Als Anfang: ist ein Balkendiagram ohne Nulllinie irreführend? Hier die Ergebnisse einer Umfrage, die Meinung ist geteilt
"MOMENT", so sieht das aus:
Jetzt öffne ich hier bestimmt einen Sub-Thread, weil das hat jeder schon gesehen und gehated.. 🥳🥳🥳
Ein Balkendiagramm ohne Nulllinie ist NIE NIE NIE in Ordnung.
Hier ist der Effekt schön zu sehen, von Nathan Yau
z.B> Dresden hat da sich den Tourismus schön gemalt:
(weitere Fehler, Grafik aus 2017, Daten nach 2015- warum wohl- weggelassen, da haben die Montagsaktivitäten der Hotelbrachen schöne Einbussen gebracht)
Achtung, jetzt wirds kompliziert: #Platz7: Liniendiagramm MIT Nulllinie kann sehr irreführen!
Hier hat Patrick Moore versucht zu zeigen, dass es keine Veränderung der globalen Oberflächentemperatur seit 1880 gibt.
Wie? Indem er die y-Achse bei 0F und bis 120F dargestellt hat
Wenn wir aus hunderten Visualisierungen ja klar wissen, das es da schon Veränderungen gibt.
Wenn man den y-Achsen Bereich nur auf Temperaturem begrenzt bei denen wir nicht zu Kohle zerfallen, dann sieht das eher so aus:
Meinen Medizinstudenten zeige ich dann immer die Fieberkurve mit und ohne Nulllinie:
#Platz6 Streckung von x- oder y-Achse damit ein Trend flacher oder dramatischer wirkt..
Wir sehen Veränderungen von Trends am klarsten wenn diese nicht mit 90deg oder 3deg Neigung daherkommen.
Jetzt kommt es aber auch sehr auf die Message an, hier ist Einzelfall wichtig
Wichtig: wenn man y-Achse oder x-Achse streckt bleibt bei einem Balkendiagramm die relative Größe gleich.
Hier sind Daten welche Länder wieviel Forschungsgelder einwerben, in jedem Beispiel sehen wir das UK führt (wie lange noch, danke Boris?).
Hier mein all-time-favorite, Bruch im gelben (wenig zu sehen), dann noch Stacked-Bar mit Streubereich, dann noch rot-grün....
Und: da wo wir was sehen wollen ist KEIN break > also was ist denn jetzt der Wert von rot in dem ersten Balken?
Aber, Vorsicht, nicht alles was wie eine Break aussieht ist auch einer!
Hier: warum nicht mal dem Boxplot ein neues Farbschema geben, ich hab's mach den Median in weiß!
#Platz4 Bei Flächendiagrammen die Größe nicht auf die Gesamtfläche rechnen.
Also: bei Bubble: nicht die Größe in Radius, sondern in Kreisfläche umrechnen. Ist etwas komplizierter, lohnt aber 🤓
Sind denn die Ossis immer noch alle am meckern, oder was?
Ne... da wurde für FAST IDENTISCHE werte, alle zwischen 6.9 und 7.4 auf einer Skala von 0-10 (!) wahllos ein Bruch eingeführt.
@ForscherRobert hatte das damals netterweise als Balken mal visualsiert:
Merke: divergierende Farbschemata (zB blau-rot) dürfen nimmer und nie für Daten entlang einer gemeinsamen Skala verwendet werden!
Dafür nimmt man dann EINEN Farbwert und varriert die Intensität!
-> da machen wir morgen dann weiter!
• • •
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