Wykresy bez ograniczeń

Jakiego wykresu użyć?

Zacznij od pytania, na które odpowiadają twoje dane, a nie od wykresu, który lubisz. Oto jak dopasować jedno do drugiego — i jakich błędów warto unikać.

Zacznij od zadania

Każdy wykres koduje liczby jako coś, co widać: położenie, długość, kąt, pole albo kolor. Ludzie oceniają je z bardzo różną dokładnością. W rankingu Clevelanda i McGilla najdokładniej odczytuje się położenie na wspólnej skali, potem położenie na niewyrównanych skalach, potem długość i kąt, potem pole, a na końcu odcień koloru (Cleveland & McGill 1984). Dobry wykres umieszcza więc najważniejsze porównanie w najdokładniejszym kodowaniu.

Dlatego pierwszy krok to nazwanie zadania: czy porównujesz wielkości, pokazujesz zmianę w czasie, pokazujesz części całości, zestawiasz dwie miary, czy pokazujesz, jak rozkładają się wartości?

Twoje pytanie	Sięgnij po	Dlaczego
Jak wypadają te wielkości w porównaniu?	Wykres kolumnowy	Długości na wspólnej linii bazowej porównuje się najłatwiej.
Jak wygląda ranking wielu kategorii?	Wykres słupkowy	Poziome słupki zostawiają miejsce na długie etykiety.
Jak to się zmieniało w czasie?	Wykres liniowy	Nachylenie pokazuje tempo zmian.
Z czego składa się ta całość?	Wykres pierścieniowy	Przy kilku częściach i jednym jasnym przekazie.
Czym różnią się proporcje między grupami?	Wykres skumulowany 100%	Udziały ustawiają się przy wspólnych krawędziach.
Czy te dwie miary zmieniają się razem?	Wykres punktowy	Każdy wiersz staje się punktem; wyłaniają się wzory.
Jak rozkładają się te wartości?	Histogram	Przedziały ujawniają kształt rozkładu.
Jak wypada rozrzut kilku grup?	Wykres pudełkowy	Mediany i kwartyle obok siebie.
Co doprowadziło nas od tej liczby do tamtej?	Wykres kaskadowy	Pływające słupki łączą dwie sumy.
Gdzie ludzie odpadają?	Wykres lejkowy	Każdy etap jest podzbiorem poprzedniego.
Które nieliczne przyczyny liczą się najbardziej?	Wykres Pareto	Posortowane słupki plus linia skumulowana.

Zmiana w czasie

Czas prawie zawsze biegnie od lewej do prawej. Przy wielu punktach użyj linii; przy kilku okresach sprawdzą się kolumny, dzięki którym każdą wartość łatwo odczytać. Skumulowane wykresy warstwowe pokazują sumę i jej części w czasie, ale precyzyjnie da się odczytać tylko dolną warstwę.

Nigdy nie umieszczaj dwóch miar o różnych jednostkach na dwóch osiach Y. Dopasowanie dwóch skal jest arbitralne, więc każde pozorne przecięcie czy korelacja to artefakt tego, jak ustawiono osie. Użyj dwóch wykresów albo przelicz obie miary na indeks.

Części całości

Wykresy kołowe i pierścieniowe sprawdzają się przy dwóch do sześciu części i prostym przekazie. Przy większej liczbie części albo częściach podobnej wielkości posortowane słupki są czytelniejsze. By porównać skład kilku grup, użyj wykresu skumulowanego 100% zamiast rzędu kół.

Sprawdź, czy części naprawdę składają się na całość. Pytania ankietowe dopuszczające kilka odpowiedzi albo nakładające się kategorie się nie składają.

Kolor z celem

Daj każdej serii jeden kolor i trzymaj się go, wykres po wykresie. Nie koloruj słupków według wartości, gdy kategorie nie mają kolejności — wartość pokazuje już długość. I nie używaj więcej kolorów, niż czytelnicy potrafią rozróżnić: najwyżej około ośmiu, a przy wykresach punktowych mniej. Palety Chart Buffet oznaczone jako „bezpieczne dla daltonistów” są sprawdzone tak, by sąsiednie kolory pozostawały rozróżnialne przy najczęstszych formach zaburzeń widzenia barw.

Gdzie się da, podpisuj bezpośrednio. Legenda każe czytelnikom zerkać tam i z powrotem; etykietę na końcu linii albo na słupku czyta się od razu.

Zachowaj uczciwość

Słupki i obszary muszą zaczynać się od zera, bo ich długość lub pole jest wartością. Linie nie muszą, bo przekazem jest ich nachylenie, ale powiedz o tym, jeśli ucinasz oś.

Usuń to, co nie niesie informacji — ciężkie linie siatki, ramki, efekty 3D, cienie. Tufte nazwał stosunek danych do całej reszty „współczynnikiem tuszu danych” i przekonywał, że należy go zwiększać (Tufte 1983).

Bibliografia

Cleveland, W. S. & McGill, R. (1984). Graphical perception: theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association 79(387), 531–554.
Bertin, J. (1967). Sémiologie graphique. Paris: Gauthier-Villars; La Haye: Mouton.
Tufte, E. R. (1983). The Visual Display of Quantitative Information. Cheshire, CT: Graphics Press.
Munzner, T. (2014). Visualization Analysis and Design. Boca Raton, FL: CRC Press.
Friendly, M. & Denis, D. J. (2001). Milestones in the history of thematic cartography, statistical graphics, and data visualization. Web document.