datavizproject zeigt Charts-in-Action, viele in der Werbung.
Aber sie zeigen auch richtig viele Chart-typen von denen man besser die Finger lassen sollte - unwissenschaftlich, tendenziell verfälschte Darstellung etc.
Das ist ein piktorialer Chart - eine 💩Mischung!
Gegliederte Schriftzeichen, Picto-charts hat Eduard Imhof in seinem Standardwerk Thematische Kartographie schon treffend als "Sündefall der Kartenngraphik" bezeichnet!
👹
PS das ist das Lehrbuch meiner Mama, Kartografin, ihr wisst also wer Schuld ist für diese Themenwoche :)
EIn Beispiel wie das in auch in Katastrophen enden kann:
Warum das so wichtig ist den richtigen Charttyp zu finden: wir haben bestimmte Darstellungen erlernt und wenn davon abgewichen wird, dann macht uns das richtig, richtig kofus und eine Visualisierung ist dann eher HINDERLICH.
Hier ein Beispiel, was ist hier los?
Daumenregel, wenn Verlauf über die Zeit visualisiert werden legt man immer die Zeit auf die x-Achse.
Daumenregel 2: Trends sieht man am besten als Anstieg oder Abfall einer Linie -> time = line chart.
Daumenregel 3: Kategorien niemals verbinden!!!
Besser dargestellt:
EIn Klassiker der unverständlichen Charts ist auch das hier - jede bubble zeigt die Frequenz eines Gen-Allels in einem Axolotl Zellen vor (blau) und nach (rot) einer Verletzung.
Da nicht normalisiert wurde sind manche unendlich klein, manche riesieg. & Legende zur Größe fehlt..
Diese Abbildung verursacht auch immer noch Kopfweh bei mir - Linien wo keine sein sollen, komische Auftragung von oben nach unten die Altersklassen, dann oben der Total-MIttelwert hängt da so rum...
Wahrscheinlich wieder ein Falll von Balken-Chart-wär-besser.
Na, gibt es Meinungen zu dieser Abbildung aus dem Spiegel?
Früher war alles noch viel schlechter wenn die x-Achse sich mal bitte horizontal legen könnte!
🥴
PS ich weiss aus sicherer Quelle das beim Spiegel bald in Sachen DataViz alles ganz viel besser wird! :)
der Spiegel, so scheint es, hatte mal eine Reihe mit schlechten Charts, hier noch zwei Schmankerl
So, Ende mit der Krittelei, ich hab selber auch schon den einen oder anderen misslungenen Chart hergestellt.
Aber, weil man an schlechten Beispielen viel lernen kann empfehle ich die Lektüre von @WTFViz , jeden Tag ein Horror-Chart, viel gutes dabei.
• • •
Missing some Tweet in this thread? You can try to
force a refresh
Gestern haben wir für unsere Daten einen passenden Charttyp rausgesucht - für alle nochmal hier zur Erinnerung der Spickzettel dazu:
(ps ich abe keine offene Version, da wäre eine DE Übersetzung vielleicht auch gut!)
PS EINEN passenden Charttyp, nicht DEN passenden Charttyp, es gibt immer mehrere richtige Lösungen
Das muss je nach: Kernaussage, nach Zielpublikum, nach Interaktionsformat: Papier, interaktiv Java, in einem Forschungsartikel oder 15-sek TikTok, angepasst werden!
Abstrakte Kunst und wissenenschaflichen Abbildungen sind gar nicht so unähnlich...
1. eigenen Datentyp kennen (Trend? Kategorie? Verteilung? Uni-, Bi, Multivariat?) 2. verschiendes ausprobieren, z.B. mit dem Chart-Selektor unten 3. dann Feedback einholen! --> loop to 1
Eigentlich ist es ganz leicht.
Für Einzelbeobachtungen in Kategorien kann man die Größe in
- Länge (Balkendiagramm, stacked bar)
- Fläche (Tree map, bubble, area char)
- Tortenstücke (Pie chart, lieber nicht Donuts!)
kodieren.
Bei der Visualisierung von Trends kann man
- Liniendiagramm (paar Beobachtungen, mehrere Zeitpunkte)
- Slopechart (nur 2 Zeitpunkte)
- Radar Chart (zyklische Daten)
- Sankey Diagram (viele Verläufe, Verteilungen)
nutzen.
Wir visualisieren Daten aus zwei Gründen: um diese zu kommunizieren, z.B. Corona-Zahlen an Allgemeinheit;
Wir visualisieren auch um selber die Daten zu verstehen und Phänomene und Trends überhaupt zu FINDEN.
[Wir sagen: EXPLORATORY and EXPLANATORY data visualization]
Das Visualisieren beim EXPLAINING, also kommunizieren helfen ist klar; wir können pre-attentiv, also schon allein beim Sehen Trends und Abweichungen sehen.
Hier ein Experiment, guckt das Bild gleich nur einen Bruchteil einer Sekunde an + schreibt auf an was ihr euch erinnert