Das Zeichnen der Linien impliziert eine kontinuierliche Beziehung zwischen den Parametern. Wenn Sie also Kontinuität erwarten können, ist das Verbinden der Punkte in Ordnung. Ein zweiter Punkt ist, Farben zu vermeiden, die dem von Ihnen gewählten Grün und Blau so ähnlich sind. Ein Grund, warum der Unterschied im ersten Streudiagramm schwer zu erkennen ist, liegt in der Farbe. Versuchen Sie, mit Farben zu experimentieren, die einen besseren Kontrast aufweisen, und Ihr Problem kann möglicherweise gelöst werden, indem Sie nur die Farben für einen oder beide Datensätze ändern.

Zur allgemeinen Frage

Ja, es ist akzeptabel, Punkte zu verbinden, auch wenn theoretisch nur diskrete Datenpunkte existieren und es kein Kontinuum gibt. Wenn Grund zu der Annahme besteht, dass jemand Ihre Visualisierung aus diesem Grund falsch interpretiert, oder wenn Sie erwarten können, dass das Publikum diesbezüglich wählerisch ist, fügen Sie den Satz (auf der Folie oder gesprochen) hinzu:

Zeilen sind Nur zur Augenführung.

In Bezug auf Ihr spezielles Diagramm

• Wie bereits erwähnt, sind die Farben nicht gut ausgewählt (und werden bei der Projektion wahrscheinlich noch schlechter aussehen). . Ich empfehle Farben mit starkem Kontrast zu verwenden, zum Beispiel einen weißen oder fast weißen Hintergrund und für die Daten 1) schwarz oder fast schwarz, 2) reines Rot. (Seien Sie jedoch vorsichtig mit reinem Grün, da die meisten Projektoren es vermasseln - Dunkelgrün ist besser.)
• Abhängig davon, wie wichtig Sie bestimmte Dinge berücksichtigen:
  • Verwenden Sie eine logarithmische Skala (oder ähnlich) für die Abszisse ( x -Achse). Auf diese Weise gruppieren sich Punkte für kleine x nicht so stark und sind leichter zu lesen.
  • Verwenden Sie eine logarithmische Skala für die Ordinate ( y -Achse) ). Auf diese Weise wird die von Ihnen erwähnte exponentielle Beziehung sofort deutlich. Die Punkte für kleines x rücken jedoch noch näher zusammen.

Sie sagen, Sie möchten Ihre Datensätze qualitativ vergleichen, dh klarstellen, was "besser" ist. Da sie ähnlichen Funktionen zu folgen scheinen und nahe beieinander liegen, kann Normalisierung ein gutes Werkzeug sein.

Betrachten Sie beispielsweise dieses Diagramm:

^{Beachten Sie, dass die Standardeinstellungen von Mathematica 10 zu einer weitaus klareren Darstellung führen. sup>}

Wenn Sie wissen, dass beide Funktionen im Grunde 1 / √n sind, können Sie den Wert beispielsweise mit multiplizieren , n:

Jetzt ist der "Gewinner" klarer.

Ähnliche Effekte können durch (andere) Achsentransformationen, Cut-Offs, Zooms usw. erzielt werden. Sie müssen jedoch transparent sein, welche Transformationen Sie anwenden, da Sie leicht ein Diagramm erhalten können, das sagt "A ist dreimal so gut wie B!" obwohl der wirkliche Unterschied winzig war.

Ich werde die Teilchenphysik-Praxis auf den Tisch bringen und sagen, nie die Punkte verbinden. Sie sollten auch keine Splines durch Daten ausführen. Führen Sie aussagekräftige Anpassungen durch die Daten oder nichts aus.

Diese Regeln spiegeln das Verständnis in dieser Disziplin wider, dass einzelne Punkte mit erheblichen Fehlern oder Unsicherheiten verbunden sein können und der Leser sehen muss die Daten insgesamt , ohne sich auf einzelne Anomalien zu konzentrieren. Wenn Sie wissen, dass die Daten diese Probleme nicht haben können, verursacht die Lockerung dieser Regeln wahrscheinlich keinen großen Schaden.

Was können Sie also tun?

Verwenden Sie visuell besser unterscheidbare Markierungen. Eine Kombination aus Form, Füllung und Farbe (mit einer Palette, die so farbenblind wie möglich ist) bietet dem Leser verschiedene Möglichkeiten, sich auf den Unterschied einzulassen.

1. Verwenden Sie a unterschiedliche Darstellung (normalisiert, Anomalie aus der Theorie, Linearisierung von Potenzgesetzen usw.). Dies ist, was Raphael vorgeschlagen hat. Diese zu finden kann eine Kunst sein.

2. Wenn Sie eine gut begründete Theorie haben (oder sogar einen guten Sitz des Hosenmodells), zeichnen Sie Passungslinien: Diese werden automatisch reflektiert der gesamte Datensatz (gut!).

ol>

---

Einige Punkte in der Grundzeichnung Ihrer Figur.

1. Lassen Sie den grauen Hintergrund hinter sich. Es macht das Lesen der Daten nur schwieriger und bringt Tufte zum Weinen.

2. Die Verwendung ausgefüllter Kreise für beide Serien ist eine Möglichkeit, maximale visuelle Verwirrung zu verursachen.

ol>

Für Anzeigezwecke ist eine glatte Kurve am logischsten. Es gibt einige nette Spline-Anpassungsroutinen, mit denen Sie eine Anpassung erstellen können, die zur Minimierung der Krümmung eingeschränkt werden kann (dabei fehlen Punkte, die nicht ganz auf der glatten Kurve liegen), oder Sie können einfach die Daten betrachten und erstellen Eine angemessene Anpassung (für die Anzeige - nicht für die Analyse).

Ich habe nur ein paar Minuten damit verbracht, aber Folgendes gefunden:

Dies ist im Grunde eine Überlagerung eines von mir erstellten Excel-Diagramms (wodurch die Achsen unsichtbar werden) - unter Verwendung eines einfachen 4-Parameter-Modells:

Für das Blau und grüne Kurven, ich fand Parameter

  blau grünA 0,8 0,8B 1,0 1,0 C 1,0 0,5D 0,05,03  

Offensichtlich, da Sie die Rohdaten und haben matplotlib, Sie müssen wissen, wie man eine bessere Anpassung macht, aber das funktioniert gut.

Im Allgemeinen möchte ich nur so viele Informationen anzeigen, wie auf einem Plot benötigt werden. Wenn der Punkt "Dies ist eine schnell abfallende Kurve und Grün ist über Blau" ist, dann würde ich definitiv das Gitter und vielleicht sogar die meisten Zahlen weglassen (die X-Achse mit nur zwei Beschriftungen von 0 bis 100 laufen lassen und und die Y-Achse von 0 bis 1).

Ich denke, dass Ihre Daten wahrscheinlich nicht negativ werden - daher würde ich diese X-Achse definitiv reparieren wollen.

Wenn Sie möchten Machen Sie weiter den Punkt "Wir haben diese Daten gemessen", und lassen Sie dann die Punkte in der Grafik sowie die glatte Anpassung in Ordnung. Ich würde in Betracht ziehen, Fehlerbalken hinzuzufügen, um zu zeigen, dass die Anpassung gut ist - und dass die Punkte schlecht sind.

Auch hier möchten Sie es so gestalten, dass die Informationen "nur das sind, was Sie brauchen". Meine persönliche Präferenz wäre wie folgt:

Also weniger Ticks auf den Achsen, aber füge eine Legende hinzu (ich nenne sie "blau" und "grün", aber Sie sollten einen aussagekräftigeren Namen verwenden und die Achsen beschriften - Zahlen allein reichen nicht aus.

Gitter sind ein veraltetes Fossil, das nicht mehr verwendet werden sollte. Früher halfen sie bei der Erstellung der Diagramme und erleichterten das manuelle Abrufen der Daten aus dem Diagramm. Heutzutage ist dies nicht mehr erforderlich, da Tabellen mit den Daten an anderer Stelle verfügbar sind.

Und wenn und wann sie erforderlich sind, sollten sie so wenig aufdringlich wie möglich sein. Ihr grau-blauer Hintergrund ist einfach zu schwer.

Sobald dies nicht mehr möglich ist, können Sie eine Protokollskala für die x-Achse als ausprobieren Viele Punkte werden in der Nähe von 0 gesammelt:

Ich denke, hier ist ziemlich klar, dass Blau immer größer als Grün ist. Ob das Hinzufügen einer Zeile gut ist oder nicht, ist Geschmackssache:

Meiner Meinung nach und in der Regel würde ich sagen, dass die Zeilen akzeptabel sind solange das "Wackeln" auf die tatsächliche Form der Funktion zurückzuführen ist und nicht auf Rauschen. Das heißt, wenn Sie mehr Punkte hinzufügen (mehr Messungen durchführen), ändert sich die Form der Kurve nicht wesentlich (oder wir erwarten dies nicht).

Ein alternativer Ansatz zum Verbinden der Punkte: Fügen Sie eine Linie zwischen die Datensätze ein, um zu veranschaulichen, dass sich ein Punktsatz über der Linie und der andere unter der Linie befindet. Wenn dies für die Daten nicht unangemessen ist, verwenden Sie eine Protokollskala für X, um zwischen den gepackten Punkten links etwas Platz zu gewinnen und die Sichtbarkeit zu verbessern. Die Verwendung von Farben mit höherem Kontrast und Markerformen wurde bereits vorgeschlagen.

Normalerweise ist es besser, eine Art Kurvenanpassung (Splines usw.) zu verwenden, da wir nicht davon ausgehen, dass die Messungen absolut genau sind und die Verbindungslinien von Punkt zu Punkt verlaufen sollten.

Messpunkte müssen jedoch auch vorhanden und sehr gut sichtbar sein, da sie unsere Ergebnisse sind und die Linie unsere Hypothese und Interpretation ist. Im Idealfall ist es eine gute Idee, Fehlerbalken (Konfidenzintervalle) anzuzeigen.