En los últimos años, he usado Día Pi para llamar la atención sobre gráficos circulares inadecuados rehaciendo uno bajo la bandera de #onelesspie . Este año, me enfoco en otra tabla redonda, la carta de radar , también conocido como un gráfico de araña o gráfico de estrellas. Al igual que con el gráfico circular, la redondez del gráfico de radar tiene un cierto atractivo estético. Pero la redondez también hace que sea más difícil ver los datos.
El vicepresidente de ventas y marketing para JMP , Jon Weisz, monta sus propias ruedas de bicicleta y corrió a través de este gráfico de radar que muestra las medidas de tensión de los radios.
Las distancias de las líneas naranja y azul desde el centro corresponden a los valores de tensión. La mitad de los radios se conectan al borde izquierdo del cubo y la otra mitad al borde derecho. En caso de que se lo pregunte, las tensiones izquierda y derecha son diferentes porque se trata de una rueda trasera y los engranajes del lado derecho afectan la tensión del radio. Los radios están numerados del 1 al 16, en sentido horario desde la parte superior.
Aquí están los mismos datos en un gráfico de coordenadas cartesianas "normal".
Mi primera reacción fue que esto ni siquiera se parece a los mismos datos que en la tabla de radar. Todas las variaciones de tensión son fáciles de ver en la línea cartesiana, pero no en la versión radial. Hice que los ejes tuvieran las mismas escalas (1 - 16 números de radios y 0 - 150 valores de tensión), aunque las coordenadas cartesianas proporcionan la flexibilidad de acercar las líneas si quisiéramos una imagen aún más clara de la variación.
¿Qué quiero decir con que los datos sean más difíciles de ver? Eche un vistazo, por ejemplo, a los radios 12, 13 y 14, resaltados en rosa.
Los valores de tensión naranja están disminuyendo uniformemente y aparecen como una línea recta en la vista cartesiana, pero no en la vista radial. A la inversa, los valores azules forman una línea recta en la vista radial, pero no en la vista cartesiana. Para leer el gráfico del radar de manera efectiva, tenemos que volver a asignar nuestras codificaciones visuales básicas para los datos. Me gustan los gráficos donde no tengo que pensar conscientemente acerca de la codificación visual.
Es natural pensar que la desventaja de volver a asignar nuestra percepción se compensa con la ventaja de representar datos circulares, como las ruedas de una bicicleta, con un gráfico circular, pero en un periódico del IEEE de 2012 ". Pruebas gráficas para comparación de potencia de diseños competitivos , "encontró que las desventajas perceptivas superaban la ventaja. Heike Hofmann y sus colaboradores probaron gráficos radiales versus cartesianos de datos relacionados con la dirección del viento, y la visión cartesiana fue aún más efectiva para ver características interesantes.
¡Así que se cuadrado para el Día Pi!
How do you draw a radar chart like that in JMP?
Miguello:
Los diagramas de radar / estrella / araña se pueden crear fácilmente a través de scripts JMP, como en este script disponible por Clay Barker en la Comunidad JMP -> Intercambio de archivos -> Scripts: Star Plot Script Sin embargo, estoy totalmente de acuerdo con Xan. Si bien los Gráficos de Radar / Estrella / Araña crean gráficos bonitos, estos gráficos redondos hacen que sea más difícil ver las verdaderas diferencias en sus mediciones. La representación gráfica de la historia real en sus datos a menudo se sirve mucho mejor utilizando un tipo de gráfico más claro, como un gráfico de líneas, barras o área.
Este es un caso de comparación de la utilidad de las herramientas destinadas a aplicaciones completamente diferentes. Los gráficos cartesianos están diseñados para visualizar datos con una dependencia funcional abstracta f (x), donde la variable independiente es (o tiene propiedades que son significativas si se considera como) un escalar clasificable de rango potencialmente infinito (conteo, instancia, tiempo, dinero, etc.). distancia etc.). Las gráficas de "radar" se utilizan para datos (R) cuya dependencia de la variable independiente () es de naturaleza cíclica. En lugar de resaltar la correlación o evolución de las tendencias entre los factores, estas gráficas muestran asimetrías dentro del ciclo y tienen un valor inmenso para analizar / predecir comportamientos de sistemas cíclicos o cualquier sistema en condiciones de repetición. Cuando se usan según lo previsto, son obviamente incompatibles.
