Выбор визуализации под данные
Тип графика - не вкусовщина, а следствие вопроса, на который он отвечает. Собес проверяет, выбираешь ли ты форму под задачу и не манипулируешь ли осями, вольно или невольно.
Стержень: сравнение - бар, динамика - линия, связь - scatter, распределение - гистограмма или боксплот. И бар всегда начинается с нуля.
// Формулировки: «какой график под какую задачу?», «когда пай уместен?», «чем опасны две оси Y?».
Вопрос определяет тип
Форма идёт от вопроса. Сравнить категории - бар. Показать динамику во времени - линия. Связь двух величин - scatter. Распределение - гистограмма или боксплот. Доля от целого - стек или пай, но только на 2–4 категории.
Время всегда по горизонтали, слева направо. Линия - для непрерывной динамики, бары - для дискретных периодов, когда акцент на сравнении столбцов.
// Пай терпим на 2–4 долях, когда точные значения не важны. Больше категорий или нужна точность - отсортированный бар: глаз сравнивает длины куда точнее, чем углы секторов.
// Потоки и переходы между этапами (воронка регистрация→покупка) наглядно даёт диаграмма Санки: ширина ленты пропорциональна объёму перешедших, сразу виден отвал. Альтернатива - воронка с долями; круговая и scatter переходы прячут.
- боксплот
- медиана, квартили, выбросы - сравнение распределений
- scatter
- точки по двум осям - связь двух величин
Честность осей
Бар-чарт начинается с нуля: у столбца высота и есть значение, обрезанная ось превращает разницу в 2% в двукратную. Линию обрезать можно - там важна форма, а не абсолют, но ось подписывают честно.
Две величины разных единиц на двух осях Y - почти всегда манипуляция масштабом: подгоняя оси, можно нарисовать любую «корреляцию». Лучше два отдельных графика или индексация обоих рядов к базе (=100%).
// 3D-эффекты, тени и объём искажают восприятие величин без единой полезной причины - их не используют. Радужная палитра для непрерывной величины рисует ложные границы там, где данные плавные.
- dual axis
- две оси Y; законный повод редок, манипуляция часта
- индексация к базе
- оба ряда к 100% вместо двух осей
Цвет и чернила
Цвет это информация, а не украшение. Один акцентный цвет на «свою» линию, остальное серым как контекст. Для величины - последовательная шкала (от светлого к тёмному), для отклонений от центра - расходящаяся (два цвета от нейтральной середины).
Когда нужны точные значения по многим измерениям, таблица честнее графика; heatmap - компромисс «таблица плюс паттерн».
// Принцип data-ink ratio (Тафти): чем меньше чернил уходит на не-данные, тем лучше. Сетки бледнее, рамки прочь, легенду заменяют подписями у линий - данные должны быть самым контрастным на графике.
- расходящаяся шкала
- два цвета от нейтрального центра: ±отклонения
- data-ink ratio
- доля чернил, кодирующих данные (Тафти)
Как отвечать: «Как выбрать тип графика под задачу?»
Я иду от вопроса, а не от красоты. Нужно сравнить категории - беру бар и обязательно от нуля, потому что высота столбца и есть значение. Показать динамику - линия, время по горизонтали. Связь двух величин - scatter. Распределение - гистограмма или боксплот, а не средний столбик, который прячет разброс. Долю от целого - пай, но только на две-четыре категории и без точных сравнений, иначе отсортированный бар. Дальше слежу за честностью: не обрезаю ось у бара, избегаю двух осей Y как источника ложных корреляций, использую цвет как информацию - один акцент, остальное серым. И спрашиваю себя, не уместнее ли вообще таблица, если человеку нужны точные числа. То есть форма это ответ на вопрос читателя, а не витрина.
Почему это сильный ответ: явное сопоставление задача→тип, названы правила честности (ноль у бара, опасность dual axis) и цвет-как-информация - виден вкус и понимание восприятия, а не список названий.
На чём валят
- −Бар-чарт с осью от 80 - разница 2% выглядит двукратной.
- −Пай на 12 категорий - нечитаемая радуга; отсортированный бар решает.
- −Радужная палитра для непрерывной величины - ложные границы в данных.
- −Scatter с перекрытием тысяч точек без прозрачности или бинов - «клякса».
- −3D-эффекты и тени - искажение восприятия величин без единой причины.
Проверьте себя
Пять вопросов из банка по этой подтеме. Всего их 13, остальные разбираются в тренажёре.
- Для чего в первую очередь предназначена круговая диаграмма (pie chart)?A)Показать подробную точную динамику числовой метрики по дням за длинный периодB)Показать доли частей в одном целом на конкретный моментC)Сравнить десятки категорий по точному числовому значениюD)Отобразить корреляцию между двумя непрерывными переменными
показать ответ и разбор
+B)Показать доли частей в одном целом на конкретный момент// разбор: Pie отвечает на вопрос «какая доля целого», когда частей мало (2-4) и они складываются в 100%. Для динамики берут line, для точного сравнения многих категорий — bar (длины читаются точнее углов), для связи величин — scatter. При множестве сегментов pie становится нечитаемым.
- Когда логарифмическая шкала оправдана и какая с ней главная ловушка?A)Логарифмическую шкалу нужно применять строго по умолчанию ко всем без исключения графикам подрядB)Log-шкала уместна для отрицательных значений метрикиC)Главная ловушка в том, что log-шкала заметно замедляет отрисовку графикаD)Уместна при разбросе на порядки; ловушка — читатель недооценит разрыв
показать ответ и разбор
+D)Уместна при разбросе на порядки; ловушка — читатель недооценит разрыв// разбор: Лог-шкала нужна, когда значения покрывают много порядков (доход по юзерам, размеры файлов) — иначе мелкое сливается в ноль. Плата: равные визуальные отрезки означают равные отношения, а не разности, и неподготовленный читатель воспринимает 10× как небольшой шаг. Подписывать ось и не сравнивать площади на глаз.
- Когда уместна тепловая карта (heatmap)?A)Для показа точной динамики одной метрики по отдельным днямB)Для отображения долей одного целого в конкретный момент времениC)Для матрицы значений по двум измерениям, где цвет кодирует величинуD)Для сравнения ровно двух чисел между собой по величине
показать ответ и разбор
+C)Для матрицы значений по двум измерениям, где цвет кодирует величину// разбор: Heatmap хороша, когда есть матрица значений по двум измерениям и нужно быстро увидеть паттерн: корреляции признаков, активность по «час × день недели», плотность событий. Цвет кодирует величину, поэтому критичен выбор цветовой шкалы (sequential/diverging) и её дружелюбность к дальтоникам.
- Что показывает диаграмма рассеяния (scatter plot)?A)Доли отдельных частей одного общего целого в зафиксированный моментB)Точную пошаговую динамику одной метрики во времени по днямC)Ранжирование категорий по одному числовому показателюD)Связь двух числовых величин: точка — наблюдение по двум осям
показать ответ и разбор
+D)Связь двух числовых величин: точка — наблюдение по двум осям// разбор: Scatter отображает каждое наблюдение точкой в координатах двух числовых величин, поэтому на нём видны корреляция, кластеры, выбросы и нелинейные паттерны. Именно нелинейную связь (например, U-образную), которую корреляция Пирсона показывает как 0, глаз на scatter замечает сразу.
- Что показывает ящик с усами (box plot) и когда он уместен?A)Предельно точную подробную динамику одной числовой метрики во времени строго по отдельным дням за длинный периодB)Доли частей одного целого в фиксированный момент времени наблюденияC)Распределение: медиану, квартили и выбросы — удобно сравнивать группыD)Причинную связь между двумя выбранными числовыми переменными
показать ответ и разбор
+C)Распределение: медиану, квартили и выбросы — удобно сравнивать группы// разбор: Box plot компактно показывает распределение: медиану, межквартильный размах (IQR), усы и выбросы. Он особенно хорош, когда нужно сравнить распределения нескольких групп рядом. Violin plot дополняет его, показывая ещё и форму плотности, которую box скрывает (например, бимодальность).
дальше
Теорию прочитали. Навык ставится повторением
В Сеньорчике эта подтема идёт в ежедневных сессиях: движок возвращает её, пока ответы не станут уверенными, и ведёт прогресс отдельно по каждой подтеме. Теория внутри тоже бесплатна, лимит только на количество вопросов в день.