لگاریتمی در مقابل مقیاس های خطی: چه زمانی باید از آنها استفاده کنید؟

تجسم داده ها با هدف ایجاد تجزیه و تحلیل و تفسیر داده های پیچیده سریع و آسان انجام می شود. بخش بزرگی از آن صفحه نمایش تجسم ، یعنی مقیاس است. مقیاس محور نمودار شما به طور مستقیم بر درک مخاطبان شما و مقادیر نهایی استنباط می شود. این مقاله بر مقیاسهای لگاریتمی در مقابل خطی متمرکز است. به عبارت دیگر ، بیش از انتخاب ابزار مناسب برای تجسم داده برای نوع داده شما لازم است. شما باید اطمینان حاصل کنید که از مقیاس صحیح استفاده می کنید تا مخاطبان خود را گمراه نکنید. انواع مختلفی از مقیاس وجود دارد. مقیاس صحیح آن است که به طور دقیق داده ها و اهداف شما را نشان می دهد. در اینجا ، مقیاس های خطی و لگاریتمی را تعریف خواهیم کرد. صرف نظر از ابزار تجسم داده خود ، شما همچنین می آموزید که استفاده از آنها خوب است و در صورت استفاده خوب از آنها خوب نیست.

مقیاس لگاریتمی چیست؟< Span> مقیاس های لگاریتمی در مقابل خطی: چه زمانی باید از آنها استفاده کنید؟

تجسم داده ها با هدف ایجاد تجزیه و تحلیل و تفسیر داده های پیچیده سریع و آسان انجام می شود. بخش بزرگی از آن صفحه نمایش تجسم ، یعنی مقیاس است. مقیاس محور نمودار شما به طور مستقیم بر درک مخاطبان شما و مقادیر نهایی استنباط می شود. این مقاله بر مقیاسهای لگاریتمی در مقابل خطی متمرکز است. به عبارت دیگر ، بیش از انتخاب ابزار مناسب برای تجسم داده برای نوع داده شما لازم است. شما باید اطمینان حاصل کنید که از مقیاس صحیح استفاده می کنید تا مخاطبان خود را گمراه نکنید. انواع مختلفی از مقیاس وجود دارد. مقیاس صحیح آن است که به طور دقیق داده ها و اهداف شما را نشان می دهد. در اینجا ، مقیاس های خطی و لگاریتمی را تعریف خواهیم کرد. صرف نظر از ابزار تجسم داده خود ، شما همچنین می آموزید که استفاده از آنها خوب است و در صورت استفاده خوب از آنها خوب نیست.

مقیاس لگاریتمی چیست؟ مقیاس های لگاریتمی در مقابل خطی: چه زمانی باید از آنها استفاده کنید؟

تجسم داده ها با هدف ایجاد تجزیه و تحلیل و تفسیر داده های پیچیده سریع و آسان انجام می شود. بخش بزرگی از آن صفحه نمایش تجسم ، یعنی مقیاس است. مقیاس محور نمودار شما به طور مستقیم بر درک مخاطبان شما و مقادیر نهایی استنباط می شود. این مقاله بر مقیاسهای لگاریتمی در مقابل خطی متمرکز است. به عبارت دیگر ، بیش از انتخاب ابزار مناسب برای تجسم داده برای نوع داده شما لازم است. شما باید اطمینان حاصل کنید که از مقیاس صحیح استفاده می کنید تا مخاطبان خود را گمراه نکنید. انواع مختلفی از مقیاس وجود دارد. مقیاس صحیح آن است که به طور دقیق داده ها و اهداف شما را نشان می دهد. در اینجا ، مقیاس های خطی و لگاریتمی را تعریف خواهیم کرد. صرف نظر از ابزار تجسم داده خود ، شما همچنین می آموزید که استفاده از آنها خوب است و در صورت استفاده خوب از آنها خوب نیست. مقیاس لگاریتمی چیست؟ یک محور مقیاس لگاریتمی جایی است که دو نقطه متوالی با مقادیر واحد مساوی از هم جدا نمی شوند. هر بازه یک عامل پایه ورود به سیستم است. مقیاس لگاریتمی دقیق تر از سایر انواع مقیاس است. بنابراین بیایید کمی عمیق تر شیرجه بزنیم. فاصله در نمودار مقیاس خطی نشان دهنده افزایش عدد صحیح ثابت است. به عنوان مثال ، هر فاصله بین نقاط می تواند با 10 واحد مطابقت داشته باشد. به عبارت دیگر ، اگر یک خط داده از طریق آنها اجرا شود ، سه فاصله اول در نمودار با 30 واحد برابر خواهد بود. از طرف دیگر ، یک مقیاس لگاریتمی داده ها را به قدرت یک عدد افزایش می دهد ، به طور معمول 10. به عنوان مثال ، فواصل سه امتیاز در یک نمودار لگاریتمی می توانند مقادیری مانند 101 ، 102 ، 103 و غیره داشته باشند. اگر خط یک نقطه داده از سه مقدار اول عبور کند ، 1110 واحد را نشان می دهد. در اینجا یک مثال عملی آورده شده است: فرض کنید مقداری مرغ خام را از فروشگاه مواد غذایی برداشتید. شما با چیزهای دیگر اشغال شده اید و به طور تصادفی ساعت ها آنها را روی میز ناهار خوری گذاشتید. شما می دانید که باید مرغ را دور بیندازید زیرا به دلیل رشد سریع باکتری های مضر روی آن ، دیگر نمی توان از خوردن غذا استفاده کرد. اگر در مدت 30 دقیقه از ترک آن روی پیشخوان ، مرغ خام را پیدا کرده بودید ، تعداد میکروب های مضر متوسط خواهد بود. اما از آنجا که میکروب ها به صورت نمایی ضرب می کنند ، مرغ خام شما ممکن است از داشتن یک سلول باکتریایی بالقوه مضر تا داشتن میلیون ها نفر در طی چند ساعت باشد. یک نمودار خطی که نشان دهنده رشد باکتریها است ، هیچ تغییری در چند دقیقه یا ساعت اول نشان نمی دهد ، سپس افزایش ناگهانی به ارزش بسیار بالایی. این بدان معنا نیست که نمودار نادرست خواهد بود ، اما خواندن آن آسان نخواهد بود. با این حال ، ترسیم همان مقادیر در مقیاس لگاریتمی تغییرات تدریجی را نشان می دهد که خواندن و درک آن آسان تر است.

1. لگاریتمی در مقابل خطی: چه زمانی باید از مقیاس لگاریتمی استفاده کنم؟
2. مقیاس لگاریتمی در دو سناریوی اصلی استفاده می شود:

آیا باید مقیاس ACAIA را بدست آورید؟3 او

لطفا JavaScript را فعال کنید

برای نشان دادن تغییرات یا کمبود به دلیل مقادیر داده بزرگ در یک مجموعه داده. یعنی ، جایی که برخی از مقادیر بزرگتر از اکثریت در یک مجموعه داده هستند.

برای نشان دادن درصد درصد تغییر در طول زمان یا یک عامل ضرب.

• همانطور که قبلاً گفته شد ، مجموعه داده هایی با نابرابری های با ارزش گسترده به بهترین وجه با نمودار لگاریتمی مناسب هستند. به عنوان مثال ، با استفاده از یک مقیاس لگاریتمی ، می توانید مقادیر داده را از 10 تا 1،000،000 به طور دقیق تجسم کنید.
• با این حال ، نمایندگی مقادیر در مقیاس خطی به معنای از بین رفتن ارزش های کوچک در خطوط است. این می تواند منجر به استنباط مقادیر اشتباه و تصمیم گیری های گمراه کننده داده محور شود که در نهایت می تواند اثرات شدید تری داشته باشد.
• بسیاری از صنایع برای تجزیه و تحلیل دقیق تر داده ها و تفسیر از نمودارهای مقیاس لگاریتمی استفاده می کنند.
• برخی از این موارد عبارتند از:
• علوم محوری
• دارو
• باستان شناسی

ریاضیات

علم پزشکی قانونی

دارایی، مالیه، سرمایه گذاری

زمين شناسي

به عنوان مثال ، در بخش مالی ، مقیاس های لگاریتمی برای تجزیه و تحلیل درصد تغییرات در قیمت ها در فواصل زمانی بسیار مهم هستند. بیایید فرض کنیم دارایی در 24 ساعت اول 10 دلار افزایش به 20 دلار و 10 دلار دیگر در 24 ساعت آینده به 30 دلار افزایش می یابد.

در نمودار ورود به سیستم ، فاصله بین مقادیر در افزایش اول دو برابر بیشتر از افزایش دوم خواهد بود.

این امر به این دلیل است که هر فاصله عاملی از تغییر درصد است ، نه مقادیر واقعی. افزایش 10 دلار اول تغییر 100 ٪ است ، در حالی که دوم افزایش 50 ٪ است ، از این رو اختلاف فاصله فاصله.

مقیاس خطی چیست؟

نمودار مقیاس خطی نمودار است که فاصله بین نقاط متوالی در محور y یا محور x مساوی است ، صرف نظر از مکان موجود در نمودار. این یک مقیاس استاندارد است که برای نقشه ها و سایر انواع نمودار استفاده می شود.

به عنوان مثال ، می توان از یک سانتیمتر تا یک متر برای ترسیم نقشه زمین بازی استفاده کرد. این نسبت 1: 100 است ، به این معنی که نقشه یک صدم از اندازه ای است که در زمین نشان می دهد.

لگاریتمی در مقابل خطی: چه زمانی باید از مقیاس خطی استفاده کنید؟

اگر از نمودار خطی استفاده کرده اید برای نشان دادن روندهایی که در آن حساب برای تغییر درصد ، غیر ضروری است ، کمک می کند. این عمدتاً در هنگام ترسیم نقاط داده با مقادیر مشابه در فواصل کوتاه وجود دارد.

در مقایسه با مقیاس لگاریتمی ، مقیاس خطی بهتر نشان دهنده مجموعه داده هایی است که مقادیر داده در یک محدوده نسبتاً باریک محدود می شوند.

مقیاس خطی می تواند برای نمایندگی و تفسیر داده ها در صنایع مختلف بسیار مهم باشد. به عنوان مثال ، بخش مالی که در آن مقیاس لگاریتمی به نظر می رسد رشد می کند. در اینجا ، مقیاس بندی نمودار خطی می تواند مفید باشد که قیمت دارایی در یک دوره کوتاه نرخ باریک تغییر را حفظ کند.

به عبارت دیگر ، معامله گران هنگام دانستن ارزش واقعی تغییرات قیمت کوچک از یک نمودار خطی استفاده می کنند. این به طور معمول برای معامله گران کوتاه مدت که عمدتاً به تغییرات قیمت در دقیقه ، ساعت یا روز اهمیت می دهند ، این مورد است.