Doğrusal Veri Görselleştirme: Bir, İki ve Üç Değişkenli Setler

Bir veri setini tabloda bırakmakla grafiğe çevirmek arasındaki fark çoğu zaman okuyucunun sabrında ortaya çıkar. Değişken sayısı bire, ikiye, üçe çıktıkça hangi grafiğin işe yaradığı da değişiyor; üçüncü değişkende çoğu görselleştirme sessizce bozuluyor. Asıl soru grafiğin güzel görünüp görünmediği değil, okuyucunun ondan doğru sayıyı çıkarıp çıkaramadığı.

Önce terimde bir tuhaflık var

Univariate, bivariate, trivariate ayrımı aslında doğrusallıkla ilgili değil, değişken sayısıyla ilgili. Bir veri setinin ölçülen üç niceliği olabilir ve aralarındaki ilişki pekâlâ eğrisel olabilir. Peki neden bu iki şey sürekli birbirine karışıyor? Çünkü tabloda veri hep aynı biçimde, satır satır duruyor; doğrusal görünen şey verinin kendisi değil, onu tuttuğumuz kap. Grafik seçerken sorulacak soru "veri doğrusal mı" değil, "kaç eksene ihtiyacım var".

Tek değişken: bar mı, histogram mı?

İkisi de dikdörtgenlerden oluşuyor ama farklı işler yapıyorlar. Bar grafik ayrı kategorileri yan yana koyar: otomobil modelleri, şehirler, ürün grupları. Histogram tek bir sürekli değişkeni aralıklara böler ve her aralığa kaç gözlem düştüğünü sayar.

Aradaki farkı çubuklar arasındaki boşluktan anlarsınız. Histogramda boşluk olmaz, çünkü aralıklar bitişiktir; bar grafikte olur, çünkü kategoriler arasında "ara değer" diye bir şey yoktur. Bu ayrıntıyı atlayan bir grafik, okuyucuya kategorik veriyi sürekli bir dağılım gibi gösterir.

Pasta grafik ne zaman çalışır?

Pasta grafiği ikiden fazla dilimde savunması zor. Sebebi estetik değil geometrik: bar grafikte iki değeri karşılaştırmak iki uzunluğu ortak bir tabandan ölçmek demek, pasta grafikte ise iki açıyı, üstelik farklı yönlere bakan iki açıyı kıyaslamak demek. Yüzde 22 ile yüzde 25 arasındaki farkı dilimden gözle ayırt edemezsiniz.

Yine de bir yeri var: iki ya da üç dilim, aralarında belirgin fark, ve mesaj "neredeyse tamamı" ya da "yarı yarıya" gibi kabaca bir orana dayanıyorsa pasta iş görür. Bunun dışında bar grafiğe geçin.

İki değişken: dağılım grafiği ve zaman ekseni

İki nicelik arasındaki ilişkiyi görmek istiyorsanız dağılım grafiği en dürüst seçenek. Her nokta bir gözlem, eksenler ikisi de ölçek, aradaki örüntü varsa görünür.

Bağımsız değişken zaman ya da sıralı bir şeyse çizgi grafik daha okunur, çünkü çizgi noktalar arasında bir süreklilik olduğunu söyler. Kategorik bir eksende çizgi kullanmak bu yüzden hatalı: "Ankara ile İzmir arasında" bir ara değer yoktur.

Alan grafiklerinde bir tuzak var. İki seriyi üst üste yığdığınızda yalnızca en alttaki seri ortak bir tabandan ölçülür; üsttekinin kalınlığını okumak için gözünüzün alttaki serinin dalgalanmasını zihinsel olarak çıkarması gerekir. İki seriyi gerçekten karşılaştıracaksanız yığmayın, iki ayrı çizgi çizin.

Üçüncü değişken: 3B'ye gitmeden önce

Üçüncü bir nicelik eklendiğinde ilk akla gelen üç boyutlu dağılım grafiği oluyor, ve genellikle en kötü seçenek o. Ekran iki boyutlu; üç boyutlu grafik ekrana düşerken bir eksen projeksiyona feda ediliyor. Statik bir görüntüde arkadaki nokta ile öndeki noktanın hangisinin daha yüksek olduğunu söyleyemezsiniz, ancak grafiği döndürebiliyorsanız bilgi geri geliyor. Yani 3B dağılım grafiği bir resim değil, bir etkileşim; basılı rapora koyacaksanız zaten kaybetmişsiniz.

Renk ve boyut çoğu durumda daha iyi çalışıyor. Renk için sıralı bir ölçek kullanın, gökkuşağı paleti değil; okuyucu yeşilin turuncudan büyük mü küçük mü olduğunu bilemez.

Boyutta ise sık yapılan somut bir hata var. Değeri dairenin yarıçapına bağlarsanız, göz alanı algılar: yarıçapı üç katına çıkan daire alanca dokuz kat yer kaplar, çünkü alan yarıçapın karesiyle büyür. Değeri alana bağlamak, yani yarıçapı değerin kareköküyle ölçeklemek gerekiyor. Bir dashboard'da satış hacmi tam da bu şekilde yarıçapa bağlanmıştı ve en büyük müşteri, üç katı olması gerekirken grafikte diğerlerini eziyordu.

Küçük katlar

Üçüncü değişken az sayıda kategoriden oluşuyorsa, tek bir karmaşık grafik yerine aynı grafiğin küçük kopyalarını yan yana dizmek neredeyse her zaman daha okunur. Eksenler ortak kalır, karşılaştırma göz seviyesinde yapılır, hiçbir şey üst üste binmez.

Araç tarafı

Bir ve iki değişkenli grafikler için Excel ya da benzeri bir tablo aracı fazlasıyla yeterli. Üçüncü değişken devreye girdiğinde ihtiyaç duyduğunuz şey daha süslü bir çizim motoru değil, sıralı renk ölçeği ve küçük katları destekleyen bir araç oluyor. Grafiği veriden her seferinde yeniden üreten bir kurulum kuruyorsanız eksen sınırlarını elle sabitleyin; otomatik ölçek, veri değiştikçe aynı grafiğin iki çıktısını sessizce kıyaslanamaz hale getirir.

Kısa seçim kuralı

• Tek değişken, kategoriler arası karşılaştırma: bar grafik.
• Tek değişken, dağılımın şekli: histogram.
• İki nicelik, ilişki aranıyor: dağılım grafiği.
• Bağımsız değişken zaman: çizgi grafik.
• Üçüncü değişken kategorik: küçük katlar.
• Üçüncü değişken sürekli: renk ölçeği, gerekirse alanla ölçeklenmiş balon.

Bu listede 3B dağılım grafiğinin olmaması bilerek. Döndürülebilir bir arayüz kuruyorsanız yeri var, onun dışında elinizdeki soruyu iki boyutta soramıyorsanız sorun grafikte değil, soruda.