Cinco dimensiones en un solo punto
Un cliente te entrega un dataset de coches con 5 atributos y quiere verlos todos juntos en un solo gráfico. Cleveland-McGill, las señales visuales y un poco de astucia te van a hacer falta.
El dataset
El cliente tiene 200 modelos de auto con estos cinco atributos. Léelos bien: vas a tener que asignarle a cada uno una señal visual.
- Precio — USD, numérico continuo, rango 8k - 150k.
- Consumo — km/l, numérico continuo, rango 4 - 25.
- Potencia — HP, numérico continuo, rango 60 - 700.
- Año — 2018-2025.
- Tipo — sedán / SUV / pickup / deportivo.
Diseña tu encoding
Asigna cada variable a una señal visualPosición, longitud, color (matiz), color (saturación), tamaño, forma… Recuerda Cleveland-McGill: la posición es la más precisa; el color de matiz sirve para categorías, no para cantidades. y justifica brevemente cada decisión.
| Variable | Señal visual elegida | Por qué |
|---|---|---|
| Precio | ||
| Consumo | ||
| Potencia | ||
| Año | ||
| Tipo |
Sketch
Dibuja en papel un boceto del gráfico con las 5 dimensiones y sube una foto.
Compara con gráficos múltiples
Otra opción es descomponer: una matriz de gráficos múltiplesUna cuadrícula de gráficos pequeños, cada uno con la misma estructura y un subconjunto distinto de variables. En inglés, small multiples., cada uno mostrando una combinación de 2 variables. ¿Cuándo prefieres tu encoding único y cuándo prefieres los gráficos múltiples?
La pregunta clave
¿A qué pregunta del cliente ayuda mejor cada solución? Piensa en preguntas como «¿qué auto compro?», «¿cómo se relacionan precio y potencia?» o «¿qué hay de raro en el dataset?».