Mais Variáveis, várias formas

Tamanho do time x Quantidade relativa de testes

Aqui, colocamos o tamanho do time no eixo x e a quantidade relativa de testes no eixo y. Note que o tamanho dos pontos, representa a proporção de builds de sucesso.

data %>% 
  group_by(team, lang) %>% 
  summarize(tests_per_kloc = median(tests_per_kloc), build_success_prop = median(build_success_prop)) %>% 
  plot_ly(x = ~team, y = ~tests_per_kloc, type = "scatter",
          symbol = ~lang, symbols = c('x', 'circle'), marker = list(size = ~build_success_prop * 20))

## No scatter mode specifed:
##   Setting the mode to markers
##   Read more about this attribute -> https://plot.ly/r/reference/#scatter-mode

Aqui. o uso das diferentes formas aparenta facilitar a visualização das diferenças entre as linguagens, mas a cor também foi utilizada, e segundo a escala de eficácia dos canais, a cor é mais eficaz do que a forma.

Tamanho do time x Quantidade relativa de testes

Agora testaremos a visualização utilizando uma marca diferente, uma visualização que combina os pontos com linhas.

data %>% 
  group_by(team, lang) %>% 
  summarize(tests_per_kloc = median(tests_per_kloc), build_success_prop = median(build_success_prop)) %>% 
  plot_ly(x = ~team, y = ~tests_per_kloc, type = "scatter", mode = "line+markers", color = ~lang,
          marker = list(size = ~build_success_prop * 20))

## Warning in RColorBrewer::brewer.pal(N, "Set2"): minimal value for n is 3, returning requested palette with 3 different levels

## A line object has been specified, but lines is not in the mode
## Adding lines to the mode...
## A line object has been specified, but lines is not in the mode
## Adding lines to the mode...

Aqui o uso da linha facilita a compreensão da diferença nos tamanhos dos times das linguagens, pois a linha referente a linguagem Java é considerávelmente menor.

Tamanho do time x Quantidade relativa de testes

Nesta visualização, utilizaremos outra marca, as barras. Plotaremos o gráfico agora agrupando o eixo os times em partições menores, desta forma facilitamos a visualização das barras.

d1 <- data %>% 
  group_by(team, lang) %>% 
  summarize(tests_per_kloc = median(tests_per_kloc), build_success_prop = median(build_success_prop)) 

d1 %>% 
  plot_ly(x = ~cut(team, 5), y = ~tests_per_kloc, type = "bar", color = ~lang) %>% 
  add_trace(type = "scatter", mode = "line", y = ~team,
            name = "Tamanho do time", color = "red") %>% 
  layout(xaxis = list(title = "Grupos de tamanhos de times"),
         yaxis = list(title = "Proporção de testes"))

## A line object has been specified, but lines is not in the mode
## Adding lines to the mode...

As barras são ótimas para visualizar variáveis categóricas, entretanto podemos fazer uso de algumas técnicas para tratar variáveis numéricas como categóricas.

Quantidade relativa de testes x Proporção de builds bem sucedidas

Vamos alterar os eixos na próxima visualização.

p_data <- data %>% 
  group_by(tests_per_kloc, lang) %>% 
  summarize(team = median(team), build_success_prop = median(build_success_prop))

p1 <- p_data %>%
  filter(lang == "ruby") %>% 
  plot_ly(x = ~tests_per_kloc, y = ~build_success_prop, type = "scatter", mode = "markers",
          color = ~team, 
          marker = list(size = ~build_success_prop * 20), name = "Ruby") %>% 
  layout(xaxis = list(type = "log", title = "Testes por mil linhas de código"),
         yaxis = list(title = "Proporção de builds bem sucedidas"),
         legend = list(x = 0.9, y = 0.2))

p2 <- p_data %>% 
  filter(lang == "java") %>% 
  plot_ly(x = ~tests_per_kloc, y = ~build_success_prop, type = "scatter", mode = "markers", 
          color = ~team, 
          marker = list(size = ~build_success_prop * 20), name = "Java") %>% 
  layout(xaxis = list(type = "log", title = "Testes por mil linhas de código"),
         legend = list(x = 0.9, y = 0.2))

subplot(p1, p2, nrows = 2, titleX = TRUE)

Esta visualização faz uso de três canais muito úteis. A cor nos ajuda a compreender que a grande maior parte dos grupos é de poucos membros (roxo escuro).

Visualização mais eficaz

A última visualização, fez uso da cor, como canal que transmite de maneira eficaz a informação do tamanho do time, de fato, a cor é um canal mais eficaz do que outros canais para variáveis categóricas que experimentamos, como por exemplo a forma dos pontos. Outro canal utilizado foi a área, que para visualização de marcas em 2D, é um dos canais mais eficazes que pode ser utilizado.