Konuşulmayan veri görselleştirme kuralları
Veri görselleştirmek; bir yapboz yapmak gibidir. Başarılı yapabilmek için bilmeniz gereken bazı şeyler vardır. Ayrıca elinizde neler olduğunu anlamanız gerekir. Verilerinizi anlatmak için yapbozu bitirmek öğeleri birleştirmek sizin işinizdir. Bu aşamada verileri görselleştirmekte bir seçenektir.
Bilgiler tek seferde metinde belirtilen sırayla okunduğunda yararlı hale gelir. Fotoğraflarda gözlerimiz dolaşıyor, aynı anda birden fazla boyutta bilgi arıyor. Biliş; referans çizgileri, lejantlar, veri etiketleri ve ek açıklamalar gibi tasarım öğeleri tarafından yönlendirilir. Burada dikkat edilmesi gereken şey görsel ortamın zenginliği sözel olarak ifade edildiğinde; uzun soluklu, uyarı yüklü cümlelere yol açan karmaşık ilişkileri gün yüzüne çıkarmasıdır.
Leland Wilson’ın The Grammar of Graphics’inde; estetiği, verilerin geometrik nesnelere kodlanmasını anlamaya yardımcı olan kılavuzlardan ayırır. Bu ayrım ile veri görselleştirme ikiye bölünür. Kurala uygun ve kurala uygun olmayan olarak aynı verilerin iki görüntüsü yan yana yerleştirilmiştir. Veri görselleştirme tasarımcıları, grafiklerini basitleştirmek ve gereksiz açıklamaları kaldırmak için bu kurallardan yararlanabilirler. Bu konuşulmayan kurallar ile yanlış anlamalar önlenir.Özel uygulamalarda ve kitlelere bağlı olarak bazen kurallar dışına çıkmak kurtarıcı olabilir kural dışına çıkmayı iyi düşünmelisiniz ancak yararlı ise hemen uygulamaya geçmelisiniz.
Estetik Kuralları
Pasta grafikler
Veri görselleştirme uzmanları tarafından en kötü olarak nitelendirse de kullanılmaya devam edilmektedir. Bazı pasta grafikler kurallara uygun olduğu zaman iş görür.Kurallar göz ardı edildiğinde, pasta grafiğini kavramak daha fazla zaman alır. En büyük pasta diliminin rastgele bir açıyla ve diğer dilimlerin de rastgele bir sırayla yerleştirildiği, her dilime rastgele bir renk atanmış olduğu sağdaki kuraldan sapmış olan örneğine bir göz atın. Okuyucu grafiği anlamakta oldukça zorlanır. Pasta grafiğin okuyucu tarafından daha anlaşılır olması için makul sayıda dilim kullanın,dilimler saat yönünde olsun, dilimleri en büyükten en küçüğe doğru sıralayın,küçük kategorileri “Diğer” kategorisi altında toplayın, renkleri yalnızca veri kodlama amacıyla değiştirin, ilk ve en büyük dilimi üst dikey yarıçapa göre konumlandırın ve sıradan bağımsız olarak “Diğer” dilimini sıranın sonuna yerleştirin.
Birinci örnek: uygun bir pasta grafik (solda). İkinci örnek: kurallardan sapan bir pasta grafik (sağda).
Çubuk grafikler
Temel kural, sıfırdan başlamakdır. Değer eksenimiz,sıfıra uzatıldığında, çubuk genişliklerinin oranı verilerin oranının olduğu konuma, yani yeniden doğru konuma gelir.Daha etkili bir gösterim,nokta grafiği ve etkili boşluklara odaklanma ile elde edilebilir. Eksenin başlangıç ekseninin sıfır olduğunu unutmayın.
Yanlış çubuk grafik örneği
Doğru çubuk grafik örnekleri soldaki nokta grafiği sağdaki ise boşlukların görüntülenmesine örnektir.
Dağılım grafikleri
İki değişkenin değerlerini görüntülemek için kartezyen koordinatlar kullanılarak yerleştirilen bir noktalar topluluğu kullanır. oktanın yatay (x) ve dikey (y) konumları iki değişkeni kodlar. Nokta bulutu şekli, iki değişken arasındaki korelasyonun doğasını görselleştirir. Kurallar, hangi değişkenin hangi eksene yerleştirileceğine karar vermemizi sağlar. Regresyon çizgisi bi diğer adı eğilim çizgisi dağılım grafiğinde rutin bir eklentidir. Regresyon analizi, bir dağılım grafiğinde görüntülenen iki değişken arasındaki korelasyonu ölçmektedir. Regresyon çizgisi, nokta ve çizgi bulutu arasındaki ortalama mesafeyi en aza indirecek şekilde çizilir.
Regresyon çizgisine uygun dağılım grafik örneği
En önemlisi, belirli bir nokta ile regresyon çizgisi arasındaki mesafenin yatay olarak değil dikey olarak ölçülmesidir.X ve y eksenlerinin değiştirilmesi, regresyon çizgisini yansıtmaz (noktaları yansıtmadığı gibi). Noktalar ve çizgi arasındaki dikey mesafeleri en aza indirgeyen şey yatay mesafeleri en aza indirgemez.
Bir ekseni ters çevirdiğimizde, y ekseni üzerindeki x’in regresyon çizgisi, y ekseni üzerindeki x’in yansıtılan regresyon çizgisi ile çakışmaz.Özellikle, bu kural hangi değişkenin açıklayıcı değişken olduğu ve hangi değişkenin sonuç değişkeni olduğunu belirlemez.Kurala göre değişkenleri uygun eksenlere yerleştirilir.
Regresyon çizgisine sahip kuraldan sapmış bir dağılım grafiği,
Kısacası dağılım grafiklerinde ,
- Açıklayıcı değişkeni yatay eksene yerleştirin.
- Sonuç değişkenini dikey eksene yerleştirin.
- Bir regresyon çizgisi ekliyorsanız, mutlaka sonuç değişkenini atayın.
Zaman serisi grafikleri
Yıl , ay tarih gibi zaman kavramları için olan uygun yer yatay eksenleridir. Kural olarak, zaman soldan sağa doğru ilerler. Aşağıda zamanının soldan sağa ilerlediği bir örnek ile aşağıdan yukarıya sıralandığı iki örnek karşılaştırmıştır.Soldan sağa kuralı yazıların soldan sağa okunduğu kültürlerdeki bir kuraldır. Bu kuralı bozmak okuyucuların bilişini yavaşlatacaktır.
Yorumlar
Yorum Gönder