Вы находитесь на странице: 1из 160

Almanaque de gráficos para

visualização de dados
Taxonomia, funções & formas

Prof. Walmes Zeviani


walmes@ufpr.br

Laboratório de Estatística e Geoinformação


Departamento de Estatística
Universidade Federal do Paraná

10 de junho de 2019
Motivação

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 2


Por que conhecer os tipos de gráficos?

I Conhecer os tipos de gráficos mais usados.


I Compreender os aspectos físicos, funcionais e de forma dos
gráficos.
I Desenvolver senso crítico para escolha de representações.
I Nutrir a criatividade para desenvolver novas visualizações.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 3


Tipos de visualização

Figura 1. Aspectos da visualização orientada a dados. Fonte: o autor.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 4


A escolha do gráfico

A escolha de um gráfico depende de uma série de elementos. Os


principais são:
I Escala das variáveis.
I Propósito da visualização → função do gráfico.
I Questões visuais/estéticas → forma do gráfico.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 5


Os 4 tipos de escala

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 6


Taxonomia

Figura 2. Taxonomia de gráficos beseada na função por Andrew Abela. Visite:


<https://extremepresentation.com/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 7


Taxonomia

I Agrupamento dos gráficos baseado nas características comuns.


I Função
I Classificação princial: função do gráfico.
I Relacionado às quantidades a serem representadas.
I Quais quantidades/propriedades serão exibidas → o que?
I Forma
I Classificação secundária: forma do gráfico.
I Relacionado às decisões estéticas e de mídia.
I Como as quantidades/propriedades serão exibidas → como?

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 8


Função de um gráfico

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 9


Função de um gráfico

Distribuição Caracterizam a distribuição ou divisão de variáveis


qualitativas ou quantitativas.
Relação Exibem a forma da relação ou contraste entre variáveis.
Ordenação Priorizam exibir a classificação de
categorias/elementos baseada nas variáveis.
Evolução Exploram o comportamento de dados cronológicos.
Mapa Representam dados com propriedades geográficas.
Organização Retratam a estrutura de organização de coleções de
categorias/elementos.
Fluxo Descrevem o movimento ou conexão entre
categorias/elementos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 10


Distribuição

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 11


Dataset

I Dados biométricos e
esportivos de
jogadores de futebol
da liga européia
(Europe UEFA Europa
League 2013/2014).
I Extraídos do
www.whoscored.com.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 12


Dataset

## Observations: 1,326
## Variables: 21
## $ country <chr> "Austria", "Austria", "Austria", "Aust...
## $ team <chr> "Salzburg", "Salzburg", "Salzburg", "S...
## $ name <chr> "Sadio Mané", "Kevin Kampl", "Alan", "...
## $ pos <chr> "M(L)", "M(R)", "FW", "D(C)", "M", "M(...
## $ age <int> 21, 23, 24, 22, 23, 28, 28, 24, 21, 28...
## $ cm <int> 175, 180, 182, 182, 180, 172, 180, 186...
## $ kg <int> 69, 63, 73, 77, 71, 69, 71, 74, 78, 69...
## $ tit <int> 9, 9, 8, 9, 1, 7, 7, 8, 8, 8, 8, 3, 3,...
## $ res <dbl> 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 0, 2, 0,...
## $ goal <dbl> 4, 2, 4, 1, 0, 0, 8, 0, 0, 0, 0, 0, 0,...
## $ ass <int> 3, 4, 2, NA, NA, 1, 1, NA, NA, NA, 1, ...
## $ yel <dbl> 1, 2, 0, 4, 0, 3, 1, 1, 3, 0, 3, 1, 1,...
## $ red <dbl> 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,...
## $ spg <dbl> 2.0, 2.0, 4.2, 0.9, 0.5, 1.6, 4.1, 0.8...
## $ ps <dbl> 77.0, 83.9, 60.8, 72.3, 86.3, 79.4, 72...
## $ aw <dbl> 1.2, 0.3, 3.8, 3.2, 3.0, 0.5, 0.3, 4.0...
## $ mom <int> 3, 1, 2, 1, NA, NA, NA, NA, NA, NA, NA...
## $ rt <dbl> 7.98, 7.93, 7.91, 7.67, 7.59, 7.55, 7....
## $ bmi <dbl> 22.53061, 19.44444, 22.03840, 23.24598...
## $ games <dbl> 9, 9, 9, 9, 2, 8, 7, 9, 9, 8, 8, 5, 3,...
## $ position <fct> M, M, FW, D, M, M, FW, M, D, D, D, D, ...

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 13


Diagrama de ramos e folhas

## Número de jogadores: 81
##
## The decimal point is 1 digit(s) to the right of the |
##
## 16 | 5588
## 17 | 000133344
## 17 | 5555556678888889
## 18 | 0000000111122333333333334
## 18 | 555566777777888899
## 19 | 000111114
Figura 3. Diagrama de ramos e folhas para a altura (cm) dos jogadores ingleses.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 14


Diagrama de ramos e folhas

I Nome: diagrama de ramos e folhas.


I Função: representar a distribuição dos valores.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: pontos empilhados.
I Requisitos definíveis: intervalos de classe.
I Variáveis calculadas: frequência absoluta.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 15


Diagrama de pontos (stacked dot plot)





● ●
● ● ● ● ●
● ● ● ● ● ●
● ● ●● ● ● ●● ●
● ● ● ● ●● ● ● ●● ●●
● ● ● ●●●● ● ●●●● ●●●●●●●
● ● ●● ●●●●●●●●●●●●●●●●●●● ●
170 180 190
Altura dos jogadores ingleses (cm)

Figura 4. Distribuição da altura dos jogadores ingleses.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 16


Diagrama de pontos (stacked dot plot)

I Nome: stacked dot plot.


I Função: representar a distribuição dos valores.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: pontos empilhados.
I Requisitos definíveis: intervalos de classe.
I Variáveis calculadas: frequência absoluta.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 17


Histograma

10
Frequência absoluta

Frequência absoluta
6

0 0

170 180 190 170 180 190


Altura dos jogadores ingleses (cm) Altura dos jogadores ingleses (cm)

Figura 5. Distribuição da altura dos jogadores ingleses.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 18


Histograma

I Nome: histograma.
I Função: representar a distribuição dos valores.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: barras.
I Requisitos definíveis: intervalos de classe.
I Variáveis calculadas: frequência absoluta, relativa ou densidade.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 19


Densidade

0.06

0.04
Densidade

Densidade
0.04

0.02

0.02

0.00 0.00

170 180 190 170 180 190


Altura dos jogadores ingleses (cm) Altura dos jogadores ingleses (cm)

Figura 6. Distribuição da altura dos jogadores ingleses.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 20


Densidade

I Nome: distribuição empírica de densidade.


I Função: representar a distribuição dos valores.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: linhas.
I Requisitos definíveis: função kernel e largura de banda.
I Variáveis calculadas: densidade empírica.
I Aplicação Shiny: <http://shiny.leg.ufpr.br/walmes/density/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 21


Distribuição acumulada

1.00 1.00
Frequência relativa acumulada

Frequência relativa acumulada


0.75 0.75

0.50 0.50

0.25 0.25

0.00 0.00

170 180 190 170 180 190


Altura dos jogadores ingleses (cm) Altura dos jogadores ingleses (cm)

Figura 7. Distribuição da altura dos jogadores ingleses.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 22


Distribuição acumulada

I Nome: empirical cumulative distribution function (ECDF).


I Função: representar a distribuição acumulada dos valores.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: linhas.
I Variáveis calculadas: frequência relativa acumulada.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 23


Caixas e bigodes

180 190 200


Altura dos jogadores ingleses (cm)

Figura 8. Distribuição da altura dos goleiros.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 24


Caixas e bigodes

I Nome: diagrama de caixas (e


bigodes) (box (and whiskers)).
I Função: representar a distribuição
dos valores demarcando as
separatrizes.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: caixas, segmentos e
pontos.
I Variáveis calculadas: quartis,
extremos, amplitude interquatílica e
IC para mediana*.
Figura 9. Componentes do gráfico
de caixas e bigodes.
Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 25
Violin plot

Altura dos goleiros (cm)

Altura dos goleiros (cm)


200 200

I Nome: violin plot.


I Inspiração: densidade 190 190
empírica.

180 180

Figura 10. Distribuição da altura dos


goleiros.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 26


Joyplot

I Nome: Joyplot ou ridgeline plots.


I Inspiração: densidade empírica.

0.075

FW
0.050
0.025
FW 0.000
0.075

AM
0.050
Função em campo

0.025
AM 0.000

Densidade
0.075
0.050

M
0.025
M 0.000
0.075

DM
0.050
0.025
DM 0.000
0.075
0.050

D
0.025
D 0.000
0.075

GK
0.050
0.025
GK 0.000
160 170 180 190 200 210 160 170 180 190 200 210
Altura dos jogadores (cm) Altura dos jogadores (cm)

Figura 11. Distribuição da altura dos jogadores por função em campo.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 27


Comparação
210

200
Altura (cm)

190

180

170

160
GK D DM M AM FW
Função em campo
210

200
Altura (cm)

190

180

170

160
GK D DM M AM FW
Função em campo

Figura 12. Distribuição da altura dos jogadores por função em campo.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 28


Recomendações

Qual usar para:

1. Reconhecer forma da distribuição?


2. Examinar medidas de locação e dispersão?
3. Determinar proporções e separatrizes?

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 29


Gráfico de barras
1250

400

1000
Número de jogadores

Número de jogadores
300
750

200
500

100
250

0 0

GK D DM M AM FW 0 1 2 3
Função em campo Número de cartões vermelhos

Figura 13. Distribuição dos jogadores quanto a função em campo e número de cartões
vermelhos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 30


Gráfico de barras

I Nome: Gráfico de barras (bar chart).


I Função: exibir a frequência das categorias.
I Tipo de escala: qualitativa.
I Variáveis visuais: posição x × y.
I Geometria: barras.
I Variáveis calculadas: frequência absoluta ou relativa.
I Variações:
I Barras agrupadas (grouped bar chart).
I Barras empilhadas (stacked bar chart).
I Barras normalizadas (normalized stacked bar chart).

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 31


Gráfico de setores

0 0
1250 1250

Função
GK Função
250 250
D 0
1000 DM 1000 1
M 2
AM 3
FW
500 500
750 750

Figura 14. Distribuição dos jogadores quanto a função em campo e número de cartões
vermelhos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 32


Gráfico de setores

I Nome: Gráfico de setores (pie chart).


I Função: exibir a frequência relativa de categorias.
I Tipo de escala: qualitativa.
I Variáveis visuais: ângulo.
I Geometria: setores circulares.
I Variáveis calculadas: frequência relativa.
I Variações: donut chart ou doughnut chart.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 33


Gráfico de rosca

Função Função
GK GK
D D
DM DM
M M
AM AM
FW FW

Figura 15. Distribuição dos jogadores quanto a função em campo.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 34


Gráfico de rosca

I Nome: Gráfico de rosca (donut chart).


I Inspiração: gráfico de setores.
I Geometria: arcos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 35


Waffle chart

0
1
2
3

Cada unidade é um jogador (grid 25 x 54)

Figura 16. Distribuição dos jogadores quanto ao número de cartões vermelhos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 36


Waffle chart

I Nome: Waffle chart.


I Função: exibir a frequência de categorias.
I Tipo de escala: qualitativa.
I Variáveis visuais: área e cor.
I Geometria: pixels.
I Variáveis calculadas: frequência absoluta ou relativa.
I Variações: area size chart.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 37


Recomendações

Qual usar para:

1. Reconhecer a distribuição dos valores?


2. Comparar as proporções?
3. Enfatizar categorias de baixa frequência?

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 38


Gráfico quantil-quantil

● ● ●

●●
40 ●


● ●●

● ●
●●

●●● ●
●●



●●
●●
●●

●●●
● ●
●●
Idade dos jogadores (anos)

●●





●●

●●

● 25.0 ●

Índice de massa corporal


●●



●●

●●

●●

●●
● ●
●●

●●

●●


●●


●●

●●

● ●






●●


●●


●●
● ●●









●●


●●

● ●



●●




●●


30 ●●


●●


●●















●●


●●

● ●





●●





●●


●●


● ●

●●

●●


●●

●●


●●


●● ●
●●



●●


●●

●●


●●

● ●


●●








●●


●●

● 22.5 ●
●●




●●



●●




●●


●●


●● ●



●●
●●


●●


●●


●●


●● ●●




●●


●●


●●


●●

● ●
●●






●●

●●


●●


●●


●●
● ●●




●●

●●

20 ●
●●

●●


●●

●●


●●

●●








●●
●●

●●

●●


●●

●●
● ●


●●

●●


●●●
●●
●●

●●

●●
● ●

●●

●●

●●
● ●●● ●









20.0 ●





●●

●●●●

●●

10
−2 0 2 −2 0 2
Quantis teóricos da Quantis teóricos da
distribuição normal padrão distribuição normal padrão

Figura 17. Distribuição da idade e índice de massa corportal dos jogadores.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 39


Gráfico quantil-quantil

I Nome: gráfico quantil-quantil.


I Função: examinar a adequação de uma distribuição de
probabilidades.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: pontos e linhas.
I Variáveis calculadas: quantis teóricos da distribuição sob
hipótese.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 40


Relação

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 41


Gráficos de barras agrupadas e empilhadas

400
Número de jogadores

300
Cartões
amarelos
2+
200 1a2
0

100

GK D DM M AM FW
Função em campo

Figura 18. Quantidade de cartões amarelos e a relação com a função em campo.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 42


Gráficos de barras agrupadas e empilhadas

150
Número de jogadores

Cartões
amarelos
100
0
1a2
2+
50

GK D DM M AM FW
Função em campo

Figura 19. Quantidade de cartões amarelos e a relação com a função em campo.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 43


Gráficos de barras agrupadas e empilhadas
1.00

0.75
Proporção de jogadores

Cartões
amarelos

0.50 2+
1a2
0

0.25

0.00

GK D DM M AM FW
Função em campo

Figura 20. Quantidade de cartões amarelos e a relação com a função em campo.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 44


Gráficos de barras agrupadas e empilhadas

I Nome: Gráfico de barras (bar plot).


I Função: permitir a comparação de quantidades entre categorias.
I Tipo de escala: qualitativa × qualitativas.
I Variáveis visuais: posição x × y.
I Geometria: barras.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 45


Gráfico de mosaico

2+

1a2
Número de cartões

Cartões
amarelos
0
1a2
0 2+

GK D DM M AM FW
Função em campo

Figura 21. Quantidade de cartões amarelos e a relação com a função em campo.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 46


Gráfico de mosaico

I Nome: Gráfico de mosaico (mosaic plot ou Marimekko chart).


I Função: exibir a frequência de combinações de categorias.
I Tipo de escala: qualitativa.
I Variáveis visuais: posição x × y e área.
I Geometria: retângulos.
I Variáveis calculadas: frequência relativa.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 47


Recomendações

Qual usar para:

1. Comparar valores totais entre categorias?


2. Comparar valores relativos entre categorias?
3. Examinar a relação entre variáveis categóricas?

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 48


Diagrama de dispersão
● ●


200
Altura do goleiro (cm)

Altura do goleiro (cm)


200 ●

● ●

● ●● ●●
● ●
● ●
● ●
● ●
● ● ● ● ●

● ●● ● ● ● ●● ● ● ●


● ●● ● ● ● ●● ●

●● ●
●●●● ● ● ●● ●● ●
190 ● ● ● ● ●
190 ●● ● ●● ● ● ● ● ●● ● ● ● ● ●
●● ● ●
●●●● ●●
● ● ● ● ●● ● ● ● ● ● ●●● ●
● ● ● ● ● ● ●● ● ●
●●● ● ● ●●●●●● ●● ●●●●●
● ● ●
● ● ● ● ● ●
● ●
● ●● ●●●
●●● ●●
●●
● ●
● ●● ● ●
● ● ●

180 ● ● 180 ● ●

80 90 100 110 70 80 90 100 110


Peso do goleiro (kg) Peso do goleiro (kg)

Figura 22. Relação altura e peso dos goleiros. O gráfico da direita foi adicionada
pertubação para evitar sobreposição dos pontos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 49


Diagrama de dispersão

I Nome: diagrama de dispersão (scatter plot).


I Função: retratar a relação entre variáveis.
I Tipo de escala: quantitativa × quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: pontos.
I Variações: diagrama de dispersão 3D, diagrama ternário.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 50


Diagrama de dispersão

Figura 23. Diagrama de dispersão ternário. Fonte:


<http://www.ggtern.com/2013/12/16/pps-3-state-model/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 51


Diagrama de dispersão

Figura 24. Diagrama de dispersão 3D. Fonte: <https://stackoverflow.com/questions/


30904198/how-to-export-an-interactive-rgl-3d-plot-to-share-or-publish>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 52


Bubble chart

● ●

● ●
Altura do goleiro (cm)

Altura do goleiro (cm)


200 Idade 200 age
● ●
● ●
● ●
●●
● ● 20 ●
●●
●● 40

● ● ● 25 ● ● 35
●● ● ● ● ●● ●
●●● ● 30 ●●● ● ● 30

● ●
●● ●●● ●●
●● ●●
● ●●
●●
190 ●
●●●

●●● ●● ● 35
190
●●●●● ●
●●●●● ●●● ● 25

● ●●●● ●

●●●●
● 40 ●●●●
● ●●●●● 20

●●●●●●●●
●●●
● ● ●●●●●●●●●●●●●
● ● ● ● ● ● ● ●
● ● ●
● ● ●●


●●
●●● ●
●●●
●● ●
● ● ● ●
180 ● ● 180 ● ●
80 90 100 110 80 90 100 110
Peso do goleiro (kg) Peso do goleiro (kg)

Figura 25. Relação altura, peso e idade dos goleiros.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 53


Bubble chart

I Nome: diagrama de dispersão com bolhas (bubble plot).


I Função: retrarar a relação entre variáveis quantitativas.
I Tipo de escala: todas quantitativas.
I Variáveis visuais: posição x × y e tamanho.
I Geometria: pontos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 54


Matriz de diagramas de dispersão

cm kg age

0.075

0.050 Corr: Corr:

cm
0.67 −0.0181
0.025

0.000

110

100 ●
● ●
●● Corr:

kg
● ●●●●
90 ●
● ● ●●
●●
● ●
● ● ●●● ●●
●● ● 0.108
● ●
●●●
●●●●●●
●●
●● ●
●●●● ●
80 ● ●●●●●●
●● ●● ●
●●
●●
●● ●

● ●● ●●●

●●

● ●
40 ● ●
● ●
● ● ● ● ● ●
35 ● ●●
● ●
● ●●
●● ●● ●●● ● ● ● ●

age
●● ●● ●● ●●
● ● ● ●●● ● ●● ●●
30 ●
● ●
●●●● ● ●

● ● ●● ●● ●
● ● ●●
● ●●●● ● ●● ● ● ● ●● ●● ● ●
● ● ●●● ● ● ● ● ●●● ● ● ●
●●● ●● ● ● ●●● ● ● ●● ● ●
25 ● ● ● ● ●●
● ●● ●● ● ●
●●● ●
● ● ● ●● ●●

● ●● ●● ● ● ●●●● ●
●● ● ●● ●
● ● ●● ● ● ●●
20 ● ●

180 190 200 80 90 100 110 20 25 30 35 40

Figura 26. Matriz de diagramas de dispersão.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 55


Matriz de diagramas de dispersão

I Nome: matriz de diagramas de dispersão (scatter plot matrix).


I Função: exibir a relação entre variáveis e distribuições marginais.
I Tipo de escala: preferencialmente quantitativas.
I Variáveis visuais: posição x × y.
I Geometria: pontos, linhas e/ou barras.
I Inspiração: diagrama de dispersão e gráficos para distribuição.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 56


Correlograma

age

age
bmi

bmi
cm

cm
aw

aw
kg

kg
1 1
cm 1 0.54 −0.11 0.08 0.02 0.8 cm 1 0.54 −0.11 0.08 0.02 0.8
0.6 0.6
kg 0.54 1 0.78 0.26 0.06 0.4 kg 0.54 1 0.78 0.26 0.06 0.4
0.2 0.2
bmi −0.11 0.78 1 0.24 0.06 0 bmi −0.11 0.78 1 0.24 0.06 0
−0.2 −0.2
age 0.08 0.26 0.24 1 0.15 −0.4 age 0.08 0.26 0.24 1 0.15 −0.4
−0.6 −0.6
aw 0.02 0.06 0.06 0.15 1 −0.8 aw 0.02 0.06 0.06 0.15 1 −0.8
−1 −1

Figura 27. Correlograma das variáveis para os goleiros.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 57


Correlograma

I Nome: Correlograma (correlogram).


I Função: mostrar a estrutura de correlação entre várias variáveis
contínuas (admite qualitativas mas requer especificar
apropriadamente uma medida de correlação).
I Tipo de escala: preferencialmente para quantitativas.
I Variáveis visuais: área, inclinação ou outra retinal quantitativa.
I Geometria: elipses, círculos ou retângulos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 58


Mapa de calor

Sergei Ryzhikov
Oliver Baumann
Neto
Mikhail Kerzhakov
Michel Vorm
Kevin Trapp Valor
José Reina relativizado
Jeroen Zoet 1.00
Goleiro

Jasper Cillessen
0.75
Hugo Lloris
Guillermo Sara 0.50
Federico Marchetti
0.25
Esteban
Diego Alves 0.00
Cédric Carrasso
Beto
Anthony Lopes
Ali Al−Habsi
Aleksandr Belenov
age aw bmi cm kg
Variável

Figura 28. Mapa de calor das variáveis para os goleiros.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 59


Mapa de calor

I Nome: Mapa de calor (heatmap).


I Função: comparar variável quantitativa entre categorias.
I Tipo de escala: quantitativas × categorias.
I Variáveis visuais: posição x × y, cor ou saturação.
I Geometria: pixels coloridos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 60


Parallel plot

1.00 ● ● ● ● Michel Vorm



● Sergei
Cédric Ryzhikov
Carrasso
● ● Beto


● ●
● José ReinaBelenov
Aleksandr
● ●
0.75 ● Anthony Lopes
● ●

Valor padronizado

● ● Esteban

● ●

● Mikhail
Federico
Diego
Jasper Kerzhakov
Alves
Marchetti
Cillessen
● ● Kevin Trapp
● ● ●
0.50 ● Oliver Baumann
● ● ● Neto

● ●
● ● ● Jeroen Zoet

● ● Guillermo Sara
0.25 ● ● ●


● Ali Al−Habsi

0.00 ● ● ● ● ● Hugo Lloris


age aw cm kg bmi
Variável

Figura 29. Gráfico de eixos paralelos das variáveis para os goleiros.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 61


Parallel plot

I Nome: Parallel plot.


I Função: comparar variável quantitativa entre categorias e
examinar a relação entre variáveis (perfil).
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y.
I Geometria: linhas.
I Inspiração: slopegraph.
I Variações: radar/spider plot.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 62


Radial/Spider plot
age





aw ● bmi
● ●
● ● ●
● ● ●●
●●
●●

● ●●
● ●

● ●●
●●

● ●



● ●
● ●

● ●
● ●
● ●


● ●

● ●

cm kg

Figura 30. Gráfico de radar das variáveis para os goleiros.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 63


Radial/Spider plot

I Nome: Radar plot ou Spider plot.


I Função: comparar variável quantitativa entre categorias.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição r × θ.
I Geometria: linhas.
I Inspiração: parallel plot.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 64


Cleveland dot plot

Zulte−Waregem ● ●

Vitoria de Guimaraes ● ●

Thun ● ●

Shakhtar Donetsk ● ●

Rapid Wien ● ●

PSV Eindhoven ● ●

P.Ferreira ● ● Função
Equipe

Pandurii ● ● ● goleiro
Lyon ● ● ● jogador
Genk ● ●

Freiburg ● ●

Fiorentina ● ●

Eintracht Frankfurt ● ●

APOEL Nicosia ● ●

Ajax ● ●

180 185 190 195 200


Altura (cm)

Figura 31. Altura média por equipe para goleiros e jogadores da linha.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 65


Cleveland dot plot

I Nome: Cleveland dot plot.


I Função: comprar variável contínua entre categorias.
I Tipo de escala: quantitativa × qualitativas.
I Variáveis visuais: posição x × y.
I Geometria: pontos e segmentos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 66


Boxplot
210
● ● ●
110
● 40


200
100 ●


● ● 35
● ●

90

Idade (anos)
190 ●
Altura (cm)

Peso (kg)


30
80
180

25
70

170

60 ● 20
● ● ● ●
● ● ●

● ●
● ●
160
GK D DM M AM FW GK D DM M AM FW GK D DM M AM FW
Função em campo Função em campo Função em campo

Figura 32. Diagramas de caixa para altura, peso e idade dos jogadores por função.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 67


Boxplot

I Nome: diagrama de caixas (boxplot).


I Função: comparar aspectos da distribuição de variável
quantitativa entre categorias.
I Tipo de escala: quantitativa × qualitativa.
I Inspiração: boxplot para única grupo.
I Variação: minimal box plot.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 68


Densidade 2D

110
110
Frequência Frequência
40
30
100 30 100
20
20

90 10 90 10
Peso (kg)

Peso (kg)
80 80

70 70

60
60

160 170 180 190 200 210 160 170 180 190 200
Altura (cm) Altura (cm)

Figura 33. Densidade de jogadores conforme a classificação por altura e peso.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 69


Densidade 2D

I Nome: Densidade 2D.


I Função: relação entre variáveis e distribuição de valores
agrupados em classe.
I Tipo de escala: quantitativa.
I Variáveis visuais: posição x × y, cor ou saturação.
I Geometria: pixels coloridos ou linhas de contorno.
I Requisitos definíveis: aspectos da determinação das classes
(dimensões, forma e posição dos pixels.
I Variáveis calculadas: frequência absoluta ou relativa.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 70


Faces de Chernoff

Goleiro Zagueiro Meio−zaga

Meio Meio−ataque Atacante


Index Index Index

Index Index Index

Figura 34. Faces de Chernoff para medidas descritivas dos jogadores conforme
função em campo.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 71


Faces de Chernoff

I Nome: Faces de Chernoff (Chernoff faces).


I Função: comparação entre un conjunto de variáveis quantitativas
entre categorias/elementos.
I Tipo de escala: quantitativas × categorias.
I Variáveis visuais: posição e comprimentos.
I Geometria: elementos do rosto humano.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 72


Recomendações

Qual usar para:

1. Examinar a forma da relação entre variáveis contínuas?


2. Comparar valores de variável contínua entre categorias?
3. Comparar a distribuição entre categorias?
4. Exibir a estrutura de correlação entre variáveis?

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 73


Ordenação

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 74


Barras ordenadas
Carlos Tévez
Aron Jóhannsson
Gonzalo Higuaín
Giuseppe Rossi
Carlos Bacca
Alexandre Lacazette
Jürgen Locadia
José Callejón
Wilfried Bony
Memphis Depay
Ivan Rakitic
Fernando Llorente
Jogador

Bafétimbi Gomis
Arturo Vidal
Kolbeinn Sigthorsson
Kevin Gameiro
Jonas
Admir Mehmedi
Steven Berghuis
Rubén Castro
Lasse Schöne
Jorge Molina
Jonatan Soriano
Emmanuel Adebayor
Davy Klaassen
Cheick Diabaté
Antonio Candreva
0 5 10 15
Gols marcados

Figura 35. Jogadores classificados pelo número de gols feito.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 75


Barras ordenadas

I Nome: barras ordenadas.


I Função: ordenar as categorias por uma variável quantitativa.
I Tipo de escala: quantitativa × categorias.
I Variáveis visuais: posição e comprimento.
I Geometria: barras.
I Variação: gráfico de Pareto.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 76


Lollipop
Carlos Tévez ●
Aron Jóhannsson ●
Gonzalo Higuaín ●
Giuseppe Rossi ●
Carlos Bacca ●
Alexandre Lacazette ●
Jürgen Locadia ●
José Callejón ●
Wilfried Bony ●
Memphis Depay ●
Ivan Rakitic ●
Fernando Llorente ●
Jogador

Bafétimbi Gomis ●
Arturo Vidal ●
Kolbeinn Sigthorsson ●
Kevin Gameiro ●
Jonas ●
Admir Mehmedi ●
Steven Berghuis ●
Rubén Castro ●
Lasse Schöne ●
Jorge Molina ●
Jonatan Soriano ●
Emmanuel Adebayor ●
Davy Klaassen ●
Cheick Diabaté ●
Antonio Candreva ●

0 5 10 15
Gols marcados

Figura 36. Jogadores classificados pelo número de gols feito.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 77


Lollipop

I Nome: Lollipop (pirulito) ou Cleveland dot plot.


I Função: ordenar as categorias por variável uma quantitativa.
I Tipo de escala: quantitativa × categorias.
I Variáveis visuais: posição e comprimento.
I Geometria: pontos e segmentos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 78


Núvem de palavras

Norway
Poland
Belgium Alexander Meier Miroslav Klose
Olcan Adin Bafétimbi Gomis
Rubén CastroIvan Rakitic
Cyprus
Sweden
Spain Dries Mertens
Jürgen Locadia
Moldova
Austria Russia Gonzalo Higuaín
Italy Denmark Christian Eriksen Vaclav Kadlec
Greece
Bulgaria Israel
Turkey
Giuseppe Rossi
Carlos Bacca
Portugal Romania
José Callejón Joselu
Arturo Vidal Jonas
Jussie

UkraineCroatia Fernando Llorente


Wilfried Bony Marek
France Slovenia
Kazakhstan Nick Powell
Hamsik

Figura 37. Países conforme o número de jogadores de cada nacionalidade e jogadores


conforme o número de gols.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 79


Núvem de palavras

I Nome: Wordcloud ou núvem de palavras.


I Função: retratar a frequência de ocorrência de palavras.
I Variáveis visuais: posição e tamanho.
I Geometria: texto.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 80


Evolução

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 81


Série ou pontos conectados

Figura 38. Gráfico de uma série temporal. Fonte:


<http://r-statistics.co/Top50-Ggplot2-Visualizations-MasterList-R-Code.html>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 82


Série ou pontos conectados

I Nome: Pontos conectados (connected scatterplot).


I Função: mostrar a trejetória de uma variável ao longo do tempo.
I Tipo de escala: quantitativa × cronológica.
I Variáveis visuais: posição x × y.
I Geometria: linhas ou pontos conectados.
I Variação:
I Área preenchida entre a série o eixo da origem.
I Dois eixos verticais para séries de grandeza diferentes.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 83


Séries com dois eixos verticais

Figura 39. Séries com dois eixos. Fonte:


<http://freerangestats.info/blog/2016/08/18/dualaxes>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 84


Séries com dois eixos verticais

I Nome: Série com dois eixos verticais.


I Geometria: linhas ou pontos conectados.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 85


Áreas empilhadas

Figura 40. Gráfico de áreas empilhadas. Fonte: <https:


//stackoverflow.com/questions/35587571/make-a-stacked-area-graph-in-ggplot2>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 86


Áreas empilhadas

I Nome: Áreas empilhadas (stacked area plot).


I Função: mostrar a trejetória de várias séries.
I Tipo de escala: quantitativa × cronológica × categórica.
I Variáveis visuais: posição x × y e preenchimento.
I Geometria: polígono preenchido.
I Variáveis calculadas: valores acumulados (relativos) nas
categorias em um ponto da variável cronológica.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 87


Slopegraph

Figura 41. Um exemplo de Slopegraph. Fonte:


<http://www.storytellingwithdata.com/blog/2018/6/1/swdchallenge-slopegraph>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 88


Slopegraph

Figura 42. Slopegraph com mais condições. Fonte:


<https://shivathudi.com/2017/04/19/data-visualization-in-r-using-ggplot-and-shiny/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 89


Slopegraph

I Nome: Pontos conectados (connected scatterplot).


I Função: mostrar a trejetória de uma variável ao longo do tempo.
I Tipo de escala: quantitativa × cronológica.
I Variáveis visuais: posição x × y.
I Geometria: pontos conectados e texto (opcional).

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 90


Calendar plot

Figura 43. Exemplo de gráfico de calendário. Fonte:


<https://d2mvzyuse3lwjc.cloudfront.net/www/resources/graph_gallery/images_
galleries_new/Calendar_Chart.png>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 91


Calendar plot

I Nome: Diagrama de calendário (calendar plot).


I Função: retratar uma variável conforme disposição das datas no
calendário.
I Tipo de escala: quantitativa × cronológica diária.
I Variáveis visuais: posição x × y e preenchimento.
I Geometria: linhas, colunas e cédulas (grid).

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 92


Waterfall chart

Figura 44. Exemplo de um gráfico de barras em cascata. Fonte:


<https://www.ablebits.com/office-addins-blog/2014/07/25/waterfall-chart-in-excel/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 93


Waterfall chart

Figura 45. Diferença de exibição com barras ou barras em cascata. Fonte:


<https://twitter.com/BrodieGaslam/status/1002932910696157186>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 94


Waterfall chart

I Nome: Waterfall chart (gráfico de cascata).


I Função: exibe a decomposição/evolução de uma quantidade
inicial em termos de somas e diferenças.
I Tipo de escala: quantitativa × categorias.
I Variáveis visuais: posição x × y.
I Geometria: barras.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 95


Gantt chart

Figura 46. Exemplo de diagrama de Gantt. Fonte:


<http://curiousgnu1.rssing.com/chan-66482562/all_p1.html>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 96


Gantt chart

I Nome: Diagrama de Gantt (Gantt chart).


I Função: descrever uma variável de duração.
I Tipo de escala: quantitativa × categórica.
I Variáveis visuais: posição x × y.
I Geometria: barras ou segmentos.
I Inspiração: Cleveland dot plot.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 97


Candlestick chart

Figura 47. Exemplo de gráfico de candelabro. Fonte: <https://stackoverflow.com/


questions/28201587/ggplot-for-ohlc-chart-using-bars-not-candles>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 98


Candlestick chart

I Nome: Candlestick chart (gráfico de candelabro).


I Função: Exibir valores de abertura, fechamento, máximo e mínimo
diariamente.
I Tipo de escala: quantitativa × diária.
I Variáveis visuais: posição x × y e cor.
I Geometria: segmentos e/ou retângulos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 99


Mapa

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 100


Choropleth map

Figura 48. Mapa de densidade populacional por Estado. Fonte:


<https://gl.maps-brazil.com/brasil-densidade-de-poboación-mapa>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 101


Choropleth map

I Nome: Choropleth map (grego: “área/região” + “magnitude”) ou


mapa temático.
I Função: retratar uma variável quantitativa em um espaço
demarcado.
I Tipo de escala: quantitativa × geográfica.
I Variáveis visuais: preenchimento.
I Geometria: polígonos.
I Aplicação Shiny: <http://shiny.leg.ufpr.br/walmes/mapaufpr/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 102


Bubble map

Figura 49. Tradição indígenas no Brasil. Fonte:


<https://journals.openedition.org/confins/7785>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 103


Bubble map

I Nome: Bubble map (mapa de bolhas).


I Função: exibir a ocorrência e magnitude de variável quantitativa
em um território.
I Tipo de escala: quantitativa × geográfica.
I Variáveis visuais: latitude, longitude e tamanho.
I Geometria: pontos e polígonos.
I Variações: uso de símbolos/marcadores para representar variável
qualitativa.
I Aplicação Shiny: <http://shiny.leg.ufpr.br/walmes/geor/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 104


Mapa topográfico ou de elevação

Figura 50. Mapa de densidade populacional por Estado. Fonte:


<http://www.leg.ufpr.br/geoR/PASI/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 105


Mapa topográfico ou de elevação

Figura 51. Valores para matéria orgânica do solo. Fonte:


<http://shiny.leg.ufpr.br/walmes/geor/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 106


Mapa topográfico ou de elevação

I Nome: Mapa topográfico ou de elevação.


I Função: exibir uma variável contínua no espaço geográfico.
I Tipo de escala: quantitativa × geográfica.
I Variáveis visuais: latitude, longitude e cor.
I Geometria: pontos ou pixels.
I Variações: uso de isolinhas de contorno.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 107


Mapa de contornos de nível

Figura 52. Anomalias de temperaturas médias no Brasil para Abril de 2016. Fonte:
<https:
//www.bbc.com/portuguese/internacional/2016/05/160516_nasa_aquecimento_np>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 108


Mapa de contornos de nível

I Nome: Mapa de contornos de nível.


I Função: exibir a ocorrência de classes de uma variável contínua
no espaço geográfico.
I Tipo de escala: catgórica ordenada × geográfica.
I Variáveis visuais: latitude, longitude e cor.
I Geometria: polígonos.
I Requisitos definíveis: intervalos de classe.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 109


Mapa de densidade

Snow's Cholera Map, Death Intensity

100 m.
0 2 4

Castle St E
Oxford Market Oxford St #2
Oxford St #1

0.005

Gt Marlborough 0.0
2

0.01
Crown Chapel0.025 4
0.0

Broad St
0.03
5 0.045
0.015
0.03
0.02
Dean St
So Soho

Briddle St
Warwick

Vigo St Coventry St

Figura 53. Mapa de densidade de ocorrência. Fonte:


<https://cran.r-project.org/package=HistData>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 110


Mapa de densidade

I Nome: Mapa de desidade.


I Função: exibe a intersidade da ocorrência de eventos no espaço.
I Tipo de escala: quantitativa.
I Variáveis visuais: latitude, longitude e cor.
I Geometria: pontos.
I Requisitos definíveis: função de densidade, largura de banda.
I Variáveis calculadas: densidade.
I Inspiração: gráfico de densidade empírica.
I Variação: intensidade por píxel/hexágono.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 111


Mapa de conexões

Figura 54. Mapa de conexões. Fonte:


<https://datavizcatalogue.com/methods/connection_map.html>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 112


Mapa de conexões

Figura 55. Mapa de conexões entre empresas e prefeituras no Paraná. Fonte: Trabalho
de Conclusão de Curso de Especialização em Data Science & Big Data, Paulo Jhonny
Scheleder da Costa Rosa.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 113


Mapa de conexões

I Nome: Mapa de conexões.


I Função: exibe rotas e conexões entre elementos no mapa.
I Tipo de escala: quantitativa.
I Variáveis visuais: latitude, longitude e tamanho.
I Geometria: linhas/arcos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 114


Cartograma

Figura 56. Cartograma da população mundial em 2020. Fonte:


<https://giphy.com/gifs/geography-jpJ6VkD9k17cA>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 115


Cartograma

I Nome: Cartograma (cartogram).


I Função: retrata uma variável quantitativa pelo tamanho dos
polígonos ou distância fazendo distorção dos mesmos.
I Tipo de escala: quantitativa.
I Variáveis visuais: latitude, longitude e tamanho.
I Geometria: polígonos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 116


Organização

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 117


Dendrograma

Figura 57. Exemplo de dendrograma. Fonte:


<https://www.datanovia.com/en/courses/hierarchical-clustering-in-r-the-essentials/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 118


Dendrograma

Figura 58. Ideia para a construção do dendrograma. Fonte:


<https://www.statisticshowto.datasciencecentral.com/hierarchical-clustering/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 119


Dendrograma

I Nome: Dendrorama (dendro = árvore).


I Função: retrata o grau similaridade ou estrutura hierárquica
(perfilhamento) entre categorias.
I Tipo de escala: quantitativas × categorias.
I Variáveis visuais: comprimento.
I Geometria: linhas.
I Requisitos definíveis: medida de similaridade, método de
agrupamento.
I Variáveis calculadas: similaridade ou distância entre (grupos de)
categorias.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 120


Treemap

Figura 59. Exemplo de treemap. Fonte: <https://github.com/mtennekes/treemap>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 121


Treemap

I Nome: Treemap (mapa da árvore).


I Função: retrata a organização hierárquica com o tamanho das
divisões.
I Tipo de escala: quantitativa × categorias.
I Variáveis visuais: área.
I Geometria: retângulos.
I Inspiração: dendrograma e gráfico de mosaico.
I Variação: circular packing.
I <http://newsmap.jp/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 122


Circular packing

Figura 60. Exemplo de circular packing. Fonte: <https://d3indepth.com/layouts/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 123


Circular packing

I Nome: Circular packing.


I Inspiração: treemap e diagrama de Venn.
I Geometria: círculos.
I Variação: circular packing.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 124


Sunburst

Figura 61. Exemplo de diagrama sunburst. Fonte:


<https://www.debugpoint.com/2018/07/apps-visual-disk-usage-linux-ubuntu-mint/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 125


Sunburst

I Nome: Sunburst (= raios de sol).


I Função: retrata a organização hierárquica com o tamanho das
divisões.
I Tipo de escala: quantitativa × categorias.
I Variáveis visuais: ângulo.
I Geometria: arcos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 126


Fluxo

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 127


Network

Figura 62. Exemplos de redes. Fonte: <https://kateto.net/network-visualization>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 128


Network

Figura 63. Relação entre as funções do pacote mcglm. Fonte:


<http://leg.ufpr.br/~leg/mcglm/vignettes/functions_network.html>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 129


Network

Figura 64. Relação entre livros sobre visualização de dados comprados na Amazon.
mcglm. Fonte: <http://yasiv.com/#/Search?q=Data%20visualization>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 130


Network

I Nome: Network (rede) ou gráfo.


I Função: compreender o relacionamento entre um grupo de
entidades.
I Tipo de escala: qualitativa e quantitativa.
I Variáveis visuais: tamanho e preenchimento.
I Geometria: pontos e segmentos.
I Variações: radial network.
I Rede de relacionamento de livros na Amazon: <http://yasiv.com/>.
I Redes com o R: <https://kateto.net/network-visualization>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 131


Radial network

Figura 65. Exemplo de rede radial. Fonte:


<https://truth-and-beauty.net/projects/muesli-ingredient-network>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 132


Radial network

I Nome: Radial network ou hierarchical edge bundling.


I Função: visualizar a conexão entre todas entidades de uma
coleção.
I Variações: digrama de arcos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 133


Diagrama de arcos

Figura 66. Exemplo de diagrama de arco. Fonte: <https://plot.ly/~empet/13574/


arc-diagram-of-star-wars-characters-that-interacted-in-the-force-awakens>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 134


Diagrama de arcos

I Nome: Diagrama de arcos (arc diagram).


I Função: visualizar a conexão entre entidades de uma coleção.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 135


Sankey diagram ou alluvial chart

Figura 67. Exemplo de Sankey diagram. Fonte: <https://www.theinformationlab.co.uk/


2018/03/09/build-sankey-diagram-tableau-without-data-prep-beforehand/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 136


Sankey diagram ou alluvial chart

Figura 68. Exemplo de Sankey diagram. Fonte:


<https://www.r-graph-gallery.com/sankey-diagram/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 137


Sankey diagram ou alluvial chart

Figura 69. Exemplo de Sankey diagram. Fonte: <https://plotdb.com/chart/1039>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 138


Sankey diagram ou alluvial chart

I Nome: Sankey diagram ou alluvial chart.


I Função: exibe o fluxo de quantidade/proporção de uma variável.
I Tipo de escala: quantitativa.
I Variáveis visuais: tamanho.
I Geometria: arcos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 139


Chord diagram

Figura 70. Exemplos de diagramas de corda. Fonte:


<https://www.data-to-viz.com/graph/chord.html>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 140


Chord diagram

Figura 71. Exemplos de diagramas de corda. Fonte:


<https://learningtableaublog.wordpress.com/2016/08/04/chord-diagrams/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 141


Chord diagram

Figura 72. Disposição dos acordes em sequência na música brasileira. Trabalho de


conclusão de curso de Bruna Wunderwald e Rogério Filho (2017).

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 142


Chord diagram

I Nome: Diagrama de cordas (chord diagram)


I Função: exibe o fluxo de quantidade/proporção de uma variável.
I Tipo de escala: quantitativa × categórica.
I Variáveis visuais: tamanho.
I Geometria: arcos.
I Inspiração: Sankey diagram e radial network.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 143


O que você deve evitar

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 144


O problema do viés de disponibilidade?

Figura 73. Apenas 11% dos gráficos do MS Excel são úteis conforme Jorge Camoes.
Adaptado: <https://excelcharts.com/excel-chart-gallery-a-difficult-equilibrium/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 145


O problema do viés de disponibilidade?

Figura 74. Gráficos de devem ser banidos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 146


Gráficos ruins

Figura 75. Gráfico de setores com perspectiva tridimensional gera distorção dos
ângulos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 147


Gráficos ruins

Figura 76. Comparação de comprimentos angulares é menos precisa, principalmente


em uma perspectiva 3D.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 148


Gráficos ruins

Figura 77. Perpectiva 3D e pontos de fuga deformam o sistema de coordenadas e


dificultam parceber comprimentos.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 149


Gráficos ruins

Figura 78. Mais do mesmo. Softwares comerciais de planilha eletrônica oferencem


vários recusos gráficos tridimensionais com baixa efetividade. Isso popularizou ou
mal uso de gráficos (availability bias).

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 150


Gráficos ruins

Figura 79. Gráficos que violam os princípios de expressividade e efetividade.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 151


Gráficos ruins

Figura 80. Perspectiva e ornamentação que não agregam funcionalidade.


<https://www.originlab.com/www/products/graphgallery.aspx>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 152


Gráficos ruins

Figura 81. A falta de sistema de coordenadas para compreensão da informação o torna


simplesmente uma alegoria.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 153


Gráficos ruins

Figura 82. A perspectiva reduz a acurácia da percepção.


<https://www.originlab.com/www/products/graphgallery.aspx>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 154


Gráficos ruins

Figura 83. A perspectiva reduz a acurácia da percepção.


<https://www.originlab.com/www/products/graphgallery.aspx>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 155


Gráficos ruins

Figura 84. Viasualizações polares tem menor acurácia para comparação dos
comprimentos. <https://www.originlab.com/www/products/graphgallery.aspx>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 156


Reflexão

“O olho humano é um dispositivo maravilhoso. Com um pouco de


esforço, pode deixar de ver até mesmo a injustiça mais flagrante.”
– Richard K. Morgan · Altered Carbon

“Você obtém simplicidade na elaboração de gráficos e tabelas eficazes,


lembrando três princípios fundamentais: restringir, reduzir, enfatizar.”
– Garr Reynolds

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 157


Galerias online
1. <https://www.data-to-viz.com/>.
2. <https://datavizcatalogue.com/>.
3. <https://www.r-graph-gallery.com/>.
4. <https://matplotlib.org/gallery/index.html>.
5. <https://public.tableau.com/en-us/s/gallery>.
6. <https://github.com/d3/d3/wiki/Gallery>,
<http://biovisualize.github.io/d3visualization/>.
7. <http://jkunst.com/highcharter/>.
8. <https://developers.google.com/chart/interactive/docs/gallery>.
9. <https://dash.plot.ly/gallery>.
10. <https://www.zingchart.com/gallery/>.
11. <https://news-explorer.mybluemix.net/?query=data%20science>.
12. <https://truth-and-beauty.net/>.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 158


Próximo encontro

I Recursos para elaboração de gráficos no R.


I Análise exploratória com data storytelling.
I Introdução ao pacote ggplot2.

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 159


Pela oportunidade e atenção, agradeço.
Prof. Walmes Zeviani
<walmes@ufpr.br>

Walmes Zeviani · UFPR Almanaque de gráficos para visualização de dados 160