Elegir el gráfico adecuado¶

Ejercicio choosing-the-right-chart-annex.pdf · PDF

Ya has construido seis tipos de gráfico: barras, líneas, histograma, dispersión, sectores y mapa de calor. Cada vez, alguien te dijo cuál tenías que hacer. Ahora llega a tu mesa una pregunta nueva: "¿Los juegos mejor valorados venden más?" ¿Cuál de los seis abres?

La mayoría de la gente responde con el gráfico que más le gusta. Eso es elegir una herramienta por su color. En esta lección dejas de elegir por gusto: la pregunta decide, y aprendes a leer lo que te está pidiendo.

El bloque decide la herramienta¶

En el videojuego de crafteo de este módulo, nadie pica piedra con una pala. Decide el bloque que tienes delante: pico para la piedra, hacha para la madera, pala para la tierra. Picar, talar y cavar son trabajos distintos, y cada trabajo tiene su herramienta.

Con los gráficos pasa lo mismo. Mantenemos esta analogía durante toda la página:

Así que cada pregunta se lee dos veces antes de tocar Superset:

• ¿Qué tipo de pregunta es? Hay cinco trabajos.
• ¿Qué columnas toca, y de qué tipo?

Con esas dos respuestas, el gráfico deja de ser cuestión de opinión.

Cinco trabajos que puede pedir una pregunta¶

El tipo de pregunta es lo que el lector quiere hacer con los números: ordenarlos, seguirlos en el tiempo, ver cómo se reparten, ver si dos de ellos se mueven juntos, o ver cómo un todo se divide en partes.

Aquí tienes los cinco trabajos, más un sexto panel que conocerás enseguida, todos dibujados a partir de la misma tabla de 26,685 juegos de Steam:

Una tabla, seis imágenes completamente distintas. Ninguna es "el gráfico de los juegos". Cada una es la respuesta a una pregunta diferente.

Lee el material: tres tipos de columna¶

Un trabajo es solo la mitad de la decisión. Un pico sirve para picar, pero aún necesitas saber si el bloque es piedra u obsidiana.

El tipo de dato de una columna dice qué clase de valores contiene. Para elegir un gráfico bastan tres tipos: categoría, número y fecha.

Dos columnas pueden ser ambas categorías y comportarse de forma muy distinta. owners_tier tiene 3 valores. publisher tiene 13,951. Ten presente ese número: es la trampa de esta lección.

La tabla de decisión¶

Junta las dos lecturas y obtienes la tabla de abajo. Tenla a mano: es la chuleta para el resto de la unidad.

La misma tabla como un camino que puedes seguir con el dedo:

flowchart TB
    Q["<b>La pregunta</b><br>(el bloque que tienes delante)"] --> ONE{"¿La respuesta es un número,<br>o una lista de valores exactos?"}
    ONE -- "sí" --> BIG["<b>Big Number o Table</b><br>no hace falta gráfico"]
    ONE -- "no" --> JOB{"¿Cuál es el trabajo?"}
    JOB -- "¿quién tiene más?" --> CMP{"¿Cuántas columnas<br>de categoría?"}
    CMP -- "una" --> BAR["<b>Bar Chart</b>"]
    CMP -- "dos" --> HEAT["<b>Heatmap</b>"]
    JOB -- "¿cómo ha cambiado<br>con el tiempo?" --> LINE["<b>Line Chart</b>"]
    JOB -- "¿cómo se reparten<br>los valores?" --> HIST["<b>Histogram</b>"]
    JOB -- "¿dos números<br>se mueven juntos?" --> SCAT["<b>Scatter Plot</b>"]
    JOB -- "¿qué parte es<br>cada elemento?" --> PARTS{"¿Cuántas partes?"}
    PARTS -- "5 o menos" --> PIE["<b>Pie Chart</b>"]
    PARTS -- "6 o más" --> SBAR["<b>Bar Chart</b>, ordenado"]

Trampa 1: un todo cortado en demasiadas partes¶

"¿Cómo se reparte el catálogo entre las distribuidoras?" El trabajo es la composición, así que tu mano va al gráfico de sectores. Para y cuenta primero las partes:

SELECT COUNT(DISTINCT publisher) FROM games_clean;

La respuesta es 13951. Intenta cortar un círculo en 13,951 porciones. El trabajo es el correcto; el material no encaja con la herramienta.

Compara dos composiciones. La primera tiene tres partes y es un gráfico de sectores perfectamente bueno:

pie showData
    title Juegos de Steam por nivel de propietarios
    "Niche" : 17921
    "Mid" : 8141
    "Hit" : 623

La segunda es cómo se reparten los 949 Pokémon de la tabla de clase por tipo primario. Dieciocho partes. Como gráfico de sectores serían dieciocho porciones finas y una leyenda que se lee con regla. Como gráfico de barras ordenado ves la respuesta de golpe: agua y normal van en cabeza, volador está casi vacío.

%%{init: {"themeVariables": {"xyChart": {"plotColorPalette": "#4051b5"}}}}%%
xychart-beta horizontal
    title "Pokémon por tipo primario (18 partes: barras ordenadas, no sectores)"
    x-axis [water, normal, grass, bug, rock, psychic, electric, fire, ghost, dragon, dark, ground, poison, fighting, steel, ice, fairy, flying]
    y-axis "Número de Pokémon" 0 --> 130
    bar [126, 111, 84, 79, 65, 64, 61, 59, 40, 39, 37, 36, 35, 31, 30, 29, 19, 4]

La regla: con cinco partes o menos, un gráfico de sectores. Con seis o más, compara las partes más grandes con un gráfico de barras ordenado. Para las distribuidoras, eso es exactamente el gráfico de barras del top 10 que construiste en Gráficos de barras y de líneas: mismas columnas, herramienta honesta.

Trampa 2: una pregunta que no necesita gráfico¶

"¿Cuántos juegos hay en la tabla?"

SELECT COUNT(*) FROM games_clean;

26685. Un número. No hay nada que ordenar, nada que seguir en el tiempo, nada que repartir. No todos los bloques necesitan un pico de diamante.

Un gráfico sirve para ver un patrón. Si no hay ningún patrón que ver, un gráfico solo hace más lento al lector.

Práctica: ocho preguntas, ocho decisiones¶

Antes de abrir Superset, prueba estas en papel. Para cada una escribe tres cosas: el trabajo, las columnas y su tipo, el gráfico. Dos de las ocho son trampas.

Pruébalo: construye dos de ellos¶

Las preguntas 1 y 2 ya las dominas de Gráficos de barras y de líneas. Las preguntas 6 y 4 son bloques nuevos: conoces las herramientas, y ahora sabes por qué elegirlas. Necesitas el dataset games_clean en Superset (los archivos están en la página de Recursos).

Pregunta 6: franja de precio por nivel de propietarios. Dos categorías y un número: un mapa de calor.

Pregunta 4: Metascore frente a propietarios. Dos números: un diagrama de dispersión.

Ideas clave¶

• La pregunta elige el gráfico, no tu gusto. Léela dos veces: el tipo de pregunta (el trabajo) y el tipo de dato de las columnas (el material).
• Cinco trabajos: comparación (barras), evolución (líneas), distribución (histograma), relación (dispersión), composición (sectores).
• Bastan tres tipos de columna: categoría, número, fecha. Un año es un punto en el tiempo, no un número medido.
• Dos categorías y un número es un mapa de calor: una comparación hecha de dos maneras a la vez.
• Una composición con seis partes o más no es un gráfico de sectores: usa un gráfico de barras ordenado.
• Si la respuesta es un número o una lista de valores exactos, muestra un Big Number o una Table. No toda pregunta necesita un gráfico.

Comprobación rápida¶

Ya puedes elegir la herramienta adecuada para cualquier bloque. Pero el gráfico correcto aún puede ser ilegible: sin títulos, un eje en 2k y 4k, una leyenda que dice COUNT(*). Lo siguiente: Configurar gráficos en Superset, donde el gráfico aprende a explicarse solo.