如何將百分比與條目數進行比較。
我試圖找出可視化下圖的最佳方法，並強調與嘗試治療的患者人數相比的治療效果。這是實際頁面的鏈接： http: //curetogether.com/cluster-headaches/treatments/
什麼是強調有效性的最佳方式，同時仍然可以輕鬆比較治療並查看有多少患者對每種治療進行評分？我的想法是以百分比的形式顯示有效性，但我不確定如何使它們易於比較並顯示嘗試每種方法的患者數量。
謝謝！
您希望比較“有效性”並評估報告每種治療的患者數量。有效性記錄在五個離散的有序類別中，但（不知何故）也總結為“平均”。（平均值）值，表明它被認為是一個定量變量。
因此，我們應該選擇其元素非常適合傳達此類信息的圖形。在眾多優秀的解決方案中，有一個使用這種模式：
- 將總或平均有效性表示為沿線性比例的位置。這樣的位置最容易在視覺上掌握並準確地定量閱讀。使所有 34 種治療方法通用的量表。
- 用一些容易看出與這些數字成正比的圖形符號來表示患者的數量。矩形非常適合：它們可以定位以滿足上述要求，並在正交方向上調整大小，以便它們的高度和麵積都傳達患者編號信息。
- 通過顏色和/或陰影值區分五個有效性類別。保持這些類別的順序。
問題中的圖形所犯的一個巨大錯誤是，最突出的視覺值——條形的長度——描述了患者數量信息，而不是總體有效性信息。我們可以通過圍繞自然中間值重新定位每個條形來輕鬆解決此問題。
不做任何其他更改（例如改進配色方案，這對任何色盲的人來說都特別差），這裡是重新設計。
我添加了水平虛線以幫助眼睛將標籤與繪圖連接起來，並刪除了一條細垂直線以顯示共同的中心位置。
響應的模式和數量更加明顯。特別是，我們基本上以一張圖的價格得到了兩張圖：在左側，我們可以讀出不利影響的衡量標準，而在右側，我們可以看到積極影響的強度。一方面，能夠平衡風險與收益，另一方面，在此應用程序中很重要。
這種重新設計的一個意外效果是，具有許多反應的治療名稱與其他治療方法的名稱垂直分開，便於向下掃描並查看哪些治療方法最受歡迎。
另一個有趣的方面是，該圖質疑用於按“平均有效性”對治療進行排序的算法：例如，為什麼“頭痛追踪”在所有最受歡迎的治療中，它是唯一的沒有不良影響？
R附加了生成此圖的快速而骯髒的代碼。x <- c(0,0,3,5,5, 0,0,0,0,2, 0,0,3,2,4, 0,1,7,9,7, 0,0,3,2,3, 0,0,0,0,1, 0,1,1,1,2, 0,0,2,2,1, 0,0,1,0,1, 0,0,3,2,1, 0,0,2,0,1, 1,0,5,5,2, 1,3,15,15,4, 1,2,5,7,3, 0,0,4,4,0, 0,0,2,2,0, 0,0,3,0,1, 0,0,2,2,0, 0,4,18,19,2, 0,0,2,1,0, 3,1,27,25,3, 1,0,2,2,1, 0,0,4,2,0, 0,1,6,5,0, 0,0,3,1,0, 3,0,3,7,2, 0,1,0,1,0, 0,0,21,4,2, 0,0,6,1,0, 1,0,2,0,1, 2,4,15,8,1, 1,1,3,1,0, 0,0,1,0,0, 0,0,1,0,0) levels <- c("Made it much worse", "Made it slightly worse", "No effect or uncertain", "Moderate improvement", "Major improvement") treatments <- c("Oxygen", "Gluten-free diet", "Zomig", "Sumatriptan", "Rizatriptan (Maxalt)", "Dilaudid suppository", "Dilaudid-Morphine", "Verapamil", "Magic mushrooms", "Magnesium", "Psilocybine", "Excedrin Migraine", "Ice packs on neck and head", "Passage of time", "Red Bull", "Lidocaine", "Vitamin B-2 (Roboflavin)", "Caffergot", "Caffeine", "Tobasco in nose / on tongue") treatments <- c(treatments, "Ibuprofen", "Topamax", "Excedrin Tension Headache", "Acetaminophen (Tylenol)", "Extra Strength Excedrin", "Hot water bottle", "Eletriptan", "Headache tracking", "Women to Women vitamins", "Effexor", "Aspirin", "Propanolol", "L-Arginine", "Fioricet") x <- t(matrix(x, 5, dimnames=list(levels, treatments))) # # Precomputation for plotting. # n <- dim(x)[1] m <- dim(x)[2] d <- as.data.frame(x) d$Total <- rowSums(d) d$Effectiveness <- (x %*% c(-2,-1,0,1,2)) / d$Total d$Root <- (d$Total) # # Set up the plot area. # colors <- c("#704030", "#d07030", "#d0d0d0", "#60c060", "#387038") x.left <- 0; x.right <- 6; dx <- x.right - x.left; x.0 <- x.left-4 y.bottom <- 0; y.top <- 10; dy <- y.top - y.bottom gap <- 0.4 par(mfrow=c(1,1)) plot(c(x.left-1, x.right), c(y.bottom, y.top), type="n", bty="n", xaxt="n", yaxt="n", xlab="", ylab="", asp=(y.top-y.bottom)/(dx+1)) # # Make the plots. # u <- t(apply(x, 1, function(z) c(0, cumsum(z)) / sum(z))) y <- y.top - dy * c(0, cumsum(d$Root/sum(d$Root) + gap/n)) / (1+gap) invisible(sapply(1:n, function(i) { lines(x=c(x.0+1/4, x.right), y=rep(dy*gap/(2*n)+(y[i]+y[i+1])/2, 2), lty=3, col="#e0e0e0") sapply(1:m, function(j) { mid <- (x.left - (u[i,3] + u[i,4])/2)*dx rect(mid + u[i,j]*dx, y[i+1] + (gap/n)*(y.top-y.bottom), mid + u[i,j+1]*dx, y[i], col=colors[j], border=NA) })})) abline(v = x.left, col="White") labels <- mapply(function(s,n) paste0(s, " (", n, ")"), rownames(x), d$Total) text(x.0, (y[-(n+1)]+y[-1])/2, labels=labels, adj=c(1, 0), cex=0.8, col="#505050")
