연속 비율 시각화

4 가지 범주가있는 소비자 데이터를 시각화하려고합니다. 사용자는 서로 다른 카테고리를 자유롭게 전환 할 수 있습니다. 각 개인에 대한 마지막 3-4 개의 스위치를 시각화하고 싶습니다.

따라서 우리는 4 개의 누적 비율을 가진 열이있는 플롯으로 시작할 것입니다. 그 후 우리는 각 범주가 사람들이 이전 행사에서 한 일, 그 다음에는 64 등이 쓰레기통이 너무 작아서 유용하지 않을 때까지 세분화됨에 따라 16을 갖게됩니다.

marimekko 차트와 누적 막대 차트 또는 덴드로 그램 사이의 어딘가가 작동해야한다고 생각하지만 그게 무엇인지 알 수 없습니다!

누구든지 내가 사용해야하는 줄거리 유형을 도울 수 있다면, R에서 구현하는 방법을 더 좋게하고 싶다면 매우 감사 할 것입니다.

잠재적 인 아이디어 중 하나 는 Sankey 다이어그램 을 사용 하여 범주 간 선택 흐름을 문서화하는 것입니다. 내가 말하는 것을 설명하는 두 가지 예가 있습니다.

• DensityDesign의 Fineo
• Robert Kosara의 병렬 세트 . 이 사이트의 포스터 중 하나는 R에서 병렬 세트를 만드는 방법을 보여주었습니다 .

의견에 표현 된 일부 우려 사항에 대한 업데이트. 병렬 세트 프로그램이 원하는 것을 즉시 수행하는 것으로 보입니다. 아래는 4 가지 범주로 4 개의 임의 변수를 만든 프로그램의 출력입니다. 디스플레이 상단으로 초기화 한 그룹은 다음 카테고리로 순차적으로 나뉩니다. 원하는 분할을 만듭니다.

또한이 그림에서 알 수없는 패키지에는 대화식 기능이있어 범주 중 하나를 마우스로 가리킬 때와 같이 탐색 데이터를보다 쉽게 ​​분석 할 수 있습니다.

동일한 데이터 세트를 Fineo에 업로드하여 여기에서 살펴볼 수 있습니다 . 이름이 dec1으로 지정된 초기 4 개의 범주 변수 외에 dec4분할 범주를 검사 할 수있는 연결된 범주도 포함했습니다. exp접미사가 있는 변수의 명명 규칙 dec은 이전에 선택한 범주를 연결하여 확장 된 변수 라는 것입니다 . 그래서 dec3_exp12으로 표시 될 121경우 dec1 = 1 and dec2 = 2 and dec3 = 1. ParSet에서 사용할 수있는 동일한 분할 유형 구조를 Fineo에서 만들 수 있지만 이 예제에서는 이상의 노드가 있는 범주를 렌더링하지 못합니다 .$4^3$

Fineo abit로 더 놀아 본 후에는 깔끔한 응용 프로그램이지만 실제로 제한적입니다. Parallel Sets는 훨씬 더 많은 기능을 제공하므로 Fineo 앱보다 먼저 확인하는 것이 좋습니다.

ParSets 프로그램이 범주를 하위 집합으로 연속해서 분할하여 검사하는 것보다 훨씬 나은 옵션이라고 생각합니다. 예를 들어, 위와 동일한 임의의 데이터를 사용하여에 대해 decision 2선택된 범주에 대해 선택된 조건부에서 비율 범주를 그리는 점 그림 이 decision 1있습니다.

에서 (으) decision 2로 변경하는 경우에도 동일한 분류를 수행 할 수 decision 3있지만 초기 상태 decision 1에 대한 작은 다중 차트를 작성하십시오 .

이 작업을 무한정 계속할 수 있습니다 (아래 참조). 깨달을지도 모르지만 더 많은 패널에 도달하면 상당히 어려울 것입니다. 아래는 요청 된대로 4 가지 연속 카테고리 선택을 시각화 한 것입니다.

앞에서 언급했듯이 그래픽을 여러 범주로 나눌 때의 작은 숫자는 문제가됩니다. 이를 설명하는 한 가지 방법은 크기와 같은 미학을 비율의 기준이되는 기준선에 매핑하는 것입니다. 이로 인해 더 작은 수치를 기준으로 관측치가 축소됩니다. 투명도를 사용할 수도 있습니다 (그러나이 예제에서 과도하게 팔린 점을 구별하기 위해 점을 투명하게 만들었습니다).

일부는 점 플롯이 아닌 노드 구조와 같은 크리스마스 트리를 상상하고 있다고 생각하지만 그러한 그래픽을 만드는 방법을 모르겠습니다. 그래도 같은 압도적 인 문제가 의심 될 것입니다. 이 작은 배수는 나쁘지 않지만 IMO Parallel Sets는 훨씬 직관적이며 시각화에서 분명하지 않은 패턴이 더 분명하다고 생각합니다. 어쩌면 나보다 더 상상력이 강한 누군가가 4 개의 임의 범주보다 더 흥미로운 데이터를 얻을 수 있습니다.