Ein paar Beispiele zum Arufrämen von Charts - "Decluttering".
(c) DarkHorseAnalystics

Decluttering Beispiel: Balkendiagramm.

PS Ich würd die Achsenbeschriftung noch da lassen...
Vorher und Nacher
Decluttering Beispiel: TABELLE

(c) DarkHorseAnalystics
Vorher / Nachher

ps ich würde weniger Fett/Bold Schrift nehmen.. find ich nicht so lesbar!
Zu Tables habe ich mich auch mal geäußert, da diese doch noch sehr verbreitet sind und oft eingesetzt werden.

Man muss da vor allem auf ALIGNMENT achten!!

helenajambor.wordpress.com/2019/07/04/get…
Und hier ein paar Tables zum Trämen, weil Minimalismus ist gut zum Anfang, aber wenn man Design dann kann geht auch wieder mehr:

Ein Periodensystem der Elemten und welche langsam erschöpft sind,
(c) @fedfragapane
Historisch!

150 Jahre alt, die Entdeckung von Nukleinsäure, eine kleine kurze Tabelle.
Ein weiteres Beispiel, jetzt geht es dem Kreisdiagramm an den Kragen:

Decluttering eines Pie-Chart,
bitte unbedingt zu Ende gucken 🤪
Und, na klar, Balkendiagramme.

Balkendiagramm um Verteilungen zu ziegen geht GAR NICHT und ist auch bei wissenschaftlichen Journalen mittlerweile kaum noch akzeptiert.

Ein Mittelwert geht na nicht von Null bis 50 (Balken), sondern ist 50 bzw um 50 herum gestreut!
Statisch kann man das auch hier ganz gut zeigen - jede Zusammenfassung verhindert ein bisschen dass man die Datenverteilung sieht.
+ Datenpunkte zeigen.

Nur wenn klar, dass Normalverteilt und gleiche Stichprobe etc kann man anfangen zusammen zu fassen.
Da gibt es ein super Artikel zu in PLOS Bio, von @T_Weissgerber --> follow Empfehlung zu alles was Clinical Meta-Research ist!

journals.plos.org/plosbiology/ar…
zum Beispiel zeigt Tracey das hier, ein balken kann symmetrische Verteilung oder BImodale Verteilung verstecken, kann outlier oder ungleiche Sample-Size verstecken.

Traue keinem Balkendiagramm für Verteilungen!!
Das ist so richtig wichtig bei abhängigen Werten, vorher/nachher Vergleichen.

Also hat Person A zugenommen oder nicht? Haben alle Personen zugenommen oder nur einer so richtig viel? Gibt es einen Gruppeneffekt z.B. alle Männer haben zugenommen, alle Frauen nicht?
Selbst wenn man viele, viele Daten hat kann man noch klare Abbildungen machen.

Hier ein Liniendiagramm mit vielen Datenreihnen (Magic #7 weit überschritten), aber: dank dünner Linien, einer Farbe, und Transparenz klappt es dann doch ganz gut.

(c) Narry Kim
Ich tippe das ist ein hoffnungsloser Fall, aber man könnte es sich mal angucken..
wer hat zu viel Zeit????
Hier noch ein Beispiel wie es ok-ish gehen kann wenn man einfach sehr viel zeigen MUSS.

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Helena @ Real Scientists DE

Helena @ Real Scientists DE Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @realsci_DE

22 Jul
Bei den vielen Beispielen zu Decluttering haben wir prima gesehen, dass ALLE Aspekte einer Darstellung mal unter die Lupe müssen:

- Chart-typ (Display type) ok?
- Text genug/klar?
- passt Layout?
- sind Farben ok?

Ich geb meinen Studenten immer die Figure-Checklist:
Chart type haben wir gestern schon abgefrühstückt, dann kommen wir jetzt also zum Text.
das hier ist problematisch, hatten wir gestern schon.
Ein minumaler Text muss sein...
Read 18 tweets
22 Jul
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...

Was ist hier was? Zwei abstrakte Bilder
Read 21 tweets
21 Jul
Zur Krönung des Tages meine Top10-Charts der Chart-krisen..

Also, was sind die TOP10 Fehler die ich immer wieder sehe und immer wieder verbessere und mir immer wieder den Mund fusselig rede?
#Platz 10: Falsche Charttyp für die Daten.
...da seid ihr ja schon alte Hasen nach heute.

Vielleicht als letztes Beispiel noch das hier aus der Zeit:
#Platz9: keine (unvollständige) Beschriftung.

Merke: nicht nur Achsen brauchen eine Beschriftung sondern auch Farbcodes müssen erklärt werden!

Unten: eine der #worstchartsever und ein Abbildung ohne Farbcode, publiziert in nature... 🙄
Read 32 tweets
21 Jul
Wir macht man gute Charts?

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.

(merke, Time ist immer irgendwie 'ne Line!)
Read 14 tweets
21 Jul
Wir sind uns hier jetzt einig, dass Visualisierungen oft sinnvoll sind für Daten.

Aber welche Visualisierung ist die richtige? Es gibt hunderte,.... lasst uns mal ein paar angucken.

Es gibt hunderte solcher Übersichten:
(c)Anna Vital Übersicht verschiedener Charts
Eine gute Übersicht bietet Severino RIbecca mit dem @dataviz_catalog ♥️♥️♥️

Jeder Chart-Typ wird erklärt, es gibt educational videos, Hinweis auf 🛠️Tools mit denen man die Vis erstellen kann etc

datavizcatalogue.com/index.html
Ebenfalls ganz gut ist
datavizproject.com,
Read 13 tweets
21 Jul
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
Read 20 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Too expensive? Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal Become our Patreon

Thank you for your support!

Follow Us on Twitter!

:(