Що таке scatter plot: просте пояснення з прикладами

Уявіть таблицю з двома колонками: у першій — кількість годин, які студенти готувалися до іспиту, у другій — їхні бали. Сто рядків чисел самі по собі нічого не кажуть, але якщо кожного студента позначити крапкою на графіку, картина стає очевидною за секунду: крапки тягнуться вгору зліва направо, тобто більше підготовки зазвичай означає вищий результат. Саме так працює scatter plot — діаграма розсіювання, один із найпростіших і водночас найінформативніших видів візуалізації даних.

Що таке scatter plot простими словами

Scatter plot (з англійської — «діаграма розсіювання», також її називають точковою діаграмою) — це графік, де кожне спостереження зображено окремою крапкою. Положення крапки визначається двома числами: одне відкладається по горизонтальній осі X, друге — по вертикальній осі Y. У нашому прикладі X — це години підготовки, Y — бал на іспиті, а кожна крапка — конкретний студент.

Головне призначення такої діаграми — показати, чи існує зв’язок між двома величинами і який він за характером. На відміну від стовпчикової діаграми, яка порівнює категорії, або лінійного графіка, який показує зміну в часі, scatter plot відповідає на питання: «коли одна величина зростає, що відбувається з іншою?».

Це робить діаграму розсіювання базовим інструментом методології даних: її використовують у статистиці, економіці, маркетингу, спортивній аналітиці та журналістиці даних. У рейтингах та інфографіці scatter plot допомагає показати, наприклад, співвідношення ціни й оцінки якості товарів або рівня доходу та тривалості життя в різних країнах — там, де кожна крапка є окремим об’єктом дослідження.

Як влаштована діаграма розсіювання

Структура графіка мінімальна, і в цьому його сила. Дві перпендикулярні осі утворюють координатну площину, а набір крапок показує всі пари значень одночасно. Щоб читати scatter plot було легко, варто звертати увагу на кілька елементів. Якщо ж потрібно показати щільність даних на великій кількості точок, зручно використовувати що таке heatmap: просте пояснення з прикладами.

• Вісь X (незалежна змінна) — зазвичай це фактор, який, за гіпотезою, впливає на результат: витрати на рекламу, стаж працівника, температура повітря.
• Вісь Y (залежна змінна) — результат, який ми вимірюємо: продажі, зарплата, кількість опадів.
• Крапки — окремі спостереження. Їхня щільність і форма хмари розповідають про силу зв’язку.
• Лінія тренду — додаткова лінія, що узагальнює напрямок залежності. Вона не обов’язкова, але допомагає побачити тенденцію там, де крапок багато.

Є й розширені варіанти. Розмір крапки може кодувати третю змінну — так scatter plot перетворюється на бульбашкову діаграму, де, наприклад, кожна країна позначена крапкою за доходом і тривалістю життя, а розмір бульбашки відповідає населенню. Колір крапок часто використовують для поділу на групи: на одному графіку можна показати окремо чоловіків і жінок, різні регіони або категорії товарів.

Які зв’язки можна побачити на scatter plot

Головна цінність діаграми — у формі хмари крапок. Саме вона вказує на тип кореляції, тобто статистичного зв’язку між змінними.

Позитивна кореляція

Крапки тягнуться знизу зліва нагору вправо: чим більше X, тим більше Y. Класичні приклади — залежність зросту дитини від віку, витрат на рекламу від охоплення аудиторії або ціни квартири від її площі. Якщо крапки щільно притиснуті до уявної лінії, зв’язок сильний; якщо хмара широка і розмита — слабкий.

Негативна кореляція

Хмара спускається зверху зліва вниз управо: зростання однієї величини супроводжується зменшенням іншої. Так виглядає залежність ціни товару від кількості проданих одиниць або швидкості автомобіля від часу гальмування.

Відсутність зв’язку

Якщо крапки розкидані хаотично, без будь-якого нахилу, статистичного зв’язку між змінними немає. Це теж корисний висновок: він рятує від хибних гіпотез. Наприклад, якщо на графіку «зріст співробітника — продуктивність» крапки утворюють безладну круглу хмару, шукати закономірність у цих двох величинах безглуздо.

Нелінійні залежності

Іноді крапки утворюють криву: дугу, U-подібну форму або насичення, коли після певного порогу зростання X вже майже не змінює Y. Так виглядає, приміром, залежність задоволення від навчання — після певної кількості годин ефект вичерпується. Пряма лінія тренду тут буде оманливою, і це важливо помітити.

Scatter plot на практиці: приклади з різних сфер

Найпростіше зрозуміти, як працює діаграма, через конкретні сценарії. Нижче — типові задачі, де scatter plot дає відповідь швидше за будь-яку таблицю.

Рейтинги та порівняння товарів

У рейтингах смартфонів чи ноутбуків кожну модель можна позначити крапкою: по осі X — ціна, по осі Y — середня оцінка за оглядами. Такий графік одразу показує «вдалі» моделі — ті, що високо над загальною тенденцією, тобто пропонують якість вище очікуваної за свою ціну. Це набагато інформативніше за звичайний список від першого до десятого місця, бо видно не лише порядок, а й співвідношення ціни та цінності.

Маркетинг і продажі

Аналітик відкладає по осі X бюджет рекламної кампанії, по осі Y — кількість угод, а кожна крапка — окремий місяць або регіон. Якщо хмара явно тягнеться вгору, гіпотеза про ефективність реклами отримує першу візуальну підтримку. Якщо ж крапки розкидані, варто шукати інші фактори впливу на продажі.

Освіта та HR

Кадровики використовують діаграму, щоб перевірити, чи пов’язані стаж і продуктивність, а викладачі — щоб побачити, як час підготовки корелює з результатами тесту. Важливо, що scatter plot показує й винятки: окремі крапки далеко від загальної хмари — це люди чи підрозділи, які працюють інакше за всіх, і вони заслуговують на окрему увагу.

Журналістика даних та інфографіка

В інфографіці scatter plot — робочий інструмент для тем, де порівнюють багато об’єктів за двома показниками: країни за ВВП і рівнем щастя, міста за цінами на житло й середніми зарплатами, футбольні клуби за трансферним бюджетом і набраними очками. Читач бачить і загальну закономірність, і кожен окремий випадок — цього не дає жоден усереднений рейтинг.

Як створити scatter plot: інструменти та кроки

Для побудови точкової діаграми не потрібні спеціальні програми — базовий функціонал є в будь-якому табличному редакторі. Алгоритм скрізь однаковий.

1. Підготуйте дані у двох колонках: перша — значення X, друга — відповідні значення Y. Кожен рядок має бути повним спостереженням без пропусків.
2. Виділіть обидві колонки та оберіть тип діаграми «Точкова» (scatter). Важливо не переплутати з лінійним графіком — зовні вони схожі, але лінійний прив’язаний до порядку рядків, а не до числових значень.
3. Підпишіть осі з одиницями виміру. Графік без підписів осей не можна інтерпретувати однозначно.
4. За потреби додайте лінію тренду та перевірте масштаб: вісь, що починається не з нуля, може візуально перебільшити різницю.

З практичних інструментів найчастіше використовують Microsoft Excel і Google Sheets — там точкова діаграма будується в кілька кліків. Для аналізу більших масивів даних аналітики звертаються до Python (бібліотеки matplotlib, seaborn), R або BI-систем на кшталт Power BI та Tableau, де scatter plot можна зробити інтерактивним: з фільтрами, підказками при наведенні та кодуванням додаткових змінних кольором і розміром.

Типові помилки при роботі з діаграмою розсіювання

Незважаючи на простоту, scatter plot легко прочитати неправильно. Ось помилки, які трапляються найчастіше.

Плутати кореляцію з причинністю. Це головне застереження. Навіть ідеальна залежність на графіку не доводить, що одна змінна спричиняє іншу. Класичний приклад — продажі морозива й кількість сонячних опіків зростають разом, але причина обох — третій фактор, спекотна погода. Діаграма показує зв’язок, а його пояснення потребує окремого дослідження.

Ігнорувати викиди. Одинична крапка далеко від хмари може суттєво змінити нахил лінії тренду. Спочатку варто перевірити, чи це помилка введення даних, а вже потім — чи є це реальний аномальний випадок, який сам по собі цікавий для аналізу.

Малювати на малій вибірці. П’ять-сім крапок можуть випадково скластися в красивий нахил, який не має жодного статистичного змісту. Чим більше спостережень, тим надійніші висновки.

Накладення крапок. Коли спостережень тисячі, крапки перекривають одна одну, і щільність даних стає невидимою. У таких випадках зменшують розмір маркерів, роблять їх напівпрозорими або переходять до теплових карт щільності.

Маніпуляція масштабом. Обрізана вісь або нерівномірні інтервали здатні «намалювати» тренд, якого в даних немає. Перш ніж довіряти чужому графіку, завжди дивіться на шкали обох осей.

Коли scatter plot не підходить

Діаграма розсіювання працює лише з парами числових змінних. Якщо треба порівняти категорії — наприклад, продажі за п’ятьма містами, — правильний вибір це стовпчикова діаграма. Для зміни показника в часі краще підходить лінійний графік, а для структури цілого — кругова або складена стовпчикова. Спроба показати на scatter plot дані з категоріальною віссю або тривіальну залежність виду «сума частин від цілого» лише заплутає читача.

Також варто пам’ятати, що з двома змінними діаграма показує лише їхню парну взаємодію. Реальні процеси зазвичай залежать від багатьох факторів одночасно, тому scatter plot — це перший крок аналізу, а не остаточний доказ.

Часті запитання про scatter plot

Чим scatter plot відрізняється від лінійного графіка?

Лінійний графік з’єднує точки в певному порядку — зазвичай за часом — і показує динаміку однієї величини. Scatter plot не з’єднує крапки і показує співвідношення двох незалежних числових змінних. Порядок рядків у таблиці для нього не важливий.

Скільки даних потрібно для точкової діаграми?

Формально достатньо кількох пар значень, але для осмислених висновків про зв’язок бажано мати щонайменше кілька десятків спостережень. На дуже малих вибірках випадковий візерунок легко прийняти за тренд.

Що означає лінія тренду на графіку?

Це узагальнена лінія, побудована математичним методом (найчастіше методом найменших квадратів), яка показує середній напрямок залежності. Вона не проходить через кожну крапку, а мінімізує сумарне відхилення від усіх крапок.

Чи можна використовувати scatter plot для категорій?

Обидві осі мають бути числовими. Але категорії можна додати через колір або форму маркерів — тоді на одному графіку видно кілька груп і можна порівняти, чи однаковий у них характер залежності.

Як швидко оцінити scatter plot: короткий чекліст

Перед тим як робити висновки з будь-якої діаграми розсіювання — своєї чи з чужої інфографіки, — пройдіться за кількома пунктами. Перевірте, чи підписані обидві осі та чи починаються шкали з логічних значень. Оцініть форму хмари: напрямок, щільність, можливу кривизну. Знайдіть викиди та запитайте, звідки вони взялися. Порахуйте приблизну кількість крапок, щоб зрозуміти надійність картини. І нарешті — поставте головне питання: чи є правдоподібне пояснення зв’язку, чи за ним може стояти третій, прихований фактор. Ці п’ять кроків займають менше хвилини, але захищають від більшості помилкових інтерпретацій, які трапляються при роботі з даними.