Альтернативная графика для «обработки линейки» графиков

В моей области исследований популярным способом отображения данных является использование комбинации гистограммы с «ручками». Например,

«Ручки» чередуются между стандартными ошибками и стандартными отклонениями в зависимости от автора. Как правило, размеры выборки для каждого «бара» довольно малы - около шести.

Эти сюжеты, кажется, особенно популярны в биологических науках - см. Несколько первых статей BMC Biology, том 3 .

Так как бы вы представили эти данные?

Почему мне не нравятся эти участки

Лично мне не нравятся эти сюжеты.

1. Когда размер выборки невелик, почему бы просто не отобразить отдельные точки данных.
2. Это SD или SE, который отображается? Никто не согласен с тем, что использовать.
3. Зачем вообще использовать бары. Данные (обычно) не идут от 0, но первый проход на графике предполагает, что это происходит.
4. Графики не дают представления о диапазоне или размере выборки данных.

R скрипт

Это код R, который я использовал для создания графика. Таким образом, вы можете (если хотите) использовать те же данные.

                                        #Generate the data
set.seed(1)
names = c("A1", "A2", "A3", "B1", "B2", "B3", "C1", "C2", "C3")
prevs = c(38, 37, 31, 31, 29, 26, 40, 32, 39)

n=6; se = numeric(length(prevs))
for(i in 1:length(prevs))
  se[i] = sd(rnorm(n, prevs, 15))/n

                                        #Basic plot
par(fin=c(6,6), pin=c(6,6), mai=c(0.8,1.0,0.0,0.125), cex.axis=0.8)
barplot(prevs,space=c(0,0,0,3,0,0, 3,0,0), names.arg=NULL, horiz=FALSE,
        axes=FALSE, ylab="Percent", col=c(2,3,4), width=5, ylim=range(0,50))

                                        #Add in the CIs
xx = c(2.5, 7.5, 12.5, 32.5, 37.5, 42.5,  62.5, 67.5, 72.5)
for (i in 1:length(prevs)) {
  lines(rep(xx[i], 2), c(prevs[i], prevs[i]+se[i]))
  lines(c(xx[i]+1/2, xx[i]-1/2), rep(prevs[i]+se[i], 2))
}

                                        #Add the axis
axis(2, tick=TRUE, xaxp=c(0, 50, 5))
axis(1, at=xx+0.1, labels=names, font=1,
     tck=0, tcl=0, las=1, padj=0, col=0, cex=0.1)

Спасибо за все ваши ответы. Для полноты я подумал, что мне следует включить то, что я обычно делаю. Я склонен делать комбинацию из приведенных предложений: точки, диапазоны (когда n большое) и se (или sd) диапазоны.

( Удалено модератором, поскольку сайт, на котором размещено изображение, больше не работает правильно. )

Из точечного графика видно, что данные гораздо более разбросаны, как показывают графики «панели управления». На самом деле, в A3 есть отрицательное значение!

Я сделал этот ответ CW, поэтому я не получаю репутацию

Основной доклад Фрэнка Харрелла под названием «Информационная аллергия» при использовании R! В прошлом месяце были показаны альтернативы этим: вместо того, чтобы скрывать необработанные данные посредством агрегации, которую обеспечивают столбцы, необработанные данные также отображаются в виде точек (или точек). "Зачем скрывать данные?" был комментарий Фрэнка.

Учитывая смешивание альпы, это звучит как наиболее разумное предложение (и весь разговор наиболее полон хороших и важных самородков).

С психологической точки зрения я выступаю за построение данных плюс вашу неопределенность в отношении данных. Таким образом, на графике, подобном тому, который вы демонстрируете, я бы никогда не удосужился расширить линейки до нуля, что лишь сводит к минимуму способность глаза различать различия в диапазоне данных.

Кроме того, я откровенно анти-барграф; гистограммы отображают две переменные в один и тот же эстетический атрибут (местоположение по оси X), что может вызвать путаницу. Лучший подход состоит в том, чтобы избежать избыточного эстетического сопоставления путем сопоставления одной переменной с осью x, а другой переменной - с другим эстетическим атрибутом (например, форма или цвет точки или оба).

Наконец, на графике выше вы только добавляете столбцы ошибок выше значения, что ограничивает способность сравнивать интервалы неопределенности относительно столбцов выше и ниже значения.

Вот как я могу построить данные (через пакет ggplot2). Обратите внимание, что я добавляю линии, соединяющие точки в одной серии; некоторые утверждают, что это уместно только тогда, когда ряды, между которыми соединены линии, являются числовыми (как, кажется, в этом случае), однако до тех пор, пока существует какая-либо разумная порядковая связь между уровнями переменной оси x, я думаю, соединительные линии полезны для того, чтобы помочь глазу связать точки на оси х. Это может стать особенно полезным для обнаружения взаимодействий, которые действительно выделяются линиями.

library(ggplot2)
a = data.frame(names,prevs,se)
a$let = substr(a$names,1,1)
a$num = substr(a$names,2,2)
ggplot(data = a)+
layer(
    geom = 'point'
    , mapping = aes(
        x = num
        , y = prevs
        , colour = let
        , shape = let
    )
)+
layer(
    geom = 'line'
    , mapping = aes(
        x = num
        , y = prevs
        , colour = let
        , linetype = let
        , group = let
    )    
)+
layer(
    geom = 'errorbar'
    , mapping = aes(
        x = num
        , ymin = prevs-se
        , ymax = prevs+se
        , colour = let
    )
    , alpha = .5
    , width = .5
)

Мне интересно, почему вам не нравятся эти сюжеты. Я использую их все время. Не желая заявлять о явном расцвете, они позволяют сравнивать средние значения различных групп и видеть, перекрываются ли их 95% ДИ (т. Е. Истинное среднее значение, вероятно, будет различным).

Мне кажется, важно получить баланс простоты и информации для разных целей. Но когда я использую эти графики, я говорю: «эти две группы отличаются друг от друга в некотором важном смысле» [или нет].

Мне кажется, это здорово, но мне было бы интересно услышать контрпримеры. Я предполагаю, что при использовании графика подразумевается, что данные не имеют странного распределения, что делает среднее значение неверным или вводящим в заблуждение.

Если данные являются показателями : это количество успехов, деленное на количество испытаний, то очень элегантный метод - это воронкообразный график. Например, см. Http://qshc.bmj.com/content/11/4/390.2.full (извинения, если для ссылки требуется подписка - дайте мне знать, и я найду другую).

Может быть возможно приспособить это к другим типам данных, но я не видел никаких примеров.

ОБНОВИТЬ:

Вот ссылка на пример, который не требует подписки (и имеет хорошее объяснение того, как их можно использовать): http://understandingunterminty.org/fertility

Их можно использовать для данных, не относящихся к скорости, просто отображая среднее значение против стандартной ошибки, однако они могут потерять часть своей простоты.

Статья в Википедии не очень хороша, поскольку в ней обсуждается только их использование в метаанализе. Я бы сказал, что они могут быть полезны во многих других контекстах.

Я хотел бы использовать boxplots здесь; чистый, содержательный, непараметрический ... Или виоплот, если рассылка более интересная.

Упрощение потрясающего кода @ csgillespie сверху:

qplot(
    data=a,
    x=num,
    y=prevs,
    colour=let,
    shape=let,
    group=let,
    ymin=prevs-se,
    ymax=prevs+se,
    position=position_dodge(width=0.25),
    geom=c("point", "line", "errorbar")
    )

Я предпочитаю geom_pointrange панели ошибок и думаю, что линии отвлекают, а не помогают. Вот версия, которую я нахожу намного чище, чем версия @James или @csgillespie:

qplot(
 data=a,
 x=num,
 y=prevs,
 colour=let,
 ymin=prevs-se,
 ymax=prevs+se,
 position=position_dodge(width=0.25),
 geom=c("pointrange"), size=I(2)
 )