Зависимости и scatter-графики: вопросы для собеседования (часть 2)
Scatter plot показывает связь между двумя числовыми переменными — корреляцию, кластеры, выбросы. На собеседовании могут попросить визуализировать зависимость LTV от количества сессий или объяснить, как добавить третье измерение через цвет или размер точки. Scatter — незаменимый инструмент для exploratory data analysis.
Вопросы 6–10 из 20
6Какой график лучше всего подходит, чтобы показать связь между двумя числовыми переменными на уровне отдельных наблюдений (например, `price` и `quantity`)?
AСтолбчатая диаграмма со средними значениями `price` по категориям товаров с подписями для каждой категории на оси
BКруговая диаграмма с долями категорий заказов и подписями процентов рядом с каждым сегментом круга по выборке
CГистограмма распределения значений `price` с разбивкой по интервалам и подсчётом числа заказов в каждом из них
DДиаграмма рассеяния: каждый заказ становится точкой с координатами `price` и `quantity` на двух осях
Ответ: Для двух числовых переменных базовый выбор — диаграмма рассеяния, где каждое наблюдение — отдельная точка.
Диаграмма рассеяния показывает пары значений и позволяет увидеть форму связи, кластеры и выбросы. Столбчатая диаграмма со средними агрегирует данные и теряет информацию об отдельных наблюдениях. Круговая показывает доли, а не зависимости. Гистограмма работает с одной переменной и описывает её распределение, а не отношения между двумя величинами.
Подробный разбор → 7Вы построили диаграмму рассеяния по дневным точкам и хотите показать, как связь менялась со временем, не превращая график в линию. Что можно сделать?
AСлучайно перемешать порядок точек, чтобы временна́я последовательность вообще не считывалась с графика.
BЗакодировать время цветом (градиент) или соединить точки последовательно, чтобы сохранить порядок наблюдений.
CУбрать подписи дат и легенду, чтобы график выглядел чище и не отвлекал лишними деталями оформления.
DПрименить логарифмическую шкалу к обеим осям независимо от характера данных и распределения значений.
Ответ: Чтобы показать порядок, добавьте кодирование времени цветом или соедините точки линией.
Обычная диаграмма рассеяния теряет информацию о порядке наблюдений. Кодирование времени цветом или соединение точек линией помогает увидеть траекторию изменения и отличить ранние точки от поздних. Это сохраняет визуальную структуру разброса, но добавляет к ней направление и динамику.
Подробный разбор → 8На точечной диаграмме с сотнями тысяч точек всё сливается в сплошное пятно из-за наложения. Что сделать первым, чтобы увидеть структуру плотности?
AУвеличить размер маркеров, чтобы каждая точка на графике стала заметнее на фоне сплошного пятна
BСделать точки полупрозрачными, уменьшив параметр `alpha`, чтобы стали видны области высокой и низкой плотности
CУбрать подписи осей и заголовок графика, чтобы освободить место для большего числа точек на полотне
DПоменять местами оси X и Y, чтобы точки разошлись по диагонали и перестали так сильно перекрываться
Ответ: При наложении точек помогают прозрачность через `alpha` и приёмы отображения плотности.
Уменьшение `alpha` позволяет видеть области высокой и низкой плотности, даже если точки перекрываются между собой. Это простой первый шаг перед более тяжёлыми приёмами вроде биннинга по сетке или разбиения графика на панели по сегментам.
Подробный разбор → 9На диаграмме рассеяния переменная X имеет сильную асимметрию (значения от 1 до 1 000 000), а связь выглядит мультипликативной. Что чаще всего улучшит читаемость?
AОбрезать ось X до значения `1000` и убрать большие наблюдения, чтобы сосредоточиться на основной массе точек
BПрименить логарифмическую шкалу для оси X (и при необходимости для оси Y) для лучшей читаемости связи
CСделать ось X категориальной по квантилям значений и уменьшить число точек на итоговом графике для читаемости
DИнвертировать ось X: большие значения окажутся слева, а маленькие справа, и это улучшит читаемость связи
Ответ: Логарифмическая шкала помогает, когда важны относительные изменения и диапазон значений охватывает несколько порядков.
На логарифмической шкале равные шаги соответствуют умножению, поэтому мультипликативные зависимости становятся ближе к линейным и лучше видны. Обрезка оси часто скрывает важные точки и может исказить выводы. Категоризация по квантилям меняет тип графика и теряет информацию о значениях, а инверсия оси не решает проблему сильной асимметрии данных.
Подробный разбор → 10На точечной диаграмме есть один сильный выброс далеко от основного облака. Как это чаще всего влияет на корреляцию и линию тренда?
AМожет резко изменить и корреляцию, и наклон линии; стоит проверить устойчивость, например сравнить с выбросом и без
BПочти не влияет на корреляцию: один выброс всегда можно игнорировать, а наклон линии регрессии останется примерно прежним
CВлияет только на цвет и размер точек на графике, но не на численное значение корреляции и не на параметры линейной регрессии
DАвтоматически делает связь причинной: один выброс далеко от облака подтверждает гипотезу о причине и следствии между переменными
Ответ: Выброс может сильно тянуть корреляцию и линейную аппроксимацию.
Один дальний пункт способен изменить наклон и сделать корреляцию выше или ниже, чем для основной массы. Полезно отметить выброс и проверить выводы альтернативными оценками или визуализациями.
Подробный разбор → Другие темы: Визуализация данных