보고서에서 이것을 공유한다면, 나는 각 카테고리에서 가장 높은 바 또는 2 개의 라벨을 붙여서 접지를 시도 할 것입니다. 원본의 모든 회전 된 레이블이 데이터의 시각적 표현을 방해하고 읽는 데 너무 많은 노력을 기울인다는 것을 알았습니다.
선형 눈금은 나쁘지 않습니다. 제품 간의 속도 차이를 직접 표현한다는 점에서 원래의 눈금보다 좋았습니다. 두 차트의 약점 중 하나는 제품 레이블이 바에서 분리된다는 것입니다. 적어도 바를 회전 시키면 바 (bar)와 범례 레이블 (legend label)을 동일한 배치로 놓습니다.
다른 그룹화 계층 구조를 사용하면 제품 모음에 직접 레이블을 지정할 수 있습니다.
비교 건너서 테스트가 덜 직접적이긴하지만 덜 중요한 비교라고 생각합니다.
이제 처음으로 돌아가서 로그 스케일을 유지하고 데이터 요소를 변경해 봅시다. 다음은 막대 대신 점과 선을 사용하는보기입니다.
포인트 자체는 위치 정보를 전달하기에 충분하지만 라인은 연결 정보를 추가하므로 레이블링을 단순화하는 데 도움이됩니다. 일반적으로 선분은 세 가지 의미를 지닙니다.
보간 (연속)연결 (범주 형)패턴 인식 (연속 또는 범주 형)보간법은 X 축이 범주 적이기 때문에 여기서는별로 의미가 없으므로 여기서 보잘 것없는 부분입니다. 그러나 연결은 매우 중요하며 패턴 인식도 유익합니다. 예를 들어, 우리는 몇 가지 제품이 동일한 업 - 다운 패턴을 가지고 있다는 것을 알 수 있습니다.
제자리에 표시된 선을 사용하면 색상이 필요하지 않습니다. 색상이 교차 선을 구별하고 데이터 선을 그리드 선에서 돋보이게하는 데 도움이되지만 개별 레이블이 아닌 기술 그룹 (R, Python 또는 전문 분야)에 색상을 사용해도 충분합니다.
이는 차트의 사용 빈도를 낮추지 만 색상의 장점을 유지합니다.
차트는 좋아 보이지만 작동합니까? 우리는 여전히 로그 스케일을 가지고 있지만 여전히 더 많은 사고가 필요합니다. 그러나 적어도 현재 데이터 요소는 규모와 충돌하지 않으며 비선형 성을 강화하는 그리드 선을 표시 할 여지가 많습니다. 로그 스케일을 사용하면 전체 범위에서 값의 차이를 더 쉽게 이해할 수 있습니다. 특히 낮은 값이 선형 스케일에서 서로 비교하여 어떻게 다른지를 알 수 있습니다.
데이터 그 자체가 각 차트 옵션의 유용성에 큰 차이를 만듭니다. 선형 눈금은 유용성의 한계에 있으며 약 10 배 차이가 있습니다. 차이가 1000 배 이상인 경우 선형 눈금은 쓸모가 없습니다. 그리고 제품간에 가치가 너무 유사하다면, 그 점은 서로를 어둡게하고 덜 유용 할 것입니다.
성능을 이해하는 데 가장 효과적인 몇 가지 가능성을 보았습니까? 아니면 완전히 다른 것이 더 좋을까요?
크레이지 쓴 :
모든 파란색 그래프가 정보를 전달하는 데 가장 적합하지만 다른 그래프의 모든 예쁜 색상 사이에서 확실하게 손실됩니다.
