ฉันกำลังสร้างกราฟเพื่อแสดงแนวโน้มอัตราการตาย (ต่อ 1,000 ppl.) ในประเทศต่าง ๆ และเรื่องราวที่ควรได้จากพล็อตคือประเทศเยอรมนี (เส้นสีฟ้าอ่อน) เป็นสิ่งเดียวที่แนวโน้มเพิ่มขึ้นหลังปี 1932 นี่คือ ลอง (พื้นฐาน) ครั้งแรกของฉัน

ในความคิดของฉันกราฟนี้แสดงสิ่งที่เราต้องการบอก แต่มันไม่ง่ายอย่างยิ่ง คุณมีข้อเสนอแนะใด ๆ ที่จะทำให้ชัดเจนว่ามีความแตกต่างระหว่างแนวโน้มหรือไม่ ฉันกำลังคิดที่จะวางแผนอัตราการเติบโต แต่ฉันพยายามแล้วก็ไม่ได้ดีกว่านี้

ข้อมูลมีดังต่อไปนี้

year     de     fr      be       nl     den      ch     aut     cz       pl
1927    10.9    16.5    13      10.2    11.6    12.4    15      16      17.3
1928    11.2    16.4    12.8    9.6     11      12      14.5    15.1    16.4
1929    11.4    17.9    14.4    10.7    11.2    12.5    14.6    15.5    16.7
1930    10.4    15.6    12.8    9.1     10.8    11.6    13.5    14.2    15.6
1931    10.4    16.2    12.7    9.6     11.4    12.1    14      14.4    15.5
1932    10.2    15.8    12.7    9       11      12.2    13.9    14.1    15
1933    10.8    15.8    12.7    8.8     10.6    11.4    13.2    13.7    14.2
1934    10.6    15.1    11.7    8.4     10.4    11.3    12.7    13.2    14.4
1935    11.4    15.7    12.3    8.7     11.1    12.1    13.7    13.5    14
1936    11.7    15.3    12.2    8.7     11      11.4    13.2    13.3    14.2
1937    11.5    15      12.5    8.8     10.8    11.3    13.3    13.3    14

บางครั้งก็น้อยมาก ด้วยรายละเอียดน้อยลงเกี่ยวกับรูปแบบที่แตกต่างกันในแต่ละปีและความแตกต่างของประเทศคุณสามารถให้ข้อมูลเพิ่มเติมเกี่ยวกับแนวโน้ม เนื่องจากประเทศอื่น ๆ ส่วนใหญ่จะเคลื่อนไหวด้วยกันคุณจะได้รับโดยไม่ต้องแยกสี

ในการใช้งานที่ราบรื่นยิ่งขึ้นคุณต้องให้ผู้อ่านเชื่อมั่นว่าคุณไม่ได้ปรับรูปแบบที่น่าสนใจให้ราบรื่น

อัปเดตหลังจากได้รับคำขอรหัสสองสามรายการ :

ฉันทำสิ่งนี้ในตัวสร้างกราฟเชิงโต้ตอบของJMP สคริปต์ JMP คือ:

Graph Builder(
Size( 528, 456 ), Show Control Panel( 0 ), Show Legend( 0 ),
// variable role assignments:
Variables( X( :year ), Y( :Deaths ), Overlay( :Country ) ),
// spline smoother:
Elements( Smoother( X, Y, Legend( 3 ) ) ),
// customizations:
SendToReport(
    // x scale, leaving room for annotations
    Dispatch( {},"year",ScaleBox,
        {Min( 1926.5 ), Max( 1937.9 ), Inc( 2 ), Minor Ticks( 1 )}
    ),
    // customize colors and DE line width
    Dispatch( {}, "400", ScaleBox, {Legend Model( 3,
        Properties( 0, {Line Color( "gray" )}, Item ID( "aut", 1 ) ),
        Properties( 1, {Line Color( "gray" )}, Item ID( "be", 1 ) ),
        Properties( 2, {Line Color( "gray" )}, Item ID( "ch", 1 ) ),
        Properties( 3, {Line Color( "gray" )}, Item ID( "cz", 1 ) ),
        Properties( 4, {Line Color( "gray" )}, Item ID( "den", 1 ) ),
        Properties( 5, {Line Color( "gray" )}, Item ID( "fr", 1 ) ),
        Properties( 6, {Line Color( "gray" )}, Item ID( "nl", 1 ) ),
        Properties( 7, {Line Color( "gray" )}, Item ID( "pl", 1 ) ),
        Properties( 8, {Line Color("dark red"), Line Width( 3 )}, Item ID( "de", 1 ))
    )}),
    // add line annotations (omitted)

));

มีคำตอบที่ดีอยู่ที่นี่ ฉันขอพาคุณไปที่คำพูดของคุณที่คุณต้องการแสดงให้เห็นว่าแนวโน้มของเยอรมนีนั้นแตกต่างจากที่เหลือ ระดับกับการเปลี่ยนแปลงเป็นความแตกต่างทางเศรษฐศาสตร์ ข้อมูลของคุณอยู่ในระดับแต่คำถามของคุณตามที่ระบุไว้แสวงหาการเปลี่ยนแปลง วิธีที่จะทำคือการตั้งค่าระดับการอ้างอิง (ที่นี่ 1932) เป็น1จากตรงนั้นแต่ละปีติดต่อกันจะเป็นเพียงเสี้ยวหนึ่งของปีก่อนหน้า (เป็นเรื่องปกติที่จะต้องใช้บันทึกเพื่อทำการเปลี่ยนแปลงที่มีเสถียรภาพและสมมาตรมากขึ้นซึ่งจะเปลี่ยนความหมายของตัวเลขที่แน่นอนถ้าคุณต้องการให้ใครสักคนได้รับสิ่งนั้นจากพล็อต แต่โดยปกติแล้วสำหรับคนประเภทนี้ สามารถดูรูปแบบได้) จากนั้นคุณจะได้รับผลรวมสะสมสำหรับแต่ละชุดและคูณด้วย100 $1$$100$โดยการประชุม นั่นคือสิ่งที่คุณวางแผน กรณีของคุณเป็นเรื่องธรรมดาเล็กน้อยที่จุดอ้างอิงของคุณอยู่ตรงกลางซีรีย์ของคุณดังนั้นฉันวิ่งไปทั้งสองทิศทางจากปี 1932 ด้านล่างเป็นตัวอย่างง่ายๆที่เขียนไว้ใน R (จะมีหลายวิธีในการสร้างโค้ดและ พล็อตดีกว่า แต่ควรแสดงความคิดตรงไปตรงมา) ฉันทำบรรทัดสำหรับเยอรมนีหนาแตกต่างในตำนานและผมเพิ่มเส้นอ้างอิงที่100เป็นเรื่องง่ายที่จะเห็นว่าเยอรมนีโดดเด่นกว่าที่อื่น คุณสามารถเห็นได้ว่าประเทศอื่น ๆ ทั้งหมดจบลงด้วยอัตราที่ต่ำกว่าที่ 2480 กว่า 2475 และการเปลี่ยนแปลงในแต่ละปีมีความผันผวนน้อยกว่าในปี 2475 หลังจากปีกว่าในปีที่ผ่านมา $100$

d = read.table(text="
year     de     fr      be       nl     den      ch     aut     cz       pl
1927    10.9    16.5    13      10.2    11.6    12.4    15      16      17.3
...
1937    11.5    15      12.5    8.8     10.8    11.3    13.3    13.3    14",
header=T)

d2          = d  # we'll end up needing both
d2[6,2:10]  = 1  # set 1932 as 1
for(j in 2:10){   
  for(i in 7:11){
      # changes moving forward from 1932:
    d2[i,j] = log( d[i,j]/d[i-1,j] )
      # running sum moving forward from 1932:
    d2[i,j] = d2[i,j]+d2[i-1,j]
  }
  for(i in 5:1){
      # changes moving backward from 1932:
    d2[i,j] = log( d[i,j]/d[i+1,j] )
      # running sum moving forward from 1932:
    d2[i,j] = d2[i+1,j]+d2[i,j]
  }
}
d2[,2:10]   = d2[,2:10]*100  # multiply all values by 100

windows()  # plot of changes
  plot(1,1, xlim=c(1927,1937), ylim=c(82,118), xlab="Year", 
       ylab="Change from 1932", main="European death rates")
  abline(h=100, col="lightgray")
  for(j in 2:10){
    lines(1927:1937, d2[,j], col=rainbow(9)[j-1], lwd=ifelse(j==2,2,1))
  }
  legend("bottomleft", legend=colnames(d2)[2:10], lwd=c(2,rep(1,8)), lty=1, 
         col=rainbow(9), ncol=2)

windows()  # plot of levels
  plot(1,1, xlim=c(1927,1937), ylim=c(8,18.4), xlab="Year", 
       ylab="Deaths per thousand", main="European death rates")
  abline(h=d[6,2:10], col="gray90")
  points(rep(1932,9), d[6,2:10], col=rainbow(9), pch=16)
  for(j in 2:10){
    lines(1927:1937, d[,j], col=rainbow(9)[j-1], lwd=ifelse(j==2,2,1))
  }
  legend("topright", legend=colnames(d)[2:10], lwd=c(2,rep(1,8)), lty=1, 
         col=rainbow(9), ncol=2)

ในทางตรงกันข้ามด้านล่างเป็นพล็อตข้อมูลที่สอดคล้องกันในระดับ ถึงกระนั้นฉันก็พยายามทำให้มันเป็นไปได้ที่จะเห็นว่าประเทศเยอรมนีโดดเดี่ยวมากขึ้นหลังจากปี 1932 ในสองวิธี: ฉันวางจุดที่โดดเด่นในแต่ละชุดในปี 1932 และวาดเส้นสีเทาจาง ๆ ลงบนพื้นในระดับนั้น

มีแนวคิดที่ดีมากมายที่นี่ในคำตอบอื่น ๆ แต่พวกเขาไม่ได้แก้ปัญหาที่ดีที่เป็นไปได้ กราฟแรกในคำตอบนี้นำมาซึ่งระดับการตายที่แตกต่างกันสามารถพูดคุยและอธิบายแยกกันได้ ในการอนุญาตให้แต่ละซีรี่ส์เติมเต็มพื้นที่ว่างมันเน้นความสนใจของผู้อ่านเกี่ยวกับรูปแบบของการเปลี่ยนแปลงสัมพัทธ์

เรียงตามตัวอักษรของประเทศนั้นมักจะเป็นค่าเริ่มต้นที่ไม่ได้ผลและไม่ได้ยืนยันที่นี่ โชคดีและโชคดีที่เยอรมนีอยู่ในใจกลางของจอแสดงผล 3 x 3 คำบรรยายง่ายๆ - ดู! รูปแบบของเยอรมนีนั้นโดดเด่นด้วยการปรับตัวเพิ่มขึ้นในปี 1932 - เป็นไปได้และเป็นไปได้

โชคดีที่โชคดีที่มี 9 ประเทศที่เพียงพอที่จะพิสูจน์ความพยายามในการแยกแผง แต่ไม่มากเกินกว่าที่จะทำให้การออกแบบนั้นทำไม่ได้ (ด้วยการพูดว่า 30 และ 300 แผ่นแน่นอนอาจมีแผงที่จะสแกนมากเกินไป กลั่นกรอง).

เห็นได้ชัดว่ามีพื้นที่มากมายสำหรับชื่อประเทศที่สมบูรณ์กว่า (ในคำตอบอื่น ๆ ตำนานใช้พื้นที่ส่วนใหญ่ในขณะที่เหลือความลับอยู่เล็กน้อยในทางปฏิบัติผู้ที่สนใจในข้อมูลดังกล่าวจะพบว่าตัวย่อของประเทศนั้นง่ายต่อการถอดรหัส ปัญหาการรบกวนในการออกแบบกราฟิก)

รหัส Stata สำหรับบันทึก:

clear
input int year double(de fr be nl den ch aut cz pl)
1927 10.9 16.5   13 10.2 11.6 12.4   15   16 17.3
1928 11.2 16.4 12.8  9.6   11   12 14.5 15.1 16.4
1929 11.4 17.9 14.4 10.7 11.2 12.5 14.6 15.5 16.7
1930 10.4 15.6 12.8  9.1 10.8 11.6 13.5 14.2 15.6
1931 10.4 16.2 12.7  9.6 11.4 12.1   14 14.4 15.5
1932 10.2 15.8 12.7    9   11 12.2 13.9 14.1   15
1933 10.8 15.8 12.7  8.8 10.6 11.4 13.2 13.7 14.2
1934 10.6 15.1 11.7  8.4 10.4 11.3 12.7 13.2 14.4
1935 11.4 15.7 12.3  8.7 11.1 12.1 13.7 13.5   14
1936 11.7 15.3 12.2  8.7   11 11.4 13.2 13.3 14.2
1937 11.5   15 12.5  8.8 10.8 11.3 13.3 13.3   14
end

rename (de-pl) (death=)
reshape long death, i(year) j(country) string
set scheme s1color 
line death year, by(country, yrescale note("")) xtitle("") xla(1927(5)1937)

แก้ไข:

การเพิ่มประสิทธิภาพอย่างง่าย ๆ ของกราฟนี้ซึ่งแนะนำโดย Tim Morris คือการเน้นปีที่มีค่าสูงสุด:

egen max = max(death) , by(country)
replace max = max == death
twoway line death year || scatter death year if max, ms(O)  ///
by(country, yrescale note("") legend(off)) xtitle("") xla(1927(5)1937)  

แก้ไข 2 (แก้ไขเพื่อแสดงรหัสที่ง่ายขึ้น):

อีกทางเลือกหนึ่งการออกแบบต่อไปนี้จะแสดงแต่ละซีรีย์แยกจากกัน แต่ในแต่ละครั้งที่ซีรีย์อื่นเป็นฉากหลัง แนวคิดทั่วไปถูกกล่าวถึงภายในเธรดที่เกี่ยวข้องนี้

มีการสูญเสียรวมทั้งได้รับที่นี่ ในขณะที่แต่ละซีรีส์สามารถมองเห็นได้ง่ายขึ้นในบริบทของคนอื่น ๆ พื้นที่จะหายไปจากการทำซ้ำ

รหัส Stata สำหรับบันทึก:

(รหัสไปinput, reshape, renameดังกล่าวข้างต้นในคำตอบนี้)

* type "ssc inst fabplot" to install
fabplot line death year, by(country, compact note("countries highlighted in turn")) ///
ytitle("death rate, yearly deaths per 1000") yla(8(2)18, ang(h)) ///
xla(1927(5)1937, format(%tyY)) xtitle("") front(connected) 

fabplotจะต้องเข้าใจในฐานะที่เป็นfront หรือforndround and backdrop หรือbackground plot ไม่ใช่เสียงสะท้อนของคำสแลงปี 1960 สำหรับคำว่า "เหลือเชื่อ"

กราฟของคุณมีความสมเหตุสมผล แต่จะต้องมีการปรับแต่งบางอย่างรวมถึงชื่อป้ายชื่อแกนและป้ายชื่อประเทศที่สมบูรณ์ หากเป้าหมายของคุณคือการเน้นความจริงที่ว่าเยอรมนีเป็นประเทศเดียวที่มีอัตราการเสียชีวิตเพิ่มขึ้นตลอดระยะเวลาการสังเกตการณ์วิธีง่ายๆในการทำเช่นนี้ก็คือการเน้นบรรทัดนี้ในพล็อตโดยใช้เส้นหนา line-type หรือ alpha transparent คุณสามารถเพิ่มพล็อตอนุกรมเวลาของคุณด้วยบาร์พล็อตที่แสดงการเปลี่ยนแปลงของอัตราการตายเมื่อเวลาผ่านไปเพื่อลดความซับซ้อนของเส้นอนุกรมเวลาจะลดลงเป็นการวัดการเปลี่ยนแปลงเพียงครั้งเดียว

นี่คือวิธีที่คุณสามารถสร้างแปลงเหล่านี้โดยใช้ggplotในR:

library(tidyr);
library(dplyr);
library(ggplot2);

#Create data frame in wide format
DATA_WIDE <- data.frame(Year = 1927L:1937L,
                        DE   = c(10.9, 11.2, 11.4, 10.4, 10.4, 10.2, 10.8, 10.6, 11.4, 11.7, 11.5),
                        FR   = c(16.5, 16.4, 17.9, 15.6, 16.2, 15.8, 15.8, 15.1, 15.7, 15.3, 15.0),
                        BE   = c(13.0, 12.8, 14.4, 12.8, 12.7, 12.7, 12.7, 11.7, 12.3, 12.2, 12.5),
                        NL   = c(10.2,  9.6, 10.7,  9.1,  9.6,  9.0,  8.8,  8.4,  8.7,  8.7,  8.8),
                        DEN  = c(11.6, 11.0, 11.2, 10.8, 11.4, 11.0, 10.6, 10.4, 11.1, 11.0, 10.8),
                        CH   = c(12.4, 12.0, 12.5, 11.6, 12.1, 12.2, 11.4, 11.3, 12.1, 11.4, 11.3),
                        AUT  = c(15.0, 14.5, 14.6, 13.5, 14.0, 13.9, 13.2, 12.7, 13.7, 13.2, 13.3),
                        CZ   = c(16.0, 15.1, 15.5, 14.2, 14.4, 14.1, 13.7, 13.3, 13.5, 13.3, 13.3),
                        PL   = c(17.3, 16.4, 16.7, 15.6, 15.5, 15.0, 14.2, 14.4, 14.0, 14.2, 14.0));

#Convert data to long format
DATA_LONG <- DATA_WIDE %>% gather(Country, Measurement, DE:PL);

#Set line-types and sizes for plot
#Germany (DE) is the fifth country in the plot
LINETYPE <- c("dashed", "dashed", "dashed", "dashed", "solid", "dashed", "dashed", "dashed", "dashed");
SIZE     <- c(1, 1, 1, 1, 2, 1, 1, 1, 1);

#Create time-series plot
theme_set(theme_bw());
PLOT1 <- ggplot(DATA_LONG, aes(x = Year, y = Measurement, colour = Country)) + 
         geom_line(aes(size = Country, linetype = Country)) +
         scale_size_manual(values = SIZE) +
         scale_linetype_manual(values = LINETYPE) +
         scale_x_continuous(breaks = 1927:1937) +
         scale_y_continuous(limits = c(0, 20)) +
         labs(title = "Annual Time Series Plot: Death Rates over Time", 
              subtitle = "Only Germany (DE) trends upward from 1927-37") +
         xlab("Year") + ylab("Crude Death Rate\n(per 1,000 population)");


#Create new data frame for differences
DATA_DIFF <- data.frame(Country = c("DE", "FR", "BE", "NL", "DEN", "CH", "AUT", "CZ", "PL"),
                        Change  = as.numeric(DATA_WIDE[11, 2:10] - DATA_WIDE[1, 2:10]));

#Create bar plot
PLOT2 <- ggplot(DATA_DIFF, aes(x = reorder(Country, - Change), y = Change, colour = Country, fill = Country)) + 
         geom_bar(stat = "identity") +
         labs(title = "Bar  Plot: Change in Death Rates from 1927-37", 
              subtitle = "Only Germany (DE) shows an increase in death rate") +
         xlab(NULL) + ylab("Change in crude Death Rate\n(per 1,000 population)");

สิ่งนี้นำไปสู่การแปลงต่อไปนี้:

หมายเหตุ:ฉันทราบว่า OP มีวัตถุประสงค์เพื่อเน้นการเปลี่ยนแปลงของอัตราการเสียชีวิตตั้งแต่ปี 1932 เมื่อแนวโน้มในเยอรมนีเริ่มขึ้น ดูเหมือนว่าฉันจะชอบเก็บเชอร์รี่และฉันคิดว่ามันน่าสงสัยเมื่อเลือกช่วงเวลาเพื่อให้ได้เทรนด์ที่เฉพาะเจาะจง ด้วยเหตุนี้ฉันได้ดูช่วงเวลาในช่วงข้อมูลทั้งหมดซึ่งเป็นการเปรียบเทียบที่แตกต่างกับ OP

แม้ว่าวัตถุประสงค์ที่ระบุไว้คือการแสดงการเปลี่ยนแปลง แต่คุณต้องการแสดงซีรีส์เวลารายปีตามประเทศด้วย นั่นแสดงให้เห็นว่าไม่ได้ทำซ้ำกราฟิกอย่างสมบูรณ์ แต่เพียงแค่ปรับเปลี่ยน

เนื่องจากการเปลี่ยนแปลงเกี่ยวข้องกับสิ่งที่เกิดขึ้นจากหนึ่งปีถึงปีถัดไปคุณอาจพิจารณาแสดงการเปลี่ยนแปลงด้วยสัญลักษณ์กราฟิกที่ขยายปีต่อเนื่องนั่นคือส่วนของเส้นที่เชื่อมต่อจุดข้อมูลในพล็อต

เนื่องจากสีมีประโยชน์มากสำหรับประเทศที่แตกต่างและไม่ดีเท่าที่ระบุตัวแปรเชิงปริมาณซึ่งทำให้เรามีเพียงสองลักษณะอื่น ๆ ที่สามารถเปลี่ยนแปลงได้เพื่อระบุการเปลี่ยนแปลง: สไตล์และความหนาของกลุ่ม เนื่องจากวิทยานิพนธ์ของคุณเกี่ยวข้องกับการเปลี่ยนแปลงในเชิงบวกคุณจะต้องสร้างเซกเมนต์เส้นเพื่อเพิ่มความโดดเด่นมากขึ้น: สไตล์ของพวกเขาควรจะต่อเนื่องและหนาขึ้น

ในที่สุดวิทยานิพนธ์ของคุณเกี่ยวข้องกับข้อมูลหลังจากปี 1932 เราจะต้องการเน้นองค์ประกอบเหล่านั้นของกราฟิกที่เกี่ยวข้องกับคนอื่น ๆ ที่สามารถทำได้โดยการทำให้สีอิ่มตัว

การแก้ปัญหานี้ทันทีให้ข้อมูลเชิงลึกที่ไม่ปรากฏในต้นฉบับ

• ไม่มีประเทศใดที่มีอัตราการตายเพิ่มขึ้นทุกปีหลังจากปี 1932 ประเทศใด ๆ ก็จะปรากฏเป็นเส้นทึบต่อเนื่อง แต่ไม่มีเส้นดังกล่าวปรากฏขึ้น

• การเปลี่ยนแปลงส่วนใหญ่น่าจะมาจากปัจจัยร่วมกันของทุกประเทศ สิ่งนี้ปรากฏในความคล้ายคลึงกันของลักษณะเส้นและความหนาภายในคอลัมน์แนวตั้ง ตัวอย่างเช่นในช่วงระยะเวลา 1934-35 อัตราการตายเพิ่มขึ้นในเกือบทุกประเทศที่ในปี 1933-34 พวกเขาลดลงในเกือบทุกประเทศ

• เยอรมนีเป็นเรื่องผิดปกติเมื่อพบว่ามีอัตราการเสียชีวิตเพิ่มขึ้นอย่างมากในปี 1932-33 และเพิ่มขึ้นเล็กน้อยในปี 1935-36

เหล่านี้ขอแนะนำให้ดำเนินการตรวจสอบข้อเท็จจริงสองทางที่แข็งแกร่งของการเปลี่ยนแปลงในอัตราการเสียชีวิตเมื่อเทียบกับประเทศโดยอาจขัดเฉลี่ยในการสั่งซื้อที่จะเจาะมากขึ้นลึกลงไปในญาติประสิทธิภาพของประเทศในยุโรปในช่วงเวลานี้

หากคุณต้องการเน้นเฉพาะความแตกต่างระหว่าง 2480 และ 2475 เทคนิคที่คล้ายกันสามารถใช้เป็นสัญลักษณ์ส่วนของเส้นทางระหว่างวันที่เหล่านั้น ประเทศเยอรมนีจะโดดเด่น:

Slopegraphs

วิธีหนึ่งที่คุณสามารถนำเสนอข้อมูลของคุณได้คือการใช้ slopegraph ซึ่งเป็นสิ่งที่ดีสำหรับการเปรียบเทียบการเปลี่ยนแปลงหรือการไล่ระดับสี (บางลิงก์: 1 2 )

ด้านล่างนี้คือ

• ทางด้านซ้ายเป็นตัวอย่างของ slopegraph ที่แสดงให้เห็นว่ากรณีของคุณเป็นเช่นไร

• ตรงกลางมี slopegraph ที่ซับซ้อนยิ่งขึ้นซึ่งแสดงให้เห็นว่าปี 1932

• ด้านขวาเป็นรูปแบบต่าง ๆ ของ slopegraph มีเส้นแบบประกายไฟมากขึ้นซึ่งข้อมูลทั้งหมดจะถูกแสดง (หมายถึงไม่มีเส้นตรง)

ฉันไม่แน่ใจว่าอันไหนดีที่สุด ตัวเลือกที่สาม / ขวาให้ความคิดที่แข็งแกร่งเกี่ยวกับรูปแบบที่แตกต่างกันไปในแต่ละปี (และตัวอย่างเช่นมันกลายเป็นชัดเจนมากขึ้นว่า Danmark vs เยอรมนีไม่ได้ดูแตกต่างกันและมันจะขึ้นและลงมากขึ้นทุกปี) ก็จะเสียสมาธิ (โดยเฉพาะอย่างยิ่งยอด 2472) ดังนั้นสิ่งที่ดีกว่าขึ้นอยู่กับสิ่งที่คุณต้องการสื่อด้วยกราฟและรายละเอียดที่เรื่องราวของคุณต้องการ (เช่นช่วงประมาณปี 1932 กับรัฐบาลต่าง ๆ ซึ่งมีความชัดเจนมากขึ้นในตัวเลือกที่สอง / กลาง)

การเปลี่ยนแปลงของ slopegraph ทางด้านขวามีลักษณะเหมือนกับกราฟโดย Xan อย่างไรก็ตามนอกเหนือจากความแตกต่างโวหารมีความแตกต่างที่สำคัญอีกอย่างหนึ่งคือ ความกว้างและความสูงของตัวเลขถูกเลือกจนมุมของเส้นโค้งใกล้กับ 45 องศา ด้วยวิธีนี้ความแตกต่างมีความสำคัญมากกว่า (ฉันเชื่อว่าตัวอย่างที่ดีที่สุดคือตัวอย่างจากดวงอาทิตย์เอ็ดเวิร์ด Tufte )

บริบทเพิ่มเติม

หากคุณต้องการเพิ่มความซับซ้อนมากกว่า slopegraph อย่างง่ายฉันเชื่อว่ามันจะเป็นการดีกว่าที่จะแสดงข้อมูลเพิ่มเติมนอกช่วง 1927-1937 มากกว่าในช่วง (ตัวอย่างอีกครั้งโดย Tufte จากหน้า 74-75 ในการแสดงภาพข้อมูลเชิงปริมาณที่คุณสามารถเข้าถึงได้ผ่านทางหน้านี้ในกระดานข่าวบนเว็บไซต์ของเขา)

ตัวอย่างด้านล่างแสดงข้อมูลสำหรับปี 1900-2000 (ไม่รวมโปแลนด์ซึ่งมีข้อมูลที่เป็นบิตยาก) สกัดจากวิกิพีเดีย (เช่นหน้านี้สาธารณรัฐเช็ก ) และวิตเซอร์แลนด์และเนเธอร์แลนด์สำนักงานของพวกเขาสถิติแห่งชาติ ( BFSและStatline )

^{(ข้อมูลแตกต่างจากของคุณเล็กน้อย แต่เหมือนกับบทความ "Autarchy, การล่มสลายของตลาดและสุขภาพ: การตายและวิกฤตโภชนาการใน Nazi Germany, 1933-1937" โดยJörg Baten และ Andrea Wagner บทความนี้น่าสนใจ อ่านเพราะพวกเขาให้ข้อมูลมากกว่าอัตราการตายอย่างหยาบ ๆ ถึงแม้ว่าพวกเขาจะ จำกัด ตัวเองเป็นช่วงเวลาเล็ก ๆ ที่น่าสนใจโดยเฉพาะอย่างยิ่งที่น่าสนใจคืออัตราการตายที่เพิ่มขึ้นจาก 2475 ถึง 2480 ส่วนใหญ่อยู่ในเมืองแถบจากแฟรงค์เฟิร์ต และฮัมบูร์ก)}

ฉันเชื่อว่ากราฟนี้มีความสำคัญเพราะมันแสดงให้เห็นว่าเยอรมนีได้ลดลงอย่างมากก่อนที่จะเพิ่มขึ้นหลังจากปี 1932 แข็งแกร่งกว่าประเทศอื่น ๆ ดังนั้นคุณสามารถตีความได้ทั้งเชิงลบและบวก อัตราการตายของเยอรมนีเพิ่มขึ้นมากกว่าประเทศอื่น ๆ ระหว่างปี 1932-1937 แต่นี่เป็น (1) เพิ่มขึ้นจากยอดเขาที่ต่ำหรือ (2) เพิ่มขึ้นสู่ยอดเขาสูงหรือไม่? สิ่งที่น่าสนใจในเรื่องนี้คือระดับ 2475 จาก 10.8 เป็นระดับที่ต่ำมากสำหรับเยอรมนี (ณ จุดนี้มีเพียงเนเธอร์แลนด์เท่านั้นที่มีอัตราการตายต่ำกว่า) นี่ไม่เพียง แต่เป็นระดับต่ำสุดสำหรับปีจนถึงปี 1937 เท่านั้น แต่ยังใช้เวลาจนถึงปี 1995 ก่อนที่จะถึงระดับ 10.8 อีกครั้ง

^{อีกประเด็นหนึ่งที่เกี่ยวข้องกับสุขภาพ (ถ้านี่คือบริบทของคุณ) มันอาจจะดีกว่าที่จะเปรียบเทียบอายุขัยองค์ประกอบทางประชากรของประชากรมีอิทธิพลต่ออัตราการตายซึ่งเป็นอิสระจากการเปลี่ยนแปลงของสถานการณ์สุขภาพ}

บริบทเพิ่มเติมเล็กน้อยน้อย

กราฟด้านบนแสดงยอดรวม แต่อาจ overkill สำหรับจุดประสงค์ส่วนใหญ่ (ยกเว้นในโพสต์นี้ที่ฉันต้องการแสดงประวัติทั้งหมดและมันมีไว้สำหรับจุดประสงค์เพื่อการสำรวจ) กราฟด้านล่างเป็นอีกทางเลือกที่ฉันเชื่อว่ายังคงดี

ขึ้นอยู่กับผู้ชม แต่ฉันจะทำให้สิ่งต่าง ๆ ง่ายขึ้น:

จากนั้นสะกดมันออกมาในคำบรรยายภาพเช่น

จากปี 1932-37 ปีอัตราการเสียชีวิตเพิ่มขึ้นในประเทศเยอรมนีในขณะที่มันลดลงโดยรวมทั่วยุโรปกลาง (ฝรั่งเศส, เบลเยียม, เนเธอร์แลนด์, เดนมาร์ก, ออสเตรีย, สาธารณรัฐเช็ก, โปแลนด์)

(BTW ch vs. cz คืออะไรฉันอยู่ประเทศไหนหายไป?)

แน่นอนว่าคุณจะต้องประเมินน้ำหนักdeath rateประชากรโดยประมาณเมื่อ 'รวม' กับ 'ผู้อื่น' แต่ฉันแน่ใจว่าข้อมูลนี้พร้อมให้คุณใช้งาน

Update 6/9/18: แน่นอนว่าเป็นร่างของ 'ของเล่น' และไม่ได้มาจากข้อมูล แนวคิดคือการจัดทำร่างคร่าวๆของแบบฟอร์มที่กราฟควรใช้

$O_y$$O$$i=1...8$$8 \times$

หรือดีกว่าถ้าคุณมีข้อมูลประชากร สำหรับแต่ละปี:

ทั้งนี้ขึ้นอยู่กับผู้อ่าน (เช่นนักระบาดวิทยากับนักประวัติศาสตร์) ค่าเบี่ยงเบนมาตรฐานหรือข้อผิดพลาดมาตรฐานอาจถูกเพิ่มลงไปในส่วนหลังแม้ว่าฉันคิดว่านี่จะทำให้เสียรูปลักษณ์ที่เรียบง่ายของพล็อต

หากคุณต้องการเน้นการเปลี่ยนแปลงบางทีอาจคำนวณและแสดงว่า การใช้แผนที่ความร้อนเพื่อแสดงการเปลี่ยนแปลงนั้นมีประโยชน์เนื่องจากจะช่วยให้สามารถทำการเปรียบเทียบได้โดยไม่เกิดปัญหามากเกินไปและหลีกเลี่ยงปัญหาการแก้ไขที่มาจากกราฟเส้น

การใช้ข้อมูลของคุณเช่นเดียวกับdใน R:

library(tidyverse)
d2 <- data.frame(apply(d[-1],2,diff))
d2$year <- d$year[-1]
d2 %>% gather(key="country",value=deathrate,-year) %>% 
   ggplot(aes(x=factor(year),y=country,fill=deathrate)) + 
   geom_tile() + 
   scale_fill_gradient2("\u0394 deathrate")

โปรดทราบว่าขณะนี้ข้อมูลมีการเปลี่ยนแปลงจากปีก่อน คุณจะเห็นว่าเยอรมนีมีกลุ่มของ blues (เพิ่มขึ้นในอัตราตาย) หลังจาก 1932 ที่ประเทศอื่นไม่มี คุณสามารถเห็นได้ว่าระหว่างปีพ. ศ. 2477 และ 2478 ทุกประเทศยกเว้นโปแลนด์เห็นการเพิ่มขึ้นของอัตราการตาย แต่แนวโน้มการลดลงของเยอรมนีดูเหมือนจะอยู่ที่ 2475-2476 และ 2478-2479 (เช่นเดียวกับ 2470-2471)

หนึ่งในคุณสมบัติที่น่าสนใจคือความจริงที่ว่าสีมีความเข้มกว่าด้านซ้ายเมื่อเทียบกับด้านขวา ซึ่งหมายความว่าขนาดของการเปลี่ยนแปลงจะสูงขึ้นในช่วงเริ่มต้นของช่วงเวลาและปิดเสียงมากขึ้นในตอนท้าย

ฉันขอแนะนำให้จับคู่กับกราฟเส้นที่แสดงระดับด้วย

ที่นี่ฉันแสดงให้คุณเห็นความแตกต่างของลอการิทึมของอัตราส่วนการเสียชีวิตต่อผู้อยู่อาศัย 1,000 คนโดยคำนึงถึงปีก่อนหน้า (1927 จึงไม่ปรากฏขึ้น) ประเทศเยอรมนีจะแสดงเป็นสีแดงในขณะที่ค่าเฉลี่ยของประเทศอื่น ๆ จะแสดงเป็นเส้นสีดำหนา

เยอรมนีมีอัตราส่วนเพิ่มขึ้นใน 5 ใน 10 ปี หลังจากปี 1932 มันพูดมากกว่าค่าเฉลี่ยของประเทศอื่น ๆ (และส่วนใหญ่เป็นบวก) จนถึงปี 1937

แม้ว่าทำไมลอการิทึม เหตุผลนั้นง่าย: การเปลี่ยนจาก 2 เป็น 1 นั้นรุนแรงกว่าการเปลี่ยนจาก 1,000 เป็น 999 :)

รหัส:

x = read.table("clipboard", header = TRUE, dec = ".")
xl = log(x[-1])
xd = apply(xl, 2L, diff)

png("CVquestion.png")
plot(0,0, xlim = range(x[-1,1]), ylim = range(xd), type = "n", ylab = "", main = "Difference of the log(death rate per 1000 inhab.)", xlab = "year")
grid()
for (i in rev(seq(ncol(xl)))) lines(x[-1,1], xd[,i], type = "o", col = adjustcolor(ifelse(i == 1, 2, 1), 0.7), lwd = ifelse(i == 1, 2, 1), lty = ifelse(i == 1, 1, 2), pch = ifelse(i == 1,16,NA))
lines(x[-1,1], rowMeans(xd[,-1]), type = "o", col = adjustcolor(1, 0.7), lwd = 2, lty = 1, pch = 16)

text(x = 1937, y = rev(xd[10,]), label = rev(colnames(xd)), col = rev(c(2, rep(1,8))))
dev.off()

อีกหนึ่งเวอร์ชัน: อัตราส่วน (หมายถึงอัตราการตายจาก 1927 ถึงปีปัจจุบัน) / (อัตราตาย 1927)

ทำด้วยรหัส Mathematica

data = {
 {year,   de,   fr,   be,   nl,  den,   ch,  aut,   cz,   pl},
 {1927, 10.9, 16.5, 13.0, 10.2, 11.6, 12.4, 15.0, 16.0, 17.3},
 {1928, 11.2, 16.4, 12.8,  9.6, 11.0, 12.0, 14.5, 15.1, 16.4},
 {1929, 11.4, 17.9, 14.4, 10.7, 11.2, 12.5, 14.6, 15.5, 16.7},
 {1930, 10.4, 15.6, 12.8,  9.1, 10.8, 11.6, 13.5, 14.2, 15.6},
 {1931, 10.4, 16.2, 12.7,  9.6, 11.4, 12.1, 14.0, 14.4, 15.5},
 {1932, 10.2, 15.8, 12.7,  9.0, 11.0, 12.2, 13.9, 14.1, 15.0},
 {1933, 10.8, 15.8, 12.7,  8.8, 10.6, 11.4, 13.2, 13.7, 14.2},
 {1934, 10.6, 15.1, 11.7,  8.4, 10.4, 11.3, 12.7, 13.2, 14.4},
 {1935, 11.4, 15.7, 12.3,  8.7, 11.1, 12.1, 13.7, 13.5, 14.0},
 {1936, 11.7, 15.3, 12.2,  8.7, 11.0, 11.4, 13.2, 13.3, 14.2},
 {1937, 11.5, 15.0, 12.5,  8.8, 10.8, 11.3, 13.3, 13.3, 14.0}
}

ListPlot[
 Map[
  Table[{First[data[[k + 1]]], Mean[Take[#, k]]/First[#]}, {k, Length[#]}] &,
  Map[Rest, Rest[Transpose[data]]]
 ],
 Joined -> True,
 PlotRange -> All,
 Frame -> True,
 FrameTicks -> {Map[First, Rest[data]], Automatic},
 PlotLabels -> Rest[First[data]],
 AxesOrigin -> {First[First[Rest[data]]], 1} 
]

(ยอดในปี 1929 ดูเหมือนจะเกี่ยวข้องกับการระบาดใหญ่ของไข้หวัดที่เกิดขึ้นในช่วงเวลานั้น)