Quand de bonnes données font de mauvais graphiques

Visualisation de données intermédiaire avec ggplot2

Rick Scavetta

Founder, Scavetta Academy

Mauvais graphiques : style

• Couleur
  • Non adapté aux daltoniens (p. ex. rouge et vert)
  • Mauvaise palette pour le type de données (séquentielle, qualitative, divergente)
  • Groupes indiscernables (couleurs trop proches)
  • Laid (couleurs primaires très saturées)
• Texte
  • Illisible (p. ex. trop petit, faible résolution)
  • Non descriptif (p. ex. « longueur » — de quoi ? quelles unités ?)
  • Manquant
  • Inapproprié (p. ex. Comic Sans)

Mauvais graphiques : structure et contenu

• Contenu informationnel
  • Trop d’information (TMI)
  • Trop peu d’information (TLI)
  • Pas de message ni d’objectif clair
• Axes
  • Mauvais ratio d’aspect
  • Suppression de l’origine
  • Axes x ou y cassés
  • Échelles communes mais non alignées
  • Mauvaise transformation ou absence de transformation

• Statistiques
  • La visualisation ne correspond pas aux statistiques réelles
• Géométries
  • Mauvais type de graphique
  • Mauvaise orientation
• Encre non liée aux données
  • Usage inapproprié
• Graphiques 3D
  • Problèmes perceptifs
  • 3e axe inutile

Mauvaise orientation

Axes y cassés

Axes y cassés, remplacer par des données transformées

Axes y cassés, utiliser des facettes

Graphiques 3D, sans données sur le 3e axe

Graphiques 3D, avec données sur le 3e axe

Axes y doubles

Double axe y pour transformations

Lignes directrices, pas règles

• Faites preuve de bon sens :
  • Y a-t-il quelque chose sur mon graphique qui gêne la lecture claire des données ou du message clé ?

Passons à la pratique !

Visualisation de données intermédiaire avec ggplot2