原文：
www.kdnuggets.com/2021/01/creating-good-meaningful-plots-principles.html
评论
作者：Vikrant Dogra，数据科学、分析和洞察专家
照片由 Luke Porter 提供，来自 Unsplash
图（或图表）是从数据中传达信息的本质方式，但好的图表很少见。我认为主要原因是创建图表时采用了被动的方法。但是，如果积极创建，运用数据调查和询问的原则，可以制作出合理且有意义的图表。
本文涵盖了一些创建有意义图表的原则。此外，它让你通过两个自定义的 web 应用程序亲身体验学习，这些应用程序允许你探索/设置各种选项，以创建信息丰富的散点图。
图通常包括主图区域（显示图表的地方）、坐标轴（例如 x 轴、y 轴）、坐标轴的描述，包括用于解释数据的标记/标签（例如刻度、刻度标签）以及在需要时，用于区分子组的图例。
图像来源于作者
好图表应具有意义、自解释且易于记忆。因此，理想的方法应在某种程度上尝试模仿我们在脑海中思考、记忆和关联信息的方式。
以下是制作良好有意义图表的一些建议：
在所有情况下都不要创建图表
- 有时，简单的数据表可能比图表更有效。
根据输入数据使用正确的图表
-
通过一点积极思考，可以做到这一点。例如，许多人仍然混淆直方图和条形图。
-
由于可以用多种方式绘制任何给定的数据——尝试使用最佳图表，这有助于从数据中传达重要含义。
使图表易于阅读
-
关注重要的内容。降低其余内容的重点。
-
通常，工具提供的默认设置用于可视化/展示/业务智能并不理想。因此，你应该改进这些默认设置。
-
在需要时描述数据，以便你的图表可以在没有他人帮助的情况下被读取。
识别并使用相关的锚点/截断线
- 为了帮助人们快速理解图表中的信息——添加锚点或截断线，例如条形图中的均值（平均值）线。
突出偏离预期的情况、极端值/项目
- 通常，偏差是图表中感兴趣的内容——无论是平均值还是某些截断线，例如前 10% 或后 10%。
识别相似性
- 在某些情况下，兴趣可能在于理解相似性，例如两种分布之间的相似性。
有关详细建议，请阅读本文的：“共同点：改进图表的关注领域”部分。
在这里，我涵盖了一些常见的图表类型，并解释了可能的改进方法：
作者提供的图片
-
不要仅依赖工具提示（即，将鼠标悬停在图表对象上以查看数据）来显示主要数据。例如，如果你通过条形图显示 4 个类别，那么你将需要使用工具提示 4 次来读取条形图的高度；对于 10 个类别，你将需要使用工具提示 10 次，……
-
在条形上显示数据（百分比或实际值，视情况而定）——这有助于任何人轻松比较这些数字，并在需要时进行一些简单的心理计算，例如比例、差异等。
-
如果表示的是百分比，说明这些百分比是否加起来为 100。这通常发生在类别相互独立或（在调查中）响应为单选时。
作者提供的图片
-
正确设置箱体（或类别间隔）：箱体数量、箱体宽度。
-
如果可能，显示所有箱体的数据（频率或百分比）。如果不行，则仅显示重要的数据点，并补充数据的摘要，例如均值/中位数/众数。
作者提供的图片
-
你必须展示一些超出曲线的东西，因为曲线仅给出数据的形状。
-
添加分布的摘要是一个好主意，例如均值/中位数/众数、集中度（例如，适当时——中间 67%、80%、95%）、统计测试结果指示的分布类型。
作者提供的图片
-
这些图表视觉上很吸引人，但很难内化，因为除了前 2-3 个项目之外，无法对其进行排名，而且这些项目在词云中也是随机放置的。此外，仅凭词频的比例，无法在词云中比较两个词。
-
因此，设计一种方法来展示用于创建词云的数据（频率、百分比）——可以作为图中单词上的下标/上标，或作为附加的（已排序）频率表。
作者提供的图片
-
如果类别超过三个，使用条形图而不是饼图。
-
饼图的问题在数据科学社区已经很明确，但大多数商业界人士仍然喜欢饼图（及甜甜圈图）。这可能是因为饼图总是加起来 100%，而条形图可能不会。对于适合饼图的数据，我怀疑许多条形图的支持者（相对于饼图）忘记提到他们的条形图的列加起来是 100%。
作者提供的图片
-
这些图非常适合理解数据的分布，并记住关键数字——前提是数字被显示。因此，显示重要值，即中位数、下/上四分位数、下/上须
-
此外，调查可能的异常值（超出须的数据显示点）是否存在模式
作者提供的图片
-
这些图自然会重复出现模式。因此，对于跨越多年的每月数据——可以按月份（x 轴）显示堆积（按年）的版本。这应该有助于读者注意到趋势和季节性。
-
如果存在周期，你可以通过显示一条跨越年份 x 月份的单线图来展示
作者提供的图片
在散点图中有许多数据点——核心意图是识别点中的模式。因此可以做很多事情，例如
-
拟合模型并附上置信区间。如果需要，请提及模型规范
-
帮助最终用户轻松读取数据点：独立为 X 和 Y 变量使用锚点/截断点，例如均值、中位数、四分位数、极值（例如底部/顶部 10%）。在显示这些线时，也尽量提及数值
-
突出显示感兴趣的数据点，例如为点着色，显示数据标签
-
甚至可以显示边际图，例如 x 变量和 y 变量下方的箱线图或直方图
在这里，我涵盖了图表的核心组件，并尝试提供通用建议，说明如何以及何时使用这些组件以实现有效绘图：
轴：轴标题
-
使用方法：使用合理的标题——这意味着你通常需要改进默认的变量名称；标题必须易于理解，例如[模糊]距离与[清晰]距离（以英里为单位）
-
文本字体大小：使用易于阅读的字体大小，因为轴描述设置了阅读图表的背景
轴：刻度
-
是否需要：在数据为数值型时使用；否则避免使用。
-
文本字体大小：比轴标题字体小，因为这些重要性较低。你也可以通过使用灰色来减少这些文本的强调。
-
间隔：设置良好的刻度间隔是至关重要的。过度使用会使这些刻度无法读取图表。然而，适当的刻度数量可以帮助创建矩形块的心理图，以更快、更好地读取数据
轴：y 轴
- 是否需要：有时你可以去掉 y 轴线本身（包括标题和刻度）。例如，条形图（对于分类变量），如果你在条形上方显示数据标签，则不需要 y 轴线/标题/刻度。
-
使用时机：仅在你想在图形中表示子组且无法通过图例区分时使用。
-
是否需要：这可能会使注意力从主要图形上分散。因此仅在必要时使用。
主要图形：数据标签
- 使用时机：尽可能展示数据。例如，对于条形图；对于散点图，理想情况下仅显示极端值，例如底部 5%和顶部 5%。
主要图形：工具提示
-
如何不使用：避免仅使用工具提示来显示数据点的值。
-
如何使用：相反，使用工具提示有意义地增强关于数据点的信息
主要图形：颜色编码数据点
- 如何使用：使用不同的颜色突出显示重要/有趣的数据点
主要图形：注释
- 使用时机：通过注释添加更多层的信息。
增强：参考/锚点
- 如何使用：显示表示例如均值、中位数、四分位数、极端 5%（低端和高端）、中间 80%等的锚点线
增强：突出显示差距
- 如何使用：也突出显示差距。例如，条形图中的两个柱子之间
增强：模型
- 使用时机：拟合模型（例如，在散点图中）以帮助理解变量之间的关系。还可以更好地解释数据点，即模型线的偏离。
增强：汇总数据
- 如何使用：大多数图形并不是设计用来统计汇总数据的——因此在主要图形下添加关键汇总统计数据将有助于丰富图形
内化某物的最佳方式是通过实验，从这些实验中学习，通过尝试各种选项/组合并查看哪种方式对你最有效。
为了获得实践经验，我从头开始创建了两个几乎相同的散点图——一个使用 R，另一个使用 Python。我这样做是为了最小化关于 R 与 Python 的争论，并帮助你专注于实验核心概念，制作良好的有意义的图形。
为什么选择散点图？：它们是最具挑战性的图形之一，因为数据点很多——每个都单独表示。因此，制作有意义的散点图需要做很多工作。
关于这些绘图应用程序的一点说明：
散点图（使用 R）：使用应用程序
基础图形使用R和ggplot2可视化库创建。该图形随后被转换为网络应用程序，使用R shiny并托管在shinyapps.io*
散点图- R 应用（作者提供的图片）
散点图（使用 Python）：使用应用程序
基础图表使用python和plotly可视化库创建（为了生成本地回归模型，我使用了scikit-misc 库）。然后，使用streamlit.io将此图表转换为 Web 应用程序，并托管在heroku上。
散点图- Python 应用（作者提供的图片）
这两个图表具有反应性特征——你对规格的任何更改都会（几乎瞬间）反映在更新后的图表中。因此，上传你喜欢的测试数据集或使用默认数据集，释放你内心的孩子——尝试各种图表规格——本文中建议的以及其他的。然而，在探索结束时，制定出你自己创建有意义图表的规则。你可以随时修订/完善你的方法。
本文探讨了创建良好图表的原则，但未涉及图表/表格之间的关系——通常在演示或仪表板中展示的内容。然而，我坚信，如果你掌握了创建良好图表的技巧，你可以轻松将这些经验转移到创建更好的仪表板中。
本文涵盖的原则旨在激发你积极思考如何创建有意义的图表。希望你以开放的心态阅读本文，尝试在提供的应用程序中进行各种设置实验，并努力融入你（绘图）的真正方向所接受的可能为你的图表创作方法增值的技巧。
简历：Vikrant Dogra 是一位数据科学、分析和洞察专家。
原文。已获授权转载。
相关内容：
-
数据科学、数据可视化与机器学习的顶级 Python 库
-
14 个数据科学项目来提升你的技能
-
TabPy: 结合 Python 与 Tableau
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析水平
3. Google IT 支持专业证书 - 支持您组织的 IT