Что такое scatter plot: простое объяснение с примерами

Представьте таблицу с двумя колонками: в первой — количество часов, которые студенты готовились к экзамену, во второй — их баллы. Сто строк чисел сами по себе ничего не говорят, но если каждого студента обозначить точкой на графике, картина становится очевидной за секунду: точки тянутся вверх слева направо, то есть больше подготовки обычно означает более высокий результат. Именно так работает scatter plot — диаграмма рассеяния, один из самых простых и одновременно самых информативных видов визуализации данных.

Что такое scatter plot простыми словами

Scatter plot (с английского — «диаграмма рассеяния», также её называют точечной диаграммой) — это график, где каждое наблюдение изображено отдельной точкой. Положение точки определяется двумя числами: одно откладывается по горизонтальной оси X, второе — по вертикальной оси Y. В нашем примере X — это часы подготовки, Y — балл на экзамене, а каждая точка — конкретный студент.

Главное назначение такой диаграммы — показать, существует ли связь между двумя величинами и какой она по характеру. В отличие от столбчатой диаграммы, которая сравнивает категории, или линейного графика, который показывает изменение во времени, scatter plot отвечает на вопрос: «когда одна величина растёт, что происходит с другой?».

Это делает диаграмму рассеяния базовым инструментом методологии данных: её используют в статистике, экономике, маркетинге, спортивной аналитике и журналистике данных. В рейтингах и инфографике scatter plot помогает показать, например, соотношение цены и оценки качества товаров или уровня дохода и продолжительности жизни в разных странах — там, где каждая точка является отдельным объектом исследования.

Как устроена диаграмма рассеяния

Структура графика минимальна, и в этом его сила. Две перпендикулярные оси образуют координатную плоскость, а набор точек показывает все пары значений одновременно. Чтобы читать scatter plot было легко, стоит обращать внимание на несколько элементов.

• Ось X (независимая переменная) — обычно это фактор, который, по гипотезе, влияет на результат: расходы на рекламу, стаж работника, температура воздуха.
• Ось Y (зависимая переменная) — результат, который мы измеряем: продажи, зарплата, количество осадков.
• Точки — отдельные наблюдения. Их плотность и форма облака рассказывают о силе связи.
• Линия тренда — дополнительная линия, обобщающая направление зависимости. Она не обязательна, но помогает увидеть тенденцию там, где точек много.

Есть и расширенные варианты. Размер точки может кодировать третью переменную — так scatter plot превращается в пузырьковую диаграмму, где, например, каждая страна обозначена точкой по доходу и продолжительности жизни, а размер пузырька соответствует населению. Цвет точек часто используют для разделения на группы: на одном графике можно показать отдельно мужчин и женщин, разные регионы или категории товаров.

Какие связи можно увидеть на scatter plot

Главная ценность диаграммы — в форме облака точек. Именно она указывает на тип корреляции, то есть статистической связи между переменными.

Положительная корреляция

Точки тянутся снизу слева вверх вправо: чем больше X, тем больше Y. Классические примеры — зависимость роста ребёнка от возраста, расходов на рекламу от охвата аудитории или цены квартиры от её площади. Если точки плотно прижаты к воображаемой линии, связь сильная; если облако широкое и размытое — слабая.

Отрицательная корреляция

Облако спускается сверху слева вниз вправо: рост одной величины сопровождается уменьшением другой. Так выглядит зависимость цены товара от количества проданных единиц или скорости автомобиля от времени торможения.

Отсутствие связи

Если точки разбросаны хаотично, без какого-либо наклона, статистической связи между переменными нет. Это тоже полезный вывод: он спасает от ложных гипотез. Например, если на графике «рост сотрудника — производительность» точки образуют беспорядочное круглое облако, искать закономерность в этих двух величинах бессмысленно.

Нелинейные зависимости

Иногда точки образуют кривую: дугу, U-образную форму или насыщение, когда после определённого порога рост X уже почти не меняет Y. Так выглядит, например, зависимость удовлетворения от обучения — после определённого количества часов эффект исчерпывается. Прямая линия тренда здесь будет обманчивой, и это важно заметить.

Scatter plot на практике: примеры из разных сфер

Проще всего понять, как работает диаграмма, через конкретные сценарии. Ниже — типичные задачи, где scatter plot даёт ответ быстрее любой таблицы.

Рейтинги и сравнение товаров

В рейтингах смартфонов или ноутбуков каждую модель можно обозначить точкой: по оси X — цена, по оси Y — средняя оценка по обзорам. Такой график сразу показывает «удачные» модели — те, что высоко над общей тенденцией, то есть предлагают качество выше ожидаемого за свою цену. Это намного информативнее обычного списка от первого до десятого места, потому что видно не только порядок, но и соотношение цены и ценности.

Маркетинг и продажи

Аналитик откладывает по оси X бюджет рекламной кампании, по оси Y — количество сделок, а каждая точка — отдельный месяц или регион. Если облако явно тянется вверх, гипотеза об эффективности рекламы получает первое визуальное подтверждение. Если же точки разбросаны, стоит искать другие факторы влияния на продажи.

Образование и HR

Кадровики используют диаграмму, чтобы проверить, связаны ли стаж и продуктивность, а преподаватели — чтобы увидеть, как время подготовки коррелирует с результатами теста. Важно, что scatter plot показывает и исключения: отдельные точки далеко от общего облака — это люди или подразделения, которые работают иначе, чем все, и они заслуживают отдельного внимания.

Журналистика данных и инфографика

В инфографике scatter plot — рабочий инструмент для тем, где сравнивают много объектов по двум показателям: страны по ВВП и уровню счастья, города по ценам на жильё и средним зарплатам, футбольные клубы по трансферному бюджету и набранным очкам. Читатель видит и общую закономерность, и каждый отдельный случай — этого не даёт ни один усреднённый рейтинг.

Как создать scatter plot: инструменты и шаги

Для построения точечной диаграммы не нужны специальные программы — базовый функционал есть в любом табличном редакторе. Алгоритм везде одинаковый.

1. Подготовьте данные в двух колонках: первая — значения X, вторая — соответствующие значения Y. Каждая строка должна быть полным наблюдением без пропусков.
2. Выделите обе колонки и выберите тип диаграммы «Точечная» (scatter). Важно не перепутать с линейным графиком — внешне они похожи, но линейный привязан к порядку строк, а не к числовым значениям.
3. Подпишите оси с единицами измерения. График без подписей осей нельзя интерпретировать однозначно.
4. При необходимости добавьте линию тренда и проверьте масштаб: ось, начинающаяся не с нуля, может визуально преувеличить разницу.

Из практических инструментов чаще всего используют Microsoft Excel и Google Sheets — там точечная диаграмма строится в несколько кликов. Для анализа больших массивов данных аналитики обращаются к Python (библиотеки matplotlib, seaborn), R или BI-системам вроде Power BI и Tableau, где scatter plot можно сделать интерактивным: с фильтрами, подсказками при наведении и кодированием дополнительных переменных цветом и размером.

Типичные ошибки при работе с диаграммой рассеяния

Несмотря на простоту, scatter plot легко прочитать неправильно. Вот ошибки, которые встречаются чаще всего.

Путать корреляцию с причинностью. Это главное предостережение. Даже идеальная зависимость на графике не доказывает, что одна переменная вызывает другую. Классический пример — продажи мороженого и количество солнечных ожогов растут вместе, но причина обоих — третий фактор, жаркая погода. Диаграмма показывает связь, а её объяснение требует отдельного исследования.

Игнорировать выбросы. Единичная точка далеко от облака может существенно изменить наклон линии тренда. Сначала стоит проверить, не ошибка ли это ввода данных, а уже потом — является ли это реальный аномальный случай, который сам по себе интересен для анализа.

Рисовать на малой выборке. Пять-семь точек могут случайно сложиться в красивый наклон, который не имеет никакого статистического смысла. Чем больше наблюдений, тем надёжнее выводы.

Наложение точек. Когда наблюдений тысячи, точки перекрывают друг друга, и плотность данных становится невидимой. В таких случаях уменьшают размер маркеров, делают их полупрозрачными или переходят к тепловым картам плотности.

Манипуляция масштабом. Обрезанная ось или неравномерные интервалы способны «нарисовать» тренд, которого в данных нет. Прежде чем доверять чужому графику, всегда смотрите на шкалы обеих осей.

Когда scatter plot не подходит

Диаграмма рассеяния работает только с парами числовых переменных. Если нужно сравнить категории — например, продажи по пяти городам, — правильный выбор это столбчатая диаграмма. Для изменения показателя во времени лучше подходит линейный график, а для структуры целого — круговая или составная столбчатая. Попытка показать на scatter plot данные с категориальной осью или тривиальную зависимость вида «сумма частей от целого» только запутает читателя.

Также стоит помнить, что с двумя переменными диаграмма показывает лишь их парное взаимодействие. Реальные процессы обычно зависят от многих факторов одновременно, поэтому scatter plot — это первый шаг анализа, а не окончательное доказательство.

Частые вопросы о scatter plot

Чем scatter plot отличается от линейного графика?

Линейный график соединяет точки в определённом порядке — обычно по времени — и показывает динамику одной величины. Scatter plot не соединяет точки и показывает соотношение двух независимых числовых переменных. Порядок строк в таблице для него не важен.

Сколько данных нужно для точечной диаграммы?

Формально достаточно нескольких пар значений, но для осмысленных выводов о связи желательно иметь как минимум несколько десятков наблюдений. На очень малых выборках случайный узор легко принять за тренд.

Что означает линия тренда на графике?

Это обобщённая линия, построенная математическим методом (чаще всего методом наименьших квадратов), которая показывает среднее направление зависимости. Она не проходит через каждую точку, а минимизирует суммарное отклонение от всех точек.

Можно ли использовать scatter plot для категорий?

Обе оси должны быть числовыми. Но категории можно добавить через цвет или форму маркеров — тогда на одном графике видно несколько групп и можно сравнить, одинаковый ли у них характер зависимости.

Как быстро оценить scatter plot: короткий чек-лист

Прежде чем делать выводы из любой диаграммы рассеяния — своей или из чужой инфографики, — пройдитесь по нескольким пунктам. Проверьте, подписаны ли обе оси и начинаются ли шкалы с логических значений. Оцените форму облака: направление, плотность, возможную кривизну. Найдите выбросы и спросите, откуда они взялись. Посчитайте примерное количество точек, чтобы понять надёжность картины. И наконец — задайте главный вопрос: есть ли правдоподобное объяснение связи, или за ней может стоять третий, скрытый фактор. Эти пять шагов занимают меньше минуты, но защищают от большинства ошибочных интерпретаций, которые встречаются при работе с данными.