अगर दोस्त हो, तो ऐसी डेटा विज़ुअलाइज़ेशन करने से रोको - 16 खराब ग्राफ प्रकार और उनके कारण

 (github.com/cxli233)
3 पॉइंट द्वारा GN⁺ 2023-11-21 | 2 टिप्पणियां | WhatsApp पर शेयर करें
  • यह एक GitHub रिपॉज़िटरी है जो वैज्ञानिक शोधपत्रों और डेटा विश्लेषण में आम तौर पर इस्तेमाल होने वाली 16 गलत विज़ुअलाइज़ेशन प्रथाओं को उदाहरणों के साथ समेटती है, और R कोड व simulation data के जरिए हर केस को सीधे पुनरुत्पादित किया जा सकता है
  • bar graph से औसत तुलना का दुरुपयोग, छोटे sample में violin plot, एक-दिशात्मक data पर द्वि-दिशात्मक color scale लागू करना जैसे डेटा के distribution और विशेषताओं को विकृत करने वाले विज़ुअलाइज़ेशन को ठोस रूप से इंगित किया गया है
  • heatmap में row·column reordering की कमी, outlier की जांच न करना, pie chart और concentric donut chart की बुनियादी सीमाएँ जैसे मानव visual perception को ध्यान में न रखने वाले chart प्रकारों की समस्याओं को समझाया गया है
  • position-based visualization और length-based visualization के बीच भ्रम, axis-truncated bar graph जैसे गलतफहमी पैदा करने वाली संरचनात्मक design त्रुटियों के बारे में चेतावनी भी शामिल है
  • डेटा विज़ुअलाइज़ेशन से जुड़े सभी शोधकर्ताओं और डेवलपर्स के लिए यह व्यावहारिक anti-pattern संग्रह है, और हर आइटम के साथ वैकल्पिक visualization तरीके भी दिए गए हैं

1. bar graph से औसत तुलना न करें

  • means separation plot वैज्ञानिक शोधपत्रों में सबसे आम विज़ुअलाइज़ेशन में से एक है, जिसका उद्देश्य दो या अधिक समूहों के औसत, variance और distribution को दिखाना होता है
  • उदाहरण में दो समूहों का औसत और standard deviation समान है, लेकिन distribution पूरी तरह अलग है — सिर्फ bar graph से यह अंतर पकड़ना संभव नहीं
  • bar graph इस्तेमाल करने से पहले डेटा का distribution ज़रूर देखना चाहिए, और Weissgerber et al.(2015, PLOS Biology) ने भी bar graph की सीमाओं की ओर इशारा किया है

2. छोटे sample में violin plot का उपयोग न करें

  • violin plot या smoothed distribution curve sample size छोटा होने पर अर्थपूर्ण नहीं होते
  • छोटे sample में एक जैसे observation होने पर भी distribution और quartile बहुत बदल सकते हैं, और quartile के स्थिर होने के लिए n का 50 से अधिक होना ज़रूरी है
  • एक ही normal distribution से कई बार sampling करके quartile की तुलना करने वाले प्रयोग के परिणाम से यह बात साबित की गई है

3. एक-दिशात्मक data पर द्वि-दिशात्मक color scale का उपयोग न करें

  • color scale में सबसे गहरा और सबसे हल्का रंग किसी अर्थपूर्ण मान जैसे maximum, minimum, average या 0 को दिखाना चाहिए
  • सबसे हल्का या सबसे गहरा रंग अगर किसी मनमाने संख्या को दिखाए, तो यह उतनी ही गंभीर गलती है जितनी "bar chart में सबसे लंबा bar maximum न होना"
  • heatmap/color gradient इस्तेमाल करते समय डेटा की दिशा (एक-दिशात्मक बनाम द्वि-दिशात्मक) के हिसाब से सही color scale चुनना ज़रूरी है

4. bar plot meadow न बनाएं

  • बहु-कारक प्रयोग के परिणामों को bar graph की कतार में दिखाने पर वह "bar plot meadow" बन जाता है और परिणाम संप्रेषण के लिए अप्रभावी हो जाता है
  • बहु-कारक प्रयोग के परिणाम प्रभावी ढंग से दिखाने के लिए रुचि के कारकों के आधार पर grouping/faceting को सावधानी से डिजाइन करना चाहिए
  • उदाहरण में Treatment और Explant के Response पर प्रभाव की तुलना Variety स्तर पर की गई है, और यह रेखांकित किया गया है कि विश्लेषण के फोकस के अनुसार layout बदलना चाहिए

5. heatmap की row·column reordering पर ज़रूर विचार करें

  • heatmap वैज्ञानिक शोधपत्रों में, खासकर omics शोधपत्रों में, बहुत आम हैं; लेकिन row और column के क्रम को दोबारा व्यवस्थित किए बिना उपयोगी जानकारी निकालना मुश्किल है
  • clustering आधारित reordering आम तरीका है, लेकिन यही एकमात्र तरीका नहीं है; 96-well plate जैसी भौतिक व्यवस्था दर्शाने वाली स्थिति में reordering संभव नहीं
  • row·column reordering और सही color gradient को मिलाकर दृश्य रूप से सुंदर heatmap भी बनाए जा सकते हैं

6. heatmap में outlier की जांच किए बिना न चलें

  • outlier heatmap की पहचान और व्याख्या को पूरी तरह बदल सकते हैं, और यह समस्या रंग के माध्यम से संख्यात्मक data दिखाने वाले सभी विज़ुअलाइज़ेशन पर लागू होती है
  • उदाहरण में 20 features को मापने वाले 2 observations outlier की जांच न होने पर कुल मिलाकर समान दिखते हैं, लेकिन color scale को 95वें percentile के आधार पर समायोजित करने पर सभी features में अंतर स्पष्ट हो जाता है

7. हर factor level पर data range की जांच करें

  • बहु-कारक प्रयोगों में response variable की range का factor level के अनुसार बहुत बदलना आम बात है
  • एक काल्पनिक प्रयोग में 3 compounds को 2 समूहों (control बनाम treatment) में मापा गया, और compound 1 की concentration range बाकी compounds की तुलना में बहुत संकरी थी, इसलिए treatment effect छूट जाने का जोखिम था
  • हर compound के data range को पहले से न देखने पर महत्वपूर्ण treatment effect नज़रअंदाज़ हो सकता है

8. network graph में कई layout आज़माएँ

  • network graph का बाहरी रूप (topology नहीं, बल्कि layout) उसकी प्रभावशीलता पर बड़ा असर डालता है
  • एक ही data पर 3 network graph पूरी तरह अलग दिखते हैं, और 9 अलग-अलग layout के उदाहरण भी शामिल हैं
  • layout के अनुसार network की व्याख्या की कठिनाई बहुत बदलती है, इसलिए कई layout आज़माने चाहिए

9. position-based visualization और length-based visualization को भ्रमित न करें

  • point·line graph में मान x-axis और y-axis पर position से व्यक्त होते हैं, जबकि bar graph में मान x-axis से distance (length) के रूप में दिखते हैं
  • उदाहरण में 0 से शुरू न होने वाला bar graph time point 2 के bar को time point 1 की तुलना में लगभग 3 गुना लंबा दिखाता है, जबकि वास्तविक औसत अंतर लगभग 1.6 गुना है — length और position का भ्रम गलतफहमी पैदा करने वाला graph बनाता है

  • Broken Axis bar graph से सावधान रहें

    • axis truncation संख्याओं की बड़ी range दिखाने में उपयोगी हो सकती है (विकल्प के रूप में log scale axis भी इस्तेमाल की जा सकती है), लेकिन यह सिर्फ position-based graph में ही उचित है
    • bar graph में axis truncation की जगह बदलने पर किसी खास bar के ज्यादा लंबा या छोटा दिखने का optical illusion पैदा होता है
    • उदाहरण में bar "d" की लंबाई axis truncation की स्थिति के अनुसार बहुत अलग दिखती है, क्योंकि bar graph length-based graphic है

10. pie chart न बनाएं

  • pie chart अनुपात data को वृत्ताकार sectors में बांटकर दिखाता है, लेकिन इंसान angle और area की तुलना में length को पढ़ने में कहीं बेहतर है
  • 2 समूहों और हर एक में 4 subcategories वाले उदाहरण में pie chart से समूहों के बीच तुलना बहुत कठिन हो जाती है
  • donut chart से इसे सरल बनाने पर भी data arc length के रूप में व्यक्त होता है, इसलिए donut को खोलकर stacked bar graph बनाना तुलना के लिए कहीं अधिक प्रभावी है
  • ggplot में pie chart और donut chart की script, stacked bar की तुलना में, उल्टा ज्यादा जटिल है

11. concentric donut chart न बनाएं

  • concentric donut में यह मानना आसान है कि data arc length से दिख रहा है, लेकिन असल में यह arc angle से व्यक्त होता है, और इंसान arc angle पढ़ने में कमजोर है
  • बाहरी ring की arc length, अंदरूनी ring की तुलना में बहुत लंबी होती है, इसलिए Group 2 और Group 3 का मान समान होने पर भी Group 3 की arc length बहुत अधिक दिखती है
  • group order (कौन-सा group किस ring में रखा गया है) plot के प्रभाव पर बहुत असर डालता है, और बड़े मान का arc छोटा दिखने का विरोधाभास भी पैदा हो सकता है
  • यही समस्या circos plot जैसे circular layout पर भी लागू होती है; इसका विकल्प donut को खोलकर stacked bar plot में बदलना है

12. लाल/हरा और rainbow color scale का उपयोग न करें

  • Deuteranomaly सबसे आम color blindness प्रकार है, जो पुरुषों में 1/16 और महिलाओं में 1/256 में पाया जाता है
  • लाल/हरा और rainbow color scale color blindness वाले उपयोगकर्ताओं के लिए समस्या पैदा करते हैं, और black-and-white print में भी जानकारी संरक्षित रखने में बहुत कमजोर हैं
  • viridis जैसी "modern" color scale color blindness-friendly होने के साथ grayscale में भी सुरक्षित है, और दृश्य रूप से भी बेहतर है

13. stacked bar plot की reordering करना न भूलें

  • stacked bar plot अनुपात data, community structure, population structure, admixture analysis की visualization में आम तौर पर इस्तेमाल होता है
  • 100 samples और 8 classes वाले उदाहरण में bar order को optimize किए बिना graph में कोई pattern पहचानना संभव नहीं
  • bars को reorder करने के बाद pattern नाटकीय रूप से उभरते हैं, और sample की grouping व ordering optimization ही मुख्य बात है

14. stacked bar और औसत तुलना को एक साथ न मिलाएँ

  • stacked bar plot 100% तक जुड़ने वाले अनुपात data के लिए है, जबकि means separation plot औसत के अंतर और variance को दिखाता है; ये दोनों पूरी तरह अलग visualization कार्य हैं
  • blueberry plant प्रयोग के उदाहरण में standard stacked bar plot साफ़ दिखाता है कि chemical treatment ने fruit color profile को सबसे mature stage (dark blue) की ओर मज़बूती से शिफ्ट किया
  • stacked bar के ऊपर error bars और points overlay करने पर यह अस्पष्ट हो जाता है कि कौन-से error bars और points किससे तुलना कर रहे हैं, और ऊपर वाली stack के error bars ऊपर धकेल दिए जाने से y-axis की व्याख्या सहज नहीं रहती
  • अगर visualization का मुख्य उद्देश्य औसत तुलना और variance दिखाना है, तो अलग means separation graph अधिक उपयुक्त है

15. छोटे sample में histogram का उपयोग न करें

  • histogram को कभी-कभी bar graph के विकल्प के रूप में सुझाया जाता है, लेकिन bin संख्या के प्रति इसकी robustness छोटे sample में बहुत कम होती है
  • एक ही normal distribution से n = 10, 100, 1000 पर sampling करके 10, 30, 50 bins वाले histogram बनाने पर, एक ही distribution होने के बावजूद histogram का आकार बहुत बदलता है
  • छोटे sample (n < 30) में सभी data points को सीधे graph पर दिखाना कहीं बेहतर है, और n = 100 पर भी bins की संख्या के अनुसार histogram का रूप तेज़ी से बदलता है
  • histogram को bin संख्या में बदलाव के प्रति robust होने के लिए लगभग 1000 या उससे अधिक sample size चाहिए

16. bimodal distribution data पर boxplot का उपयोग न करें

  • boxplot median और quartile पर केंद्रित होता है, इसलिए bimodal distribution (और multimodal distribution) data को सही ढंग से व्यक्त नहीं कर सकता
  • boxplot बनाने से पहले डेटा का distribution ज़रूर देखना चाहिए
  • छोटे से मध्यम sample size (दसियों हज़ार से कम) में ggbeeswarm पैकेज के geom_quasirandom() का उपयोग करके सभी data points को सीधे दिखाना सर्वोत्तम अभ्यास है
  • violin plot और histogram जैसे distribution-based graphics छोटे sample में robust नहीं होते

संबंधित पढ़ाई

2 टिप्पणियां

 
xguru 2023-11-21

लेख का शीर्षक मज़ेदार है। अगर आप मूल लेख देखें, तो उसमें sample graph भी साथ में दिए गए हैं, इसलिए समझना आसान है।
 
GN⁺ 2023-11-21
Hacker News प्रतिक्रियाएँ

  • एक तरफ़ से देखें तो यह काफ़ी शानदार लगता है
    दूसरी तरफ़, इन खराब ग्राफ़्स में से कई शायद जानबूझकर चुने गए लगते हैं ताकि कम data points या संदिग्ध underlying distribution छिपाई जा सके
    इसलिए यह “अगर दोस्त हो तो ऐसा मत करने दो” से ज़्यादा, “अगर कोई ग्राफ़ चीज़ों को साफ़ दिखाने के बजाय धुंधला कर रहा हो, तो शक करो कि यह जानबूझकर भी हो सकता है” के करीब है

    • यह ग़लत नहीं है, लेकिन researchers भी बहुत अपूर्ण होते हैं। वे हमेशा व्यस्त रहते हैं, उनके पास सच में अपने काम को बेहतर बनाने का समय नहीं होता, और सारा ज़ोर बस किसी तरह पर्याप्त paper निकालने पर होता है
      जिन papers में मैं शामिल रहा हूँ, उनमें “अभी नहीं, इसे और बेहतर बनाते हैं” वाला रवैया 0 बार था
      कई बार ग्राफ़ साफ़ नहीं होते क्योंकि उन्हें साफ़ बनाने में समय और मेहनत लगती है, और academia में इन दोनों की भारी कमी है। बदसूरत details को जानबूझकर छिपाने वाले मामले भी कभी-कभी होते हैं, लेकिन मुझे नहीं लगता कि ऐसे खराब figures का मुख्य कारण वही है
    • AMD और NVIDIA भी हर साल काफ़ी घटिया ग्राफ़्स निकालते हैं, लेकिन वहाँ यह जानबूझकर होता है
    • psychology literature में यह बात, चाहे जानबूझकर हो या नहीं, निश्चित रूप से होती है, और खासकर पहली वाली बात ज़्यादा लागू होती है। psychology papers ANOVA के p-value रिपोर्ट करते हैं, और आराम से मान लेते हैं कि सब कुछ normal distribution है
      कुछ समूहों में लोग जानबूझकर सोई हुई समस्या नहीं छेड़ना चाहते, और कुछ समूहों को बस पता ही नहीं होता। कुछ लोगों को research करना ही नहीं चाहिए, लेकिन training कम है, और सस्ता PhD labor भी आसानी से नहीं मिलता, इसलिए हालात ऐसे हैं
    • ज़्यादातर लोग graph layout नहीं कर पाते। कई लोग तो axis labels भी ठीक से नहीं लगा पाते

  • “अगर दोस्त हो तो उसे ऐसा heatmap मत बनाने दो जिसमें outlier को maximum न माना गया हो” वाला उदाहरण सच में बहुत आम है। वीडियो गेम्स की statistical visualization में भी यह अक्सर दिखता है
    strategy/simulation games में ऐसी visualizations बहुत होती हैं जो player को स्थिति या समस्या समझने में मदद करती हैं, लेकिन heatmap में outlier effect की वजह से color gradient अक्सर काफ़ी बेकार हो जाता है
    उदाहरण के लिए, Oxygen Not Included में temperature visualization चालू करने पर अगर कोई heat source जैसे volcano हो, तो बाकी सारे रंग ठंडे दिखने लगते हैं, इसलिए स्क्रीन अक्सर सिर्फ़ नीली या गुलाबी-लाल दिखती है। 1000°C के volcano और लगभग overheat हो चुके 270°C steam room में फ़र्क नहीं दिखता, दोनों लगभग एक जैसी गुलाबी-लाल छाया बन जाते हैं। 60°C पर overheat हो रहा base भी तुलना में ठंडा लगता है, इसलिए नीला दिखता है, और तापमान की समस्या diagnose करने के heatmap के तौर पर यह लगभग बेकार हो जाता है

    • अगर कोई खास temperature किसी मायने रखने वाली समस्या दिखाता है, तो रंगों को उसी temperature के हिसाब से standardize करना चाहिए, न कि मौजूद कुल temperature range से अपने-आप generate होने देना चाहिए
      सच कहें तो temperature बदलने पर रंगों का अर्थ बदल जाना अपने-आप में काफ़ी खराब idea लगता है
    • क्या यहाँ data को log transform करना सही समाधान नहीं होगा? अगर volcano का temperature खुद दिलचस्पी का विषय नहीं है, तो उसे बाहर कर देना या outlier की तरह mark करना बेहतर होगा
    • मेरे दोस्त के पास literally एक heat map है। यानी infrared thermal imaging camera, जो साफ़ outliers को वैसे ही लाल और सफ़ेद धारियों से दिखाता है जैसे digital camcorder overexposed area दिखाता है
      यह hotspot warning की तरह भी काम करता है, और साथ ही यह संकेत भी देता है कि इन्हें नज़रअंदाज़ करो, इसलिए यह वाकई उपयोगी है

  • पहले HN पर किसी ने यह कहकर ज़बरदस्त बहस छेड़ दी थी कि जिन graph के सभी axes का minimum 0 नहीं होता, वे सब भ्रामक होते हैं
    बात global temperature rise वाले climate change graph की हो रही थी, और वह कह रहा था कि क्योंकि Y-axis यानी temperature 0 से शुरू नहीं हो रहा, इसलिए graph misleading है। पता नहीं वह Fahrenheit का 0 था, Celsius का 0, या धत्त तेरे की Kelvin का 0
    उसने यह भी कहा था, “अगर नीचे 0 रखने पर बदलाव दिखता ही नहीं, तो शायद वह इतना meaningful बदलाव है ही नहीं?” कुछ समय के लिए इंसानियत पर मेरा भरोसा हिल गया था, लेकिन अच्छा है कि अब चर्चा थोड़े ऊँचे स्तर पर होती दिखती है। शायद 2016~2020 कोई अलग ही दौर था

    • उसे X-axis “year” वाला ऐसा chart दे दो जो ईस्वी 0 वर्ष से शुरू होता हो
    • अगर temperature ratio को अर्थपूर्ण बनाना है, तो असल में 0 point Kelvin पर रखना होगा
      25°C को 20°C से “25% ज़्यादा गर्म” दिखाने वाला graph उस अर्थ में भ्रामक कहा जा सकता है। बेशक, इससे global warming denial सही नहीं ठहरता
    • आसान समाधान यह है कि किसी baseline date के बाद का °C change plot किया जाए। किसी भी graph में हर point से y(x_0) घटा दो
    • “जिन graph में 0 सभी axes का minimum नहीं है, वे भ्रामक होते हैं” — इस बात से मैं कुछ हद तक सहमत हूँ
      उदाहरण के लिए, मुझे सबसे पहले यह graph मिला: https://religionnews.com/wp-content/uploads/2014/08/61Years-...
      पहली नज़र में लगता है जैसे 2/3 की गिरावट हुई हो, और यही इसे भ्रामक बनाता है। ऐसे decline graphs अक्सर वास्तविक गिरावट की मात्रा से मेल न खाने वाला visual impression देते हैं
    • यह उस क्लासिक मामले जैसा है जहाँ किसी ने ऐसी समस्या से, जिसे वह पूरी तरह समझता नहीं था, बस एक बहुत ज़्यादा simplified rule उठा लिया। ऊपरी-ऊपरी ज्ञान खतरनाक होता है

  • अगर आप data visualization पर और पढ़ना चाहते हैं, तो Edward Tufte की The Visual Display of Quantitative Information एक बेहतरीन संदर्भ पुस्तक है। यह 1983 में पहली बार प्रकाशित हुई एक क्लासिक है, लेकिन आज भी प्रासंगिक है

    • यह एक दिलचस्प किताब है, और इसमें अच्छे व बुरे उदाहरण सच में काफ़ी मनोरंजक हैं, इसलिए इसकी सिफारिश की जा सकती है
      हालांकि, लेख का केंद्रीय सिद्धांत “information के मुकाबले ink ratio को maximize करो” बहुत विश्वसनीय लगता है, लेकिन मूल रूप से इसमें खामी है। ink की मात्रा, या स्क्रीन पर काले pixels की संख्या, visual complexity के बराबर नहीं होती। जब दिमाग visual information की व्याख्या करता है, तब तक boundary detection, grouping, और दूसरी preprocessing पहले ही हो चुकी होती है
      वह scatter plot का उदाहरण देता है जिसमें axes को कोने पर मिलने नहीं दिया जाता और उन्हें छोटा करके सिर्फ data range दिखाई जाती है; कहा जाता है कि इससे ink कम लगती है और information ज़्यादा दिखती है, यानी win-win। लेकिन तुलना करने पर साफ़ दिखता है कि बदला हुआ version visual रूप से ज़्यादा complex है। अगर text और कई graphs एक साथ किसी complex page पर हों, तो टुकड़े visual रूप से और ज़्यादा घुलमिल जाएँगे और स्थिति बदतर होगी
      ऐसी complexity कम करने का एक तरीका है कि पूरे plot जैसे बड़े क्षेत्र को box में घेर दिया जाए, लेकिन box उस किताब और दूसरी जगहों पर Tufte का पूर्ण शत्रु है। इतने लंबे समय तक visual representations देखने के बावजूद उनका ऐसा रवैया बनाए रखना हैरान करता है
    • यह एक अच्छी किताब है। John Tukey का क्लासिक पेपर Some Graphic and Semigraphic Displays भी सुझाया जाता है: https://www.edwardtufte.com/tufte/tukey
      Tukey, Tufte के mentors में से एक थे
    • ऐतिहासिक दृष्टिकोण से यह दिलचस्प था, लेकिन आज online कहीं अधिक विशाल सामग्री उपलब्ध होने की स्थिति में इसमें कोई “secret” information या जोड़ने लायक नई बात नहीं थी
      data और उसकी कहानी के हिसाब से सही chart चुनने के high-level overview के लिए http://data-to-viz.com बेहतरीन है, और अलग-अलग plotting libraries के examples भी प्रेरणा लेने के लिए अच्छे संदर्भ हैं। उदाहरण के लिए https://matplotlib.org/stable/gallery/index.html
    • सलाह अच्छी है, लेकिन यह ध्यान में रखना चाहिए कि उसके बाद neuroscience और perception की समझ आगे बढ़ चुकी है
      यह बहुत दिलचस्प और प्रासंगिक है, लेकिन इस विषय पर अंतिम निष्कर्ष नहीं है
    • मेरे हिसाब से वह एक insightful framework देते हैं, जिसके जरिए यह सोचा जा सकता है कि अच्छी data visualization किन तत्वों से बनती है
      लेकिन बहुत से लोग उसके पीछे की logic को छोड़ देते हैं और बस Tufte style की नकल करते हैं, जिसका नतीजा कभी-कभी ज़रूरत से ज़्यादा stylized और iconoclastic लगता है। R के ggplot2 के default plots इसका अच्छा उदाहरण हैं

  • यह data visualization की आम गलतियों का बहुत अच्छा overview देने वाला लेख है, इसलिए मैं इसे सहकर्मियों के साथ साझा करने वाला हूँ। पूरक सामग्री के रूप में Kennedy Eliot की 39 studies about human perception in 30 mins की ज़ोरदार सिफारिश करता हूँ: https://medium.com/@kennelliott/39-studies-about-human-perce...
    इससे data visualization best practices के आसपास किए जाने वाले कई दावों के research basis को जल्दी से देखा जा सकता है। खासकर pie charts का इस्तेमाल न करने वाला dogma दिलचस्प है; 1930 के दशक से designers इस विषय पर लगातार असहज रहे हैं, लेकिन research results, बेहतर से बेहतर कहें तो, स्पष्ट निष्कर्ष नहीं देते

    • मैंने यह लेख नहीं देखा था, लेकिन मैं हाल की एक paper की सिफारिश करने वाला था: https://journals.sagepub.com/doi/full/10.1177/15291006211051...
      Medium लेख को सरसरी तौर पर देखने पर लगा कि इन मुद्दों पर उसका नज़रिया भी काफ़ी मिलता-जुलता है, इसलिए दोनों एक-दूसरे के पूरक हो सकते हैं

  • “3. अगर आप दोस्त हैं, तो एकतरफ़ा data के लिए diverging color scale इस्तेमाल नहीं करने देंगे” में, मुझे समझ नहीं आता कि उन उदाहरणों में शुरू से ही रंगों का उपयोग क्यों किया गया है

    • बिल्कुल यही बात है। एक ही information को दो बार encode करने की ज़रूरत नहीं है। इससे बस यह समझने में ज़्यादा सोचना पड़ता है कि graph क्या दिखा रहा है
    • उदाहरण में color scale किसी चीज़ को बेहतर नहीं बनाती। फिर भी सामान्य सलाह अपने आप में अब भी अच्छी है
      कई मामलों में single-variable representation, सिर्फ grayscale इस्तेमाल करने के बजाय color scale से बेहतर हो सकता है। ऐसे मामलों में one-way data पर diverging scale का इस्तेमाल बुरा है, और उल्टा भी यही सच है
    • यहाँ “उदाहरण” को वास्तविक use case से ज़्यादा color scale के गुण दिखाने के रूप में समझना बेहतर लगता है
      यानी यह इस बात का उदाहरण नहीं है कि color scale कब इस्तेमाल करनी चाहिए
    • वह bar की लंबाई का इस्तेमाल करके स्थिति समझा रहा है। वह दोनों को एक साथ इस्तेमाल करने की सिफारिश नहीं कर रहा

  • इनमें से काफ़ी सबक नए नहीं हैं। Willard C. Brinton की 1939 की किताब Graphic presentation देखी जा सकती है, और यह मुफ़्त में उपलब्ध है: https://archive.org/details/graphicpresentat00brinrich/mode/...

  • मेरी नज़र में ये भी अब तक सब के सब बुरे ही हैं। chart junk बहुत ज़्यादा है, और ज़्यादातर में रंग भी ज़रूरत से ज़्यादा हैं
    उन सभी लाइनों की ज़रूरत नहीं है। अगर सावधानी से कम चीज़ें रखी जाएँ, तो इन्हें पढ़ना आसान हो जाता है। Edward Tufte की किसी भी किताब में यही बात मिलती है, और कुछ बुनियादी techniques से ही काफ़ी दूर तक जाया जा सकता है

    • ये charts ggplot2 में बनाए गए थे, और ggplot2 Grammar of Graphics पर आधारित है
      सुधार: मुझे लगा था कि यह Tufte ने बनाया था, लेकिन वह ग़लत था। https://www.amazon.com/Grammar-Graphics-Statistics-Computing...

  • मुझे कभी violin plot पसंद नहीं आए, हालांकि मैं data visualization क्षेत्र का व्यक्ति बिल्कुल नहीं हूँ। बस एक हफ़्ता पहले संयोग से violin plots should not exist नाम का वीडियो देखा, और तब जाकर बात समझ में आई: https://youtu.be/_0QMKFzW9fw?feature=shared

  • Bill Cleveland के शोध के आधार पर ऐसे कुछ विचारों को एक सुसंगत ढांचे में पिरोकर How Humans See Data नाम का एक प्रेज़ेंटेशन किया था
    https://www.youtube.com/watch?v=fSgEeI2Xpdc

    • इसे साझा करने के लिए धन्यवाद। यह शानदार था और इसकी गति भी बहुत अच्छी थी, और 40 मिनट कब निकल गए पता ही नहीं चला
      अनुमान के तीन चरण वाला हिस्सा सचमुच आंखें खोल देने वाला था। बाद में देखने पर यह स्पष्ट लगता है, लेकिन किसी के सीधे समझाने से पहले मैं उस संबंध को जोड़ नहीं पाया था