Aprendendo a produzir visualizações melhores vem com estudo e prática, hoje quero falar sobre fontes que você pode usar para orientá-lo a fazer gráficos melhores e outras visualizações de dados em geral.
From Data to Viz
From Data to Viz traz muitas ferramentas para ajudar a navegar no mundo da visualização de dados. Na guia Explore
você se depara com um infográfico interativo que ajuda a escolher um enredo, você pode escolher entre: numérico
, categórico
, numérico&categórico
, mapas
, rede
e série temporal
. Mas ele não mostra apenas gráficos que seriam bons para o seu tipo de dados, mas também uma descrição explicando o gráfico e os erros comuns que as pessoas cometem ao usar esse gráfico específico.
No final de cada ramo do infográfico, há também um link story
, onde você pode ler sobre uma implementação desse tipo de plot usando dados reais.
Caso você esteja apenas começando e não conhece muitos termos ou não tem certeza se seus dados contêm muitos
ou poucos
pontos quando você passa o mouse sobre os nós de opções, você poderá ver uma descrição com uma tabela de exemplo representando o que isso significa.
Ao ir para a guia Caveats
você pode ver uma coleção de advertências e pode filtrá-las por:
Improvement: todas as ressalvas que irão sugerir algum tipo de melhoria nas parcelas.
Misleading: alguns gráficos podem ser enganosos ao omitir algumas informações, seja o tamanho da amostra ou a diferença proporcional entre duas categorias. Ao ler isso, você poderá identificar práticas ruins que levam à confusão ou manipulação.
Este site também fornece links para galerias Python e R, onde você pode obter snippets de código para reproduzir esses gráficos.
Se você preferir aprender observando o que não fazer, confira WTF Visualizations. Ele mostra visualizações ruins que não fazem sentido ou são de alguma forma enganosas.
Lá você encontrará vários gráficos de pizza que não somam 100%, gráficos de área onde os números não correspondem à área e apenas manipulação direta como no exemplo abaixo.