Feb 102013
 

I to foregående posts har jeg beskrevet hvorledes scatterplot og barchart anvendes til at visualisere sammenhænge mellem data. I denne post vil jeg beskrive Piechartet, der er ideelt til at vise procentvise fordelinger mellem data.

Lad os fortsætte med det oprindelige datasæt. Målet var at undersøge om der er en sammenhæng mellem boligareal og huspris. Med et piechart bevæger vi os nu væk fra dette oprindelige mål. Et piechart er ikke godt til at vise sammenhænge mellem forskellige data (boligareal og huspriser) men er derimod velegnet til at vise fordelinger af en enkelt variabel, f.eks. boligarealer i dette eksempel.

Datasæt huspriser

Vi inddelte tidligere de 17 datapunkter i 4 kategorier og beregner nu den procentvise fordeling i kategorierne. Det ses at data i histogrammet og piechartet har en del til fælles, faktisk er den procentvise fordeling i dette piechart beregnet direkte på baggrund af histogrammet vist tidligere.

Piechart. Pivottabel data

Piechart. Huse til salg

Konklusion.
Et piechart er enkelt at beregne og giver et hurtigt og effektivt overblik over relative forhold mellem data (%). Samtidig må vi også indse at vi har flyttet os længere væk fra vores oprindelige data (som vist på scatterplot). Dette er prisen for at abstrahere data.

Et andet eksempel hvor piecharts er rigtig gode er f.eks. visualisering af stemmeprocenter ved et valg. Her tabes der ikke meget information ved at omregne stemmetal til procent, faktisk er det netop stemmeprocenten, der er vigtig.

 

 

 

Sorry, the comment form is closed at this time.