Quand de bonnes données donnent de mauvais graphiques

Visualisation de données intermédiaire avec ggplot2

Rick Scavetta

Founder, Scavetta Academy

Mauvais graphiques : style

• Couleur
  • Pas conviviales pour les daltoniens (p. ex. surtout rouge et vert)
  • Palette inadéquate pour le type de données (rappelez‑vous : séquentielle, qualitative, divergente)
  • Groupes indistinguables (couleurs trop semblables)
  • Laides (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 informatif
  • Trop d'information (TMI)
  • Trop peu d'information (TLI)
  • Message ou objectif non clair
• Axes
  • Mauvais rapport d'aspect
  • Origine supprimée
  • Axe x ou y brisé
  • Échelles communes mais non alignées
  • Mauvaise transformation ou aucune

• Statistiques
  • La visualisation ne correspond pas aux statistiques réelles
• Géométries
  • Mauvais type de graphique
  • Mauvaise orientation
• Encre hors données
  • Utilisation inappropriée
• Graphiques 3D
  • Problèmes perceptuels
  • 3e axe inutile

Mauvaise orientation

Axes y brisés

Axes y brisés : remplacer par des données transformées

Axes y brisés : utiliser des facettes

Graphiques 3D, sans données sur le 3e axe

Graphiques 3D, avec données sur le 3e axe

Axes y doubles

Axe y double pour les transformations

Des lignes directrices, pas des règles

• Fiez‑vous à votre gros bon sens :
  • Y a‑t‑il quelque chose dans mon graphique qui gêne une lecture claire des données ou du message clé ?

Passons à la pratique !

Visualisation de données intermédiaire avec ggplot2