در وبلاگهای قبلی مطالب زیر را خواندیم:
۱. Pie Chart
۲. Bar Chart
۳. Line Chart
۴. Scatterplot
۵. Histogram
۶. Bullet Graph
۷. Packed Bubble chart
Bubble chart یک visualization است که میتواند برای نمایش مقایسههای high-level بین اعضای یک فیلد مفید باشد. دقت در اینجا نام بازی نیست زیرا زمانی که حبابها از نظر اندازه نزدیک هستند یا در کنار دسته یا عضو مورد نظر قرار نمیگیرند، مقایسه بصری دشوار است. درعوض، Bubble chart در ارائه راهنمایی جهت به ما در رابطه با دادههای ما و نحوه مقایسه اعضای یک فیلد موثر هستند.
در هر Bubble Chart، اندازه حبابها بازتابی از مقادیر دستهها یا اعضای یک فیلد است. تعداد دستهها در فیلد انتخابی شما، تعداد حبابهای نمودار شما را تعیین میکند. شما میتوانید رنگ را برای ارائه بینش اضافه کنید و اغلب برای کمک به شناسایی دسته ها یا به عنوان راهی برای اندازه گیری مقدار عددی استفاده میشود.
همچنین میتوانید از برچسبها برای آسانتر کردن مقایسه و ارتباط مؤثرتر استفاده کنید. با این حال، برخی از حباب ها ممکن است به اندازه کافی بزرگ نباشند که دارای یک برچسب باشند. اگر دیدن هر مقدار ضروری است، ممکن است ارزش یک نمودار جایگزین را داشته باشد. چیزی مانند نمودار میله ای نیازی به برچسب ندارد زیرا بدون آنها ارتباط برقرار می کند.
چگونه Packed Bubble Charts را بخوانیم؟
هنگامی که bubble chart ارائه میشود، معمولاً هدف این است که به شما امکان میدهد به سرعت بین اعضای یک زمینه طبقه بندی مقایسه کنید. برای انجام این کار، کاربران نهایی باید به صورت بصری اندازه حبابها و همچنین رنگ را با سایر اعضای میدان در نمای مقایسه کنند تا از دادهها نتیجه بگیرند. علاوه بر این، کاربر نهایی میتواند با شمارش تعداد حلقههایی که در نمودار شما ظاهر میشوند، تعداد دستهها را در فیلد انتخابی شما شناسایی کند.
Bubble charts باید هر یک از حبابها را برای سهولت درک برچسب گذاری کنند و یک نمودار حباب خطی دارای خطوط شبکهای روشن است تا به خواننده اجازه دهد که ببیند حباب در مقایسه با سایر حبابهای نمودار کجاست. در نمودارهای حباب خطی، حباب ها پتانسیل همپوشانی دارند. اگر همپوشانی داشته باشند، به دلیل ترتیب زمانی یا اندازه، برچسبها ممکن است نمایش داده نشوند. در این مورد، ارزش دارد که از یک نمودار جایگزین استفاده کنید تا بینندگان بتوانند ارزش نمودار را شناسایی کنند.
Bubble Chart از چه نوع analysis پشتیبانی میکند؟
Bubble charts میتوانند به ساده سازی یک مجموعه داده پیچیده به یک تصویر بصری کمک کنند که مقایسه اعضا در یک فیلد مشخص را برای بینندگان آسان میکند. به عنوان مثال، میتوان تحلیل کرد که کدام نوع وام Kiva محبوب ترین (دارای بیشترین وام گیرندگان) در سراسر جهان است. سپس رنگ حبابها را بر اساس نوع هزینه ای که نشان میدهند دسته بندی میکند.
در این دیدگاه، می بینیم که Food بیشترین تعداد وام گیرندگان را دارد و خرده فروشی در رتبه دوم قرار دارد.
زمان و نحوه استفاده از Bubble Charts برای Visual Analysis
اگر حداقل یک measure و یک dimension دارید و به دنبال راهی فشرده برای visualize اطلاعات هستید، یک bubble charts به عنوان راهی برای تجسم دادههای شما مفید است. با این حال، اگر بخواهید اعداد خاصی را نشان دهید یا مقایسه دقیقی انجام دهید، bubble charts کمتر کارآمد میشوند، زیرا مقایسه دقیق بین دایره ها دشوار است، به خصوص زمانی که اندازه آنها مشابه باشد.
هنگام استفاده از bubble charts:
- از رنگهای کمی استفاده کنید که به راحتی قابل تشخیص باشند.
- حبابها را برچسب بزنید.
- حبابها را بر اساس اندازه مرتب کنید تا برای بیننده راحت تر شود.
از نمودار حبابی استفاده نکنید اگر:
- شما فقط یک علامت در یک فیلد دارید.
- حبابهای زیادی وجود دارد که تجزیه و تحلیل را دشوار میکند.
- محدوده مقادیر بین علامتها بسیار کوچک است.
- موقعیت علائم شما روی یک محور مهم است.
نمونه های عالی از Bubble Charts
این bubble chart تعداد پیادهرویهای فضایی را نشان میدهد که هر سال بین سالهای 1998 و 2019 اتفاق میافتند. هر حباب متناسب با تعداد پیادهرویهای فضایی است و به ترتیب زمانی نشان داده شده است.
- حبابها با هم همپوشانی دارند و روندها را در طول زمان نشان میدهند. واضح است که بین سالهای 2005 تا 2011 بیش از هر دوره زمانی دیگری پیاده روی فضایی صورت گرفته است.
- حبابها همه یک رنگ هستند و بیننده را آگاه میکند که هر حباب همان ابعاد را اندازه گیری میکند.
- bar chart بالا دادهها را به همان شکلی که در نمودار حباب ارائه شده نشان میدهد. با این حال، رابطه بین سالها در نمودار میله ای واضح نیست.
این bubble chart شکاف در جنسیت وام گیرندگان از یک بانک خاص را نشان می دهد. حبابی که نشان دهنده وام گیرندگان زن است بزرگتر از حبابی است که وام گیرندگان مرد را نشان میدهد. این دو حباب به درستی سهم وام گیرندگان مرد و وام گیرندگان زن را نشان میدهند.
- فیروزه نشان دهنده وام گیرندگان زن است.
- خاکستری نشان دهنده وام گیرندگان مرد است.
- تنها دو حباب در این نمودار وجود دارد که تفاوت را آشکار میکند.
نمونه های بد از Bubble Charts و جایگزین
مثال ضعیف
جایگزین بهتر
این bubble chart به تعداد وام گیرندگان از بانک بر اساس کشور مبدا آنها نگاه میکند. این نمودار برای بینندگان بسیار گیج کننده است که نمیتوانند اطلاعات مفید زیادی در مورد دادهها به دست آورند.
- حبابهای بیش از حد بر visualization غلبه میکنند.
- نمودار برای گروه بندی کشورها بر اساس اندازه حباب آنها مرتب نشده است.
- برخی از حبابها تقریباً برای دیدن بسیار کوچک هستند.
- برخی از رنگها آنقدر شبیه هستند که بینندگان نمیتوانند تشخیص دهند که کدام حباب متعلق به چه رنگی در افسانه است.
یک جایگزین بهتر برای bubble chart بالا، bar chart همه کاره است. این نمودار تعداد وام گیرندگان هر کشور را به ترتیب از بزرگترین به کوچکترین نشان میدهد. اعداد به وضوح روی میلهها مشخص شده اند و بیننده در استفاده بیش از حد از رنگ ها غرق نمیشود.
۸. Box and Whisker Plots
نمودارهای Box and whisker، که گاهی اوقات به عنوان box plots شناخته میشوند، یک نمودار عالی برای نمایش توزیع نقاط داده در یک اندازه گیری انتخاب شده هستند. این نمودارها محدودهها را در متغیرهای اندازه گیری شده نمایش میدهند. این شامل نقاط پرت، میانه، حالت و جایی است که اکثر نقاط داده در “box” قرار دارند. این تصاویر برای مقایسه توزیع بسیاری از متغیرها در برابر یکدیگر مفید هستند.
Box and whisker plots برای اولین بار توسط جان وایلدر توکی ترسیم شد. او که یک ریاضیدان آمریکایی بود، این فرمول را به عنوان بخشی از ابزار خود برای تجزیه و تحلیل دادههای اکتشافی در سال 1970 ارائه کرد. او تکنیک خود را در سال 1977 منتشر کرد و دیگر ریاضیدانان و دانشمندان داده شروع به استفاده از آن کردند. آنها تغییرات زیادی برای نشان دادن توزیع در دادهها ایجاد کردهاند.
چگونه Box and Whisker Plots را بخوانیم؟
نمودارهای Box and whisker توزیع دادهها، نقاط پرت و میانه شما را به تصویر می کشند. کادر داخل نمودار نشان میدهد که حدود 50 درصد از نقاط داده در کجا قرار میگیرند. این مجموعه دادهها را در پنج علامت خلاصه میکند. علامتی که بیشترین مقدار را دارد حداکثر نامیده میشود. احتمالاً خیلی خارج از box خواهد افتاد. علامتی که کمترین مقدار را دارد حداقل نامیده میشود. به احتمال زیاد خارج از box در طرف مقابل به عنوان حداکثر خواهد افتاد.
خود box شامل چارک پایین، چارک بالایی و میانه در مرکز است. میانه مقداری است که نیمه بالاتر را از نیمه پایینی یک نمونه داده، یک جامعه یا یک توزیع احتمال جدا می کند. شما میتوانید میانه را به عنوان مقدار “وسط” در مجموعه ای از اعداد بر اساس شمارش مقادیر شما به جای وسط بر اساس مقدار عددی در نظر بگیرید. این بخش ها به بیننده کمک میکند تا ببیند که میانه در کجای توزیع قرار می گیرد. چارک پایین صدک 25 است در حالی که چارک بالایی صدک 75 است. میانه وسط است، اما کمک میکند تا درک بهتری از آنچه از این اندازهگیریها انتظار میرود داشته باشید. whiskerها (خطوطی که از box در هر دو طرف امتداد می یابند) معمولاً تا 1.5* محدوده بین ربعی (box) گسترش می یابند تا مرزی فراتر از آن در نظر گرفته شود.
Box and Whisker Plots از چه نوع analysis پشتیبانی میکند؟
از نمودار box and whisker برای نشان دادن توزیع دادهها در یک جمعیت استفاده کنید. آنها به کاربران اجازه میدهند تا در یک نگاه تعیین کنند که اکثر نقاط در کجا قرار میگیرند. آنها هنگام مقایسه توزیع بین اعضای یک دسته در دادههای شما مفیدتر هستند. مثال بالا توزیع دستمزدهای NBA در سال 2017 است. برای اینکه ببینیم کدام یک دارای طیف وسیعی از دستمزدها هستند، به تفکیک تیم تقسیم شده است. همچنین نشان میدهد که کدام تیمها مقادیر پرت زیادی دارند. همانطور که در بالا نشان داده شده است، می توان چندین طرح box and whisker را به صورت افقی یا عمودی ترتیب داد تا امکان مقایسه آسان فراهم شود.
زمان و نحوه استفاده از Box and Whisker Plots برای Visual Analysis
هنگامی که نتیجه مورد نظر از تجزیه و تحلیل شما درک توزیع نقاط داده در محدوده ای از مقادیر است، از نمودار box and whisker استفاده کنید. آنها همچنین به شما کمک میکنند تا وجود نقاط پرت را در مجموعه داده تعیین کنید.
به خاطر داشته باشید که مراحل ساخت box and whisker بین نرم افزار متفاوت است، اما اصول یکسان باقی میمانند. برای تقسیم بندی نمای خود به یک فیلد طبقه بندی کیفی نیاز دارید. همچنین برای پارتیشن بندی فیلد دسته بندی خود به یک مقدار کیفی دانه بندی بیشتری نیاز دارید. در نهایت، برای اندازه گیری به مجموعه ای از مقادیر نیاز دارید. در نمای زیر، فیلد دسته بندی ما “ورزش” است، ارزش کیفی ما “ورزشکار” و مقادیر اندازه گیری شده “سن” است.
نمای زیر توزیعها را در هر دسته با استفاده از یک هیستوگرام مقایسه می کند. این نوع visualization میتواند برای مقایسه توزیع بین تعداد کمی از اعضای یک دسته خوب باشد. هنگامی که تعداد زیادی عضو برای نمایش وجود دارد، ممکن است به هم ریخته شود. هنگام تلاش برای استفاده از نمودارهای میلهای استاندارد برای نمایش توزیع، همین را می توان گفت.
هنگامی که تعداد اعضای یک دسته افزایش مییابد (مانند نمای بالا)، جابهجایی به یک باکس پلات (نمای زیر) میتواند همان اطلاعات را در یک فضای فشرده به همراه چند قطعه از اطلاعات گم شده در نمودار بالا به ما بدهد. به طور خاص: میانه، محدوده بین چارکی (متوسط 50 درصد جمعیت ما)، و نقاط پرت.
در حالی که نمودارهای box-and-whisker در بالا نقاط منفرد را نشان میدهند، میتوانید از خلاصه پنج نقطهای هر دسته که شامل موارد زیر است، بیش از اندازه کافی اطلاعات کسب کنید:
Upper Whisker: 1.5* the IQR, this point is the upper boundary before individual points are considered outliers.
Upper Hinge: The top end of the IQR (Interquartile Range), or the top of the “Box”
Median: Middle value by count of values
Lower Hinge: The bottom end of the IQR (Interquartile Range), or the bottom of the “Box”
Lower Whisker: 1.5* the IQR, this point is the lower boundary before individual points are considered outliers.
از نمودار box and whiske استفاده نکنید اگر:
- شما فقط تعداد محدودی نقطه داده دارید.
- measureها همه یکسان یا خیلی نزدیک به یکسان هستند.
- یک جایگزین برای نمودار box and whisker، هیستوگرام است که به سادگی توزیع اندازه گیریها را همانطور که در مثال بالا نشان داده شده است نشان میدهد.
مثال عالی از Box and Whisker Plots
در این نمودار box and whisker، دستمزد برای نقشهای پاره وقت و نقشهای تمام وقت تحلیل میشود. دو نمودار میانگین را برای هر نوع شغل نشان میدهد. متقاضیان ممکن است بتوانند بیاموزند که برای نوع خاصی از شغل چه انتظاراتی دارند، و تحلیلگران میتوانند به سرعت تعیین کنند که کدام عناوین شغلی پرت هستند.
- measuresها از رنگ های ثابت استفاده می کنند.
- به وضوح یک صدک 25، یک میانه و یک صدک 75 وجود دارد.
نمونه های بد از Bubble Charts و جایگزین
مثال ضعیف
جایگزین بهتر
نمودار box and whisker بالا به محدوده حقوق برای هر موقعیت در یک دولت شهری نگاه میکند. بزرگ، گیج کننده است، و برخی از نمودارهای box and whisker نقاط داده کافی برای ایجاد نمودارهای box and whisker واقعی ندارند.
یک جایگزین پیشنهادی برای این نمودار box and whisker، یک نسخه سازماندهیشده است، که در آن دادهها به جای موقعیت شغلی بر اساس بخش دستهبندی میشوند. این نمودارهای box and whisker نقاط داده بیشتری دارند تا درک بهتری از توزیع حقوق برای هر بخش ارائه دهند.
۹. Tree Maps
نمودار treemap به عنوان تصویرسازی متشکل از مستطیلهای تو در تو عمل میکند. این مستطیلها دستههای خاصی را در یک dimension انتخاب شده نشان میدهند و در یک سلسله مراتب یا “درخت” مرتب میشوند. مقادیر و الگوها را میتوان مقایسه کرد و در یک فضای نمودار محدود نمایش داد. نقشههای درختی بخشی از کل روابط را نشان میدهند.
بن اشنایدرمن، استاد علوم کامپیوتر در دانشگاه مریلند، این تجسم خاص را برای استفاده حداکثری از یک فضای کوچک ایجاد کرد. او نوشت: «نمودارهای node-link ساختار یافته درختی بیش از حد بزرگ شدند که مفید باشند، بنابراین من راههایی را برای نشان دادن درخت در طرحبندی محدود به فضا بررسی کردم».
چگونه Tree Map را بخوانیم؟
نمودار Treemap روشی قابل دسترس برای بینندگان فراهم میکند تا دادههای خود را در یک نگاه تفسیر کنند. رنگ میتواند ابعاد (مانند دستهها) یا معیارها (مانند KPI) را نشان دهد. اگر برای نشان دادن KPI استفاده شود، یک رنگ تیره تر ممکن است افراط، بالا یا پایین را برجسته کند. برای ابعاد، یک کاربر ممکن است از یک پالت طبقه بندی شده استفاده کند و رنگ متفاوتی را برای هر حالت حمل و نقل موجود تعیین کند. برای معیارها، یک پالت رنگی پیوسته اعداد فروش یا سود شرکت را نشان میدهد.
هنگام تجزیه و تحلیل نقشه درختی برای بینش، بزرگترین کادر بزرگترین قسمت کل را نشان میدهد، در حالی که کوچکترین کادر کوچکترین قسمت را نشان میدهد. برای تجزیه و تحلیل عمیق تر، این boxها را میتوان برای نشان دادن بسیاری از دستهها تو در تو قرار داد. برای مثال، کادری در مجموعه دادههای «هزینههای دفتر» ممکن است «درصد صرف شده برای مبلمان» را نشان دهد. box تو در تو در آن box ممکن است «درصد صرف شده روی میز» را نشان دهد.
tree map از چه نوع analysis پشتیبانی می کند؟
نمودارهای Treemap دادههایی را که نیاز به نشان دادن رابطه جزء به کل دارند، به بهترین وجه به تصویر میکشند. درصدهای اندازه گیری برای هر بعد به صورت مربع هایی نمایش داده میشود که وقتی با هم جمع شوند، کل را تشکیل میدهند. با استفاده از مجموعه داده های Superstore، می توانیم تعداد کل فروشها را به دستهها تقسیم کنیم. افزودن بعد زیرمجموعه محصول باعث ایجاد «نشستن»، «میز» و «لامپ» می شود. در این مثال، سه مورد خاص از مبلمان که در دستههای مربوط به خود قرار میگیرند، به مربعهای تو در تو کوچکتر تبدیل میشوند.
استیو وکسلر در تجسم دادههای کالج انتخاباتی در انتخابات ریاستجمهوری ایالات متحده در سال 2012، دریافت که نقشه درختی بهترین راه برای بیان داستان دادههای او است. او به ترتیب از قرمز و آبی برای تمایز بین احزاب جمهوری خواه و دموکرات استفاده کرد و رای هر ایالت به یک نامزد به دو قسمت قرمز یا آبی تقسیم شد.
زمان و نحوه استفاده از Tree Maps برای Visual Analysis
نمودارهای Treemap هنگام تجسم تعداد زیادی از مقولههای مرتبط مفید هستند. اگر مقادیر خاصی باید به طور برجسته نمایش داده شوند، یک نمودار میلهای ممکن است انتخاب بهتری باشد.
یک نقشه درختی خوب دارای موارد زیر خواهد بود:
- مقادیر عددی متمایز
- سلسله مراتب متمایز
- بیش از سه یا چهار کاشی برچسب دار نباشد
- بالاترین سطح آشکار سلسله مراتب
- عدم نمایش مقادیر منفی
با این حال، یک نقشه درختی ضعیف:
- با دستهها و برچسبهای بیش از حد به هم ریخته به نظر برسید.
- مقادیر مشابه زیادی دارند.
مثال عالی از Tree Maps
این نقشه درختی به لیستها در هر نوع اقامتگاه موجود نگاه می کند. بزرگترین box به بیننده میگوید که بیشتر اتاق های موجود کل خانه یا آپارتمان است، در حالی که دومین box بزرگ تعداد اتاقهای خصوصی موجود را اندازه می گیرد.
- این نقشه درختی فقط چند دسته را در رابطه با یکدیگر اندازه گیری میکند.
- مرزهای سفید نشان میدهد که هر سه معیار یک کل را تشکیل میدهند.
- رنگها از یکدیگر متمایز هستند.
نمونه های ناکارآمد Tree Maps و گزینههای جایگزین
مثال ضعیف
جایگزین بهتر
این نقشه درختی به ده میزبان برتر در یک منطقه برای Airbnb نگاه میکند و دستهها را با تعدادی فهرست اندازهگیری میکند. متاسفانه، نقشه گیج کننده است و خواندن آن دشوار است.
- از یک رنگ برای چندین دسته استفاده میشود.
- بسیاری از boxها از نظر اندازه و اندازه شبیه به هم هستند.
یک جایگزین بهتر برای نقشه درختی ناکارآمد، یک نمودار میله ای ساده است. این نمودار را میتوان از بزرگترین تا کوچکترین سازماندهی کرد، بنابراین خواننده میتواند به راحتی مقایسه کند تا ببیند چه کسی بیشترین فهرست و چه کسی کمترین فهرست را دارد.
