「電價貴不貴」之哪種圖最適合你的資料視覺化?

在臉書上看到一張圖： 比較一些國家的薪資中位數 vs 電價。 忍不住想用 scatplot 重畫一次。 我詢問資料出處， 可惜原繪圖者沒回答。 只搜尋到 "World Population Review" 的這兩頁： Median Income by Country 跟 Cost of Electricity by Country。 點表格右上方的 "csv" 即可索取、 從 email 收到 inc.csv 跟 ec.csv 這兩個 csv 檔。 用我的小程式 country-encode.py 幫兩檔各自加上 iso 三碼國碼、 依國碼排序、 用 join 合併、 用 libreoffice calc 打開、 手動整理一些小地方， 最後得到 inc-ec.csv。 再搭配 inc-ec.json 設定檔， 畫出 「電價 vs 收入中位數」 互動氣泡圖。 <== 點我!

大家可以比較一下這兩張圖， 何者比較容易閱讀? 在此例當中， 我們所關心的是 「電價/收入中位數」 這個比值。 在原來的長條圖當中， 不是很容易辨識、比較； 在散點圖/氣泡圖當中， 正好是斜率。 散點圖/氣泡圖也比長條圖更能夠同時放下許多國家。

因為 World Population Review 的資料來自不同的年度， 所以我所繪製的圖無法精確地反應事實。 這篇文章的目的並不是討論台灣的電價貴不貴， 而是要告訴大家： 資料視覺化的工具並不難操作； 重點是你要知道該選哪一種圖、 該把資料的哪個欄位對應到圖的哪個參數， 才最能夠清楚地表達你的訴求。 在這個注意力缺稀的年代， 公司的行銷、 政黨政績的呈現、 科普知識推廣、 破解假消息、... 之類各種需要說服群眾的工作， 這個能力非常重要。 (請找我去演講吧! 貴哥退休後的 「求兼職公開信」) 我的英文文章 Visual Cheatsheet for Plot Types Based on Data Column Types 有更多提示； 下方第三張圖是該文摘要。 (當時在教國際班， 所以有些文章用英文寫。 現在沒再貼新的英文文章了。) 最右邊那張圖則是 Mackinlay 在解釋人眼對於不同的視覺變數 (visual variables) 的敏感度； 它也說明了為何很多時候散點圖/氣泡圖是最佳選擇。