Échelles logarithmiques, axes tronqués et autres façons dont un graphique peut induire en erreur

Ce que c'est

La documentation des échelles de Vega-Lite décrit une échelle logarithmique comme une échelle qui applique une transformation logarithmique à la valeur du domaine avant de la projeter sur des pixels, et la présente comme particulièrement utile pour des données variant sur plusieurs ordres de grandeur. Comme log(0) vaut moins l'infini, le domaine d'une échelle logarithmique doit être strictement positif ou strictement négatif ; le domaine ne doit ni inclure ni traverser zéro. Pour des données comportant des zéros ou des valeurs négatives, elle propose l'échelle logarithmique symétrique (symlog), décrite comme se comportant de manière similaire à une échelle logarithmique tout en prenant en charge les nombres non positifs. Les échelles intégrées de Matplotlib comprennent 'linear', 'log', 'symlog', 'logit' et 'asinh' ; son échelle symlog est logarithmique dans les deux directions à partir de l'origine et possède un paramètre linthresh qui définit la plage autour de zéro à l'intérieur de laquelle le tracé est linéaire. La propriété d'échelle zero de Vega-Lite, qui garantit qu'une ligne de base à zéro est incluse dans le domaine, vaut par défaut true pour les canaux quantitatifs x et y, sauf si le champ est regroupé (binned) ou qu'un domaine personnalisé est défini : le graphique par défaut conserve la ligne de base, et la retirer est un acte délibéré.

Pourquoi c'est important

Sur un axe logarithmique, un doublement se présente de la même façon, qu'il s'agisse de passer de 2 à 4 ou de 2 000 à 4 000, ce qui convient exactement pour les taux de croissance et les distributions de latence, et est exactement inapproprié lorsque le lectorat est censé percevoir un coût absolu. Sur un axe linéaire à ligne de base tronquée, une barre 2 % plus haute peut paraître deux fois plus haute. Le lectorat examine rarement les étiquettes des graduations, si bien que le choix de l'échelle constitue en soi le message.

Comment l'appliquer

• Utiliser un axe logarithmique lorsque ce sont les rapports qui comptent : histogrammes de latence, débit selon la taille des machines, croissance sur plusieurs années. L'indiquer dans le titre de l'axe et placer des lignes de grille à chaque décade.
• Garder les barres ancrées à zéro ; si la variation intéressante est une bande étroite proche d'une valeur élevée, utiliser des points ou des lignes et préciser que l'axe est zoomé.
• Utiliser une échelle symlog pour des effectifs qui incluent zéro ou pour des grandeurs signées ; documenter le seuil linéaire.
• Utiliser les mêmes plages d'axe pour des panneaux destinés à être comparés ; ne laisser l'outil choisir les plages que pour des graphiques autonomes.
• Éviter les doubles axes y ; deux séries sur des échelles différentes peuvent être amenées à se croiser n'importe où.
• Nommer la fenêtre de lissage de toute courbe moyennée, et placer le dénominateur à côté de tout pourcentage.

Pièges

Un point à zéro disparaît silencieusement d'un graphique logarithmique, si bien qu'une panne qui ramène le débit à rien s'efface. Des variations en pourcentage tracées sur un axe logarithmique cumulent les confusions. Les graphiques cumulatifs montent toujours et masquent un ralentissement. Des échelles de couleur avec un point médian non étiqueté suggèrent un seuil qui n'existe pas.