레이더 차트

Radar chart
"스파이더 차트"가 여기로 리디렉션됩니다.오일러 다이어그램의 확장에 대해서는 스파이더 다이어그램을 참조하십시오.
NASA의 항성 그림 예제. 가장 바람직한 설계 결과 중 일부가 중앙에 표시됩니다.
이 스파이더 차트는 특정 조직의 할당된 예산과 실제 지출을 나타냅니다.

레이더 차트는 다변량 데이터를 같은 지점에서 시작하여 축에 표시되는 3개 이상의 정량적 변수의 2차원 차트의 형태로 표시하는 그래픽 방법입니다.축의 상대적 위치와 각도는 일반적으로 정보를 제공하지 않지만, 데이터를 최대 총 면적으로 표시하는 알고리즘과 같은 다양한 휴리스틱스를 적용하여 변수(축)를 뚜렷한 상관 관계, 트레이드오프 및 기타 많은 비교 [1]척도를 나타내는 상대적 위치로 정렬할 수 있다.

레이더 차트는 웹 차트, 스파이더 차트, 스파이더 그래프, 거미줄 차트,[2] 별 그림, 거미줄 차트, 불규칙 다각형, 극지방 차트 또는 키비트 [3][4]다이어그램이라고도 합니다.이는 축이 방사형으로 배열된 평행 좌표 그림과 동일합니다.

개요

레이더 차트는 각 스포크가 변수 중 하나를 나타내는 일련의 등각 스포크로 구성된 차트 및/또는 플롯이다.스포크의 데이터 길이는 모든 데이터 포인트에서 변수의 최대 크기에 상대적인 데이터 포인트의 변수 크기에 비례합니다.각 스포크의 데이터 값을 연결하는 선이 그려집니다.이것은 플롯이 별처럼 보이고 이 플롯의 인기 있는 이름 중 하나의 기원을 제공합니다.별 그림은 다음 질문에 [5]답하는 데 사용할 수 있습니다.

  • 관측치 군집이 가장 유사한 관측치는 무엇입니까? (레이더 관리도는 단일 데이터 점에 대한 상대 값을 조사하고(예: 변수 2와 4에 대해 점 3이 크고 변수 1, 3, 5, 6에 대해 작음) 유사한 점이나 다른 점을 찾는 데 사용됩니다.)[5]
  • 특이치가 있나요?

레이더 관리도는 변수 [6]수가 임의인 다변량 관측치를 표시하는 데 유용한 방법입니다.각 별은 하나의 관측치를 나타냅니다.일반적으로 레이더 차트는 각 페이지에 많은 별과 하나의 [5]관측치를 나타내는 별이 있는 다중구 형식으로 생성됩니다.별 그림은 1877년 [7][8]게오르크 폰 마이어에 의해 처음 사용되었다.레이더 차트는 표시된 별 모양을 구성하는 데 모든 변수가 사용된다는 점에서 글리프 그림과 다릅니다.전경변수와 배경변수는 구분되지 않습니다.대신, 별 모양의 도형은 보통 페이지에 직사각형 배열로 배열됩니다.관측치가 임의적이지 않은 순서로 배열되어 있는 경우(변수가 의미 [9]있는 순서로 별의 광선에 할당되어 있는 경우) 데이터에서 패턴을 보는 것이 다소 쉽습니다.

적용들

레이더 차트의 주요 적용 분야는 유사한 그룹, 사람 또는 개체 간에 공유되는 다변수 데이터를 측정하는 것이다.이는 레이더 차트가 [10]육상, 성과 지표, 생명과학, 교육, 비즈니스 등 다양한 분야에서 매우 다양한 용도로 사용된다는 것을 의미합니다.이러한 애플리케이션을 통해 연구자들은 데이터를 시각화하고 차트화된 [11]변수에 의해 제공되는 통찰력을 기반으로 검토 중인 데이터셋을 비교, 분석 및 효과적으로 결정할 수 있습니다.

Shohei Ohtani's batting stats vs MLB average batting stats
그림 32021 MLB 시즌부터의 표준 타율 통계를 나타낸 레이더 차트. 2021 MVP 오타니 슈히(녹색)는 그 시즌 평균인 DH, 레드, MLB(파란색)보다 훨씬 좋은 성적을 보이며 그의 승리에 기여했다.하지만 그는 더 자주 스트라이크 아웃을 당하는데, 이는 그의 장타율 증가와 맞바꾸는 것일 수 있다.이 데이터는 https://www.baseball-reference.com/에서 입수할 수 있습니다.

스포츠에서 선수의 강점과 [12]약점을 도표로 표시하는 데 일반적으로 사용되는 레이더 차트입니다.이는 차트의 중심축을 따라 추적할 수 있는 플레이어와 관련된 다양한 통계를 계산함으로써 이루어집니다.예를 들어 농구 선수의 슛, 리바운드, 어시스트 등이 있고 야구 선수의 타격 또는 투구 통계도 있습니다.이는 선수의 장단점을 중앙 집중식으로 시각화하고, 다른 선수의 통계나 리그 평균과 겹치면 선수가 잘하는 부분과 [13]개선할 수 있는 부분을 표시할 수 있다.선수의 강점과 약점에 대한 이러한 통찰은 코치와 트레이너가 선수의 훈련 연대를 조정하여 약점을 개선하도록 하기 때문에 선수 발전에 매우 중요한 것으로 판명될 수 있다.레이더 차트의 결과는 상황 플레이에서도 유용할 수 있습니다.만약 타자가 왼손 투수에 대해 잘 치지 못하는 것으로 보인다면, 그의 팀은 왼손 투수에 대해 그의 플레이트 출전을 제한하는 것을 알고 있는 반면, 상대팀은 타자가 투수에 대해 타격하도록 강요할 수도 있다.비교를 위해 사용될 때, 그들은 또한 명예의 전당 후보자에 의한 명예의 전당 후보자에 의한 것과 같이 운동선수가 얼마나 뛰어난지를 보여줄 수 있다.

레이더 차트의 또 다른 적용 분야는 컴퓨터 프로그램,[14] 컴퓨터, 전화기, 차량 등을 포함한 다양한 물체의 성능 지표를 표시하기 위한 품질 개선 제어이다.컴퓨터 프로그래머는 종종 분석 기능을 사용하여 다른 프로그램과 비교하여 프로그램의 성능을 테스트합니다.레이더 차트가 유용한 예로는 다양한 정렬 알고리즘의 성능 분석을 들 수 있다.프로그래머는 선택, 버블, 퀵 등의 여러 가지 정렬 알고리즘을 수집한 후 속도, 메모리 사용량 및 전력 사용량을 측정하여 이들 알고리즘의 성능을 분석한 후 레이더 차트에 그래프로 표시하여 각 정렬이 다양한 크기의 데이터에서 어떻게 수행되는지 확인할 수 있습니다.또 다른 성능 애플리케이션은 비슷한 차종의 성능을 서로 측정하는 것이다.소비자는 자동차의 최고 속도, 갤런당 마일, 마력, 토크와 같은 변수들을 볼 수 있다.그리고 데이터를 시각화하기 위해 레이더 차트를 사용한 후, 그들은 그 결과에 기초하여 자신에게 가장 적합한 자동차를 결정할 수 있었다.

The performance metrics of 3 different types of vehicle
그림 4세단, 스포츠카 및 픽업 트럭의 성능 메트릭 차이를 나타내는 레이더 차트입니다.레이더 차트는 차트의 다른 꼭지점들이 각 차의 성능이 좋은 곳과 나쁜 곳을 보여주며, 그들의 요구에 맞는 최적의 차를 찾는 쇼핑객들에게 유용할 수 있다.데이터는 일반화되어 있으며 특정 출처에서 나온 것이 아닙니다.

레이더 차트의 또 다른 주요 용도는 생명 과학이다.레이더 차트는 약물 및 기타 [15]의약품의 강점과 약점과 같은 관련 데이터셋의 광범위한 범위에 사용할 수 있다.두 가지 항우울제의 예를 들어, 연구자는 효능, 부작용, 비용 등의 변수를 1에서 10까지의 척도로 순위를 매길 수 있다.그런 다음 레이더 차트를 사용하여 결과를 그래프로 표시하여 변수의 확산을 확인하고 하나의 항우울제가 값이 싸고 효과가 빠르지만 시간이 지남에 따라 크게 완화되지 않는 등 그 차이가 어떻게 다른지 확인할 수 있습니다.한편, 다른 항우울제는 더 강한 완화를 제공하고 시간이 지날수록 더 잘 버티지만 더 비싸다.또 다른 생명과학 응용 프로그램은 환자 분석에 있습니다.레이더 차트를 사용하여 개인의 건강에 영향을 미치는 삶의 변수를 그래프로 표시한 후 이를 분석하여 도움을 줄 수 있습니다.보다 구체적인 예는 수면, 식단, 스트레스 등 다양한 건강습관을 모니터링하여 최상의 [16]컨디션을 유지하는 운동선수의 경우이다.만약 담그는 것이 보여진다면, 의사와 트레이너들이 선수를 돕고 그들의 건강을 증진시키기 위해 개입할 수 있을 것이다.

레이더 차트는 데이터 시각화에 매우 유용하고 강력한 도구입니다.이러한 분야를 적용할 수 있는 광범위한 분야와 이러한 분야에서 사용할 수 있는 다양한 방법은 데이터 마이닝 및 데이터 분석의 필수 요소입니다.이는 동일한 다변수 데이터 집합과 관련된 서로 다른 데이터 집합의 성능을 찾고 이러한 데이터 집합의 분석을 기반으로 의사 결정을 내리는 데 매우 유용합니다.또한 보는 대상을 구별하기 위해 색상을 변경할 수 있는 비교적 읽기 쉬운 디자인을 가지고 있으며, 다른 그래프에 비해 공간을 적게 사용하고 전체적으로 부드럽고 보기 쉬운 외관을 가지고 있습니다.레이더 차트는 변수가 서로 가깝지 않은 척도로 측정될 때 이러한 변수를 사용하려고 하는 등 몇 가지 단점이 있으며 8-10개 미만의 변수와 3개 이하의 [17]개체로 구성된 그룹에서 가장 잘 작동하는 경향이 있습니다.이러한 단점에도 불구하고 레이더 차트는 전문가와 열성가 모두에게 데이터 분석 도구 가방에서 최고의 도구 중 하나입니다.

소프트웨어 구현

소프트웨어를 사용하여 레이더 차트를 효율적으로 생성할 수 있습니다.Python이 그 예입니다.Python 내에서는 다른 기능으로 다른 코드 라이브러리에 액세스할 수 있습니다.Plotly는 Python의 Radar Charts에 유용한 그래프 작성 라이브러리입니다.플롯ly는 여러 유형의 레이더 차트를 지원합니다.

Plotly(플로틀리)를 사용하여 기본 레이더 차트를 작성하려면 반지름 및 해당 진폭 값이라는 두 데이터 목록으로 구성된 수치를 정의해야 합니다.다음 플롯리에서는 반지름 축 가시성 및 그래프에 범례가 있는지 여부와 같은 측면을 포함하는 그림의 레이아웃을 업데이트해야 합니다.이 작업이 완료되면 그림 개체의 show 함수를 호출하여 레이더 [18]차트를 생성하기만 하면 됩니다.

Plotly를 사용하여 다중 추적 레이더 차트를 만드는 프로세스는 기본 레이더 차트와 대부분 위와 동일하지만 한 가지 차이가 있습니다.위의 절차와 마찬가지로 처음에 그림 객체를 작성하지만, 이 그림을 바로 데이터로 채우는 대신 추가하는 각 트레이스에 대해 add_trace 함수를 호출해야 합니다.add_trace 함수 내에서 레이더 차트의 반지름 및 진폭 값이 각각의 [18]트레이스에 대해 입력됩니다.

Plotly는 Python이 레이더 차트를 제작할 수 있는 유일한 라이브러리가 아니며 Python만이 Radar 차트를 제작할 수 있는 유일한 프로그래밍 언어가 아닙니다.Plotly는 사용하기 쉽고 유연하기 때문에 Radar Chart를 제작하는 데 있어 훌륭한 옵션이다.이 논리는 이해하기 쉽고 위에서 언급한 웹 사이트에 잘 문서화되어 있습니다.트레이스를 추가하거나 트레이스만 사용하는 옵션을 사용하면 유연해집니다.Python은 데이터 분석 프로그래밍에 적합합니다.새로운 라이브러리는 항상 이미 존재하는 과도한 언어에 맞추어 만들어지고 있으며, 언어에 대한 학습 곡선은 매우 낮기 때문에 프로그래밍 경험이 한정되어 있는 사용자도 선택할 수 있습니다.

코드 예시

# 다중 트레이스를 사용한 레이더 차트 예시  # 라이브러리를 사용하려면 Import 명세서가 필요합니다. 수입품 plotly.graph_module ~하듯이 가세요  # 수치를 정의하다 그림. = 가세요.수치()  # add_trace 함수를 호출합니다. 그림..add_displays(추가)(가세요.산란극(    r = [< >규모 가치>]    세타 = < >반지름>    채우다 = '스스로'    이름. = '<가칭명> ))  # 추가할 트레이스마다 마지막 함수 호출을 반복합니다. 그림..add_displays(추가)(가세요.산란극(    r = [< >규모 가치>]    세타 = < >반지름>    채우다 = '스스로'    이름. = '<가칭명> ))  # 그림 레이아웃 업데이트 그림..update_module(     북극의 = 받아쓰다(         요골축 = 받아쓰다 (                눈에 보이는 = 진실의,          ),     ), )  # 레이더 차트 표시 그림..표시하다()

사용.

그림 5레이더 차트에는 동일한 NP(펜타그램 내의 스포크 이름)를 보는 연결된 게놈 창으로 구성된 2개의 커뮤니티 세트(커뮤니티 구조 참조)가 표시됩니다.시각적인 분석에서, 우리는 두 공동체가 주어진 NP의 비슷한 양을 볼 수 있다는 점에서 가깝다고 판단할 수 있다.데이터 포인트는, NP 를 참조하는 커뮤니티의 퍼센티지로 표시됩니다.

앞서 언급했듯이 레이더 차트의 사용은 두 개 이상의 데이터 지점 세트를 더 잘 시각적으로 분석하기 위한 것이다.종종 레이더 차트의 일부 용도는 비디오 게임 캐릭터, 스포츠 선수 등과 같은 사물의 속성을 보여주는 것입니다.반대로 레이더 차트는 데이터 세트의 시각적 분석이 더 엄격하게 탐색할 수 있도록 하기 위해 학술 및 연구 범주에서도 널리 사용된다.데이터 점 세트 자체를 시각적으로 보면서 해석하기 어려운 특이치, 클러스터([19]클러스터 분석 참조) 및 기타 추세 분석을 데이터 내에서 볼 수 있습니다.그림 5와 같이 레이더 차트를 사용하는 예가 있습니다.이 경우 레이더 차트를 사용하여 [20]NP에 대한 두 개의 게놈 창(게놈 아키텍처 매핑 및 퓨린 뉴클레오시드 포스포릴라아제 참조)을 시각화합니다.우리의 데이터 세트는 게놈 창에 나타난 NP의 비율을 나타내는 14개의 숫자로 구성되어 있습니다.즉, 이러한 NP 시퀀스가 창에 포함되어 있습니다.이 레이더 차트의 결과에 대한 직접적인 구현은 다음과 같다.

Python 코드:

# 차트의 스포크에 대한 이름 목록을 만듭니다.이것들은 위에서 설명한 바와 같습니다. 라벨 = [이력 1, 'LAD', 'Vmn', 'RNAPII-S2P', 'RNAPII-S5P', 'RNAPII-S7P', '인핸서', 'H3K9me3', 'H3K20me3', 'H3K36me3', '나노그', '4105f1', 'sox2', 'CTCF-7BWU'] # 차트에 표시되는 스포크 수, 즉 라벨 수 N = 렌(라벨) # 메인 함수를 호출하여 레이더 차트를 만듭니다. 세타 = 레이더_공장(N, 틀='실패') # 지정된 데이터를 초기화합니다.차트상의 포인트를 나타내는 번호 리스트가 됩니다. 케이스_데이터 = [(7.27, 61.81, 49.09, 20.0, 45.45, 34.54, 25.454545454545453, 16.36, 29.09090909090909, 29.09, 20.0, 23.63, 18.18, 16.36), (10.52, 59.64, 49.12, 24.561, 49.12, 36.84, 21.05, 10.52, 24.56, 26.31, 19.29, 22.80, 21.052631578947366, 22.80)] # 차트의 크기를 지정합니다. 그림., 도끼 = plt.서브플롯(그림 크기=(6, 6), 서브플롯_kw=받아쓰다(투영='실패')) 그림..서브플롯_조정(정상=0.85, 맨 아래=0.05) # 레이더 차트 내의 링 간격 도끼.set_rgrids([0,5,10,15,20,25,30,35,40,45,50,55,60, 65, 70]) # 레이더 차트 제목 직함 = 'Wiki 기사 레이더 차트 예제' 도끼.set_module(직함,  위치=(0.5, 1.1), 하='중앙') # 그래프에 출력 데이터를 입력합니다. 위해서 d 에 케이스_데이터:     선 = 도끼.줄거리.(세타, d)     도끼.채우다(세타, d,  알파=0.15) # 당사 이름 목록에서 차트 내 이름을 설정합니다. 도끼.set_varlabels(라벨) # 왼쪽 상단 그림에 범례 추가 범례 = plt.범례(['커뮤니티 1', '커뮤니티 2'], 위치=(0.9, .95), 라벨 간격=0.1, 글꼴을 바꾸다='작다') # 그래프 표시 plt.표시하다()

주의: 위의 코드 구현은 matplotlib 및 기타 패키지와 함께 radar_factory의 레이더 차트 구현을 사용하고 있습니다.이는 위에서 [21]보듯이 radar_factory 구현 및 코드를 복사하여 붙여넣으면 작동하는 기능 코드입니다.

이 레이더 차트 사용에서 주어진 데이터 지점은 서로 매우 근접했다.그 때문에, 서로 가치가 있는 창이라고 육안으로 판단할 수 있었습니다.따라서 이 표현에서는 데이터 포인트를 그림과 같이 쉽고 알기 쉬운 형식으로 표시하는 것이 중요합니다.레이더 차트 자체를 미리 보면 NP와 관련된 대부분의 값이 매우 가깝다는 것을 시각적으로 확인할 수 있습니다.즉, 보통 값이 1~5점 차이 범위 내에 있었다고 할 수 있습니다.이 사실을 확인했으므로 그 이유를 더 자세히 알아보고 위의 항목에서 언급한 결과의 가능한 변화를 확인할 수 있도록 데이터 세트를 조정할 수 있습니다.

제한 사항

레이더 차트는 특이치와 공통성을 현저하게 보여주는 데 주로 적합하며, 한 차트가 다른 변수보다 모든 변수에서 더 클 때 주로 순서형 측정에 사용됩니다. 각 변수는 일부 측면에서 "더 나은" 변수에 해당하며, 동일한 척도의 모든 변수에 해당합니다.

반대로 레이더 차트는 균형 결정을 내리는 데 적합하지 않다는 비판을 받아왔다. 즉,[22] 한 차트가 다른 변수보다 크지만 다른 차트는 그렇지 않은 경우이다.

또, 동심원은 격자선으로 도움이 되지만, 반경 거리는 판단하기 어렵기 때문에, 다른 스포크의 길이를 시각적으로 비교하는 것은 어렵다.대신 단순한 선 그래프를 사용할 수 있습니다. 특히 시계열의 [23]경우 그렇습니다.

레이더 차트는 포함된 면적이 선형 측정의 제곱에 비례하기 때문에 특히 영역을 채우는 경우 데이터를 어느 정도 왜곡할 수 있습니다.예를 들어, 1~100 범위의 5개의 변수가 있는 차트에서 모든 측정값이 90일 때 5개의 점으로 둘러싸인 폴리곤이 포함하는 면적은 모든 값이 82인 차트에서 동일한 면적의 10%보다 큽니다.

또한 레이더 차트는 아래 그림 5와 같이 라인 또는 영역이 서로 블리딩될 때 값이 가까운 경우 차트의 다른 샘플 간에 시각적으로 비교하기 어려울 수 있습니다.

인공 구조물

레이더 차트는 데이터에 몇 가지 구조를 부과하며, 이는 종종 인위적이다.

  • 네이버 관련성– 레이더 차트는 인접 변수가 관련이 없을 때 자주 사용되며, 유사 연결을 생성합니다.
  • 순환 구조 – 첫 번째 변수와 마지막 변수가 서로 옆에 배치됩니다.
  • 길이 – 변수는 대개 가장 자연스럽게 순서형입니다. 차이는 인위적일 수 있지만 더 좋든 나쁘든 상관없습니다.
  • 면적 – 면적이 값의 제곱으로 확대되어 큰 숫자의 효과를 과장합니다.예를 들어 2, 2는 1, 1의 4배를 차지합니다.이는 영역 그래프의 일반적인 문제이며 영역을 판단하기 어렵다. "Cleveland's hierarchy"[24]를 참조하십시오.

예를 들어, 교대 데이터 9, 1, 9, 1은 스파이킹 레이더 차트(입출력)를 생성하는 반면, 데이터를 9, 9, 1, 1, 1로 정렬하면 두 개의 서로 다른 웨지(섹터)를 생성합니다.

경우에 따라서는 자연구조가 존재하며 레이더 차트가 적합할 수 있습니다.예를 들어 24시간 주기에 걸쳐 변화하는 데이터 다이어그램의 경우 시간당 데이터는 자연스럽게 인접 데이터와 관련이 있으며 주기 구조를 가지고 있으므로 레이더 [23][25][26]차트로 자연스럽게 표시될 수 있습니다.

레이더 차트(또는 보다 밀접하게 관련된 "극지역 그래프")의 사용에 대한 지침 중 하나는 다음과 같다.[26]

  • 공통 척도의 위치 대신 누적 영역을 읽는 것을 꺼리지 않습니다(클리블랜드 계층 참조).
  • 데이터 집합은 선형적이지 않고 실제로 순환적입니다.
  • 비교할 수 있는 두 개의 시리즈가 있는데, 하나는 다른 것보다 훨씬 작습니다.

데이터 세트 크기

레이더 관리도는 크기가 작은 다변량 데이터 세트에 유용합니다.주요 약점은 효율이 수백 포인트 미만의 데이터 세트로 제한된다는 것입니다.그 후에는 [5]압도적이 되는 경향이 있습니다.

또한 다차원 또는 샘플이 있는 레이더 차트를 사용할 경우 샘플 수가 증가함에 따라 레이더 차트가 복잡해지고 해석하기가 어려워질 수 있습니다.

예를 들어 MLB 2021 MVP 오타니 쇼헤이와 리그 평균 지명타자 및 명예의 전당 선수들의 통계를 비교한 타율표를 보자.이 통계는 타석당 안타, 홈런, 삼진 등의 비율을 나타냅니다.표에 사용된 각 통계 정보가 무엇을 나타내는지에 대한 자세한 내용은 [27]MLB의 이 참조를 참조하십시오.이 표를 사용하여 2021년 MVP 타율과 지명타자 및 정규타자의 리그 평균치를 비교한 레이더 차트를 작성하고, 성적 지표를 시각화하고, 쇼헤이가 평균 타자를 앞섰다고 시각적으로 판단한다.다음으로 명예의 전당 선수 재키 로빈슨, 짐 토메, 프랭크 토마스를 사용하여 역사상 가장 위대한 몇 명의 타자와 쇼헤이를 비교하며 레이더 차트에 추가 샘플을 추가한다.이 레이더 차트는 쇼헤이가 역사 상위 선수들과 어떻게 비교하는지 직감적으로 알 수 있을 뿐만 아니라 레이더 차트에 샘플이 너무 많다는 한계를 보여주는 데 도움이 될 것이다.

대상 BA OBP SLG 동작 HR% SO% BB%
엠엘비 0.244 0.317 0.411 0.728 0.037 0.232 0.087
DH 0.239 0.316 0.434 0.75 0.047 0.256 0.093
오타니 쇼헤이 0.257 0.372 0.592 0.965 0.086 0.296 0.15
재키 로빈슨 0.313 0.41 0.477 0.887 0.0282 0.0582 0.151
짐 토메 0.276 0.402 0.554 0.956 0.072 0.302 0.207
프랭크 토머스 0.301 0.419 0.555 0.974 0.063 0.17 0.203

스포크 및 샘플 수가 상대적으로 적을 때 레이더 차트를 어떻게 쉽게 해석할 수 있는지 그림 10에서 확인할 수 있다.그림 11에서 더 많은 샘플을 비교하면 레이더 차트에 영역 채우기가 없어도 해석하거나 균형 결정을 내리는 것이 얼마나 어려울 수 있는지 알 수 있다.

그림 10.MLB 2021 MVP 오타니 쇼헤이 vs 리그 평균 타율을 나타낸 레이더 차트
그림 112021년 MVP 오타니 쇼헤이의 타율을 리그 평균과 소수의 명예의 전당에 비교.여기서 샘플이 더 추가되면 레이더 차트를 해석하기가 더 어려워지는 것을 볼 수 있습니다.

예

캐딜락 세비야의 별 그림 세부 사항

오른쪽[5] 차트에는 15대의 차량에 대한 별 그림이 포함되어 있습니다.표본 별 그림의 변수 리스트는 다음과 같습니다.

  1. 가격.
  2. 마일리지(MPG)
  3. 1978년 수리 기록(1 = 최악, 5 = 최고)
  4. 1977년 수리 기록(1 = 최악, 5 = 최고)
  5. 헤드룸
  6. 뒷좌석 룸
  7. 트렁크 공간
  8. 체중
  9. 길이

이러한 그림을 개별적으로 보거나 유사한 기능을 가진 자동차 군집을 식별하는 데 사용할 수 있습니다.예를 들어 캐딜락 세비야의 별 그림(이미지의 마지막 그림)을 보면 가장 비싼 차 중 하나이며, 연비가 평균 이하(최악은 아님)이며, 평균 수리 기록이 있으며, 평균에서 평균 이상의 객실과 크기를 가지고 있음을 알 수 있습니다.그런 다음 Cadillac 모형(마지막 세 그림)을 AMC 모형(처음 세 그림)과 비교할 수 있습니다.이 비교는 다른 패턴을 보여줍니다.AMC 모델은 가격이 저렴하고, 연비가 평균 미만이며, 키와 무게, 넓이가 모두 작다.캐딜락 모델은 가격이 비싸고 연비가 낮으며 크기와 [5]넓이가 모두 크다.

대체 수단

시계열 및 기타 [23]데이터에 대해 평행 좌표의 형태로 선 그래프를 사용할 수 있습니다.

여러 변수에서 2차원 표 형식의 데이터를 그래픽 질적으로 비교하기 위해 일반적인 대안은 Consumer [28]Reports에서 광범위하게 사용되는 Harvey 볼입니다.Harvey balls(및 레이더 차트)의 비교는 변수를 알고리즘으로 정렬하여 [29]순서를 추가하는 데 크게 도움이 될 수 있습니다.

다변량 데이터 내의 구조를 시각화하는 뛰어난 방법은 주성분 분석(PCA)을 통해 제공됩니다.

또 다른 대안은 작은 인라인 막대 차트를 사용하는 것인데,[29] 이는 스파크라인과 비교할 수 있습니다.

레이더와 극성 차트는 종종 동일한 차트 [4]유형으로 설명되지만, 일부 소스에서는 차이가 있으며 심지어 레이더 차트가 극성 [30]좌표의 데이터를 표시하지 않는 극성 차트의 변동으로 간주됩니다.

「 」를 참조해 주세요.

레퍼런스

Public Domain이 문서에는 미국 국립표준기술연구소 웹사이트 https://www.nist.gov의 퍼블릭 도메인 자료가 포함되어 있습니다.

  1. ^ Porter, Michael M; Niksiar, Pooya (2018). "Multidimensional mechanics: Performance mapping of natural biological systems using permutated radar charts". PLOS ONE. 13 (9): e0204309. Bibcode:2018PLoSO..1304309P. doi:10.1371/journal.pone.0204309. PMC 6161877. PMID 30265707.
  2. ^ 낸시 R.Tague (2005) 품질 도구 상자, 437페이지.
  3. ^ Kolence, Kenneth W. (1973). "The Software Empiricist". ACM SIGMETRICS Performance Evaluation Review. 2 (2): 31–36. doi:10.1145/1113644.1113647. S2CID 18600391. Dr. Philip J. Kiviat suggested at a recent NBS/ACM workshop on performance measurement that a circular graph, using radii as the variable axes might be a useful form. […] I recommend they be called "Kiviat Plots" or "Kiviat Graphs" to recognize his insight as to their importance.
  4. ^ a b "Find Content Gaps Using Radar Charts". Content Strategy Workshops. March 3, 2015. Retrieved December 17, 2015.
  5. ^ a b c d e f NIST/SEMATECH(2003)별 그림: 전자 통계 방법 핸드북.2003년 6월 1일 (작성일)
  6. ^ 챔버스, 존, 윌리엄 클리블랜드, 비트 클라이너, 폴 터키(1983)데이터 분석을 위한 그래픽 방법.워즈워스. 페이지 158~162
  7. ^ Mayr, Georg von (1877), Die Gesetzmäßigkeit im Gesellschaftsleben (in German), Munich: Oldenbourg, OL 23294909M, 페이지 78. Linien-Diagramme im Kreise:꺽은선형 차트(원형)
  8. ^ 마이클 프렌들리(2008)."주제 지도 제작, 통계 그래픽스 및 데이터 시각화 역사의 이정표"
  9. ^ 마이클 프렌들리(1991)"다변량 데이터에 대한 통계 그래픽"입니다.1991년 4월 SAS SUGI 16 Conference에서 발표된 논문.
  10. ^ Nowicki, Hannah and Merenstein, Carter. "Radar Chart CS 465: Information Visualization - Spring 2016". Middlebury College.{{cite web}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  11. ^ Wondershare EdrawMax. "What is a Radar Chart? Explained with Examples". Wondershare EdrawMax.
  12. ^ Spider Graphs: 농구 통계 차트 작성
  13. ^ Seeing Data. "Making sense of data visualizations". Seeing Data.
  14. ^ 론 바수(2004년).품질 구현: 도구 및 기술에 대한 실용적인 가이드(p.131).
  15. ^ Model Systems Knowledge Translation Center. "Effective Use of Radar Charts" (PDF). Model Systems Knowledge Translation Center.
  16. ^ John Maguire. "De-normalized Spider and Radar Graphs". Kitman Labs.
  17. ^ Sowmya (29 April 2019). "Why And When To Use A Spider And Radar Chart?". Pluscharts.
  18. ^ a b "Radar".
  19. ^ 스파이더 차트란?
  20. ^ 마우스 배아줄기세포 내 게놈 구성의 게놈 전체 특성, 보충 파일: GSE64881_segmentation_at_30000bp.passqc.multibam.txt.gz
  21. ^ 레이더_공장 실장
  22. ^ 당신은 스파이더맨이 아닌데 왜 레이더 차트를 사용하나요? 찬두 지음 2008년 9월 18일
  23. ^ a b c Peltier, Jon (2008-08-14). "Rock Around The Clock - Peltier Tech Blog". Peltiertech.com. Retrieved 2013-09-11.
  24. ^ (Cleveland ) 없음: CITREFC (도움말 http://processtrends.com/toc_data_visualization.htm에서 요약, 2010년 3월 25일 Wayback Machine에서 보관
  25. ^ "Charting around the clock The Excel Charts Blog". Excelcharts.com. 2008-08-15. Retrieved 2013-09-11.
  26. ^ a b 이 클럭
  27. ^ "Standard Stats". www.mlb.com. Retrieved 2022-04-26.
  28. ^ "Qualitative Comparison". Support Analytics Blog. 11 December 2007. Archived from the original on 2012-04-08.
  29. ^ a b "Information Ocean: Reorderable tables II: Bertin versus the Spiders". I-ocean.blogspot.com. 2008-09-24. Retrieved 2013-09-11.
  30. ^ "Polar Charts (Report Builder and SSRS)". Microsoft Developer Network. Retrieved December 17, 2015.

외부 링크

Wikimedia Commons에는 레이더 차트와 관련된 미디어가 있습니다.
  • 별 그림 – NIST/SEMATECH 통계 방법 전자 핸드북