5강 / 20강

축 — 0에서 시작할까, 로그를 쓸까

돌연변이 수 2개부터 2,152개까지

폐선암 표본 407명의 돌연변이 수를 봅니다. 진짜 TCGA 자료예요.

가장 적은 사람2개

중앙값223개

평균336개

가장 많은 사람2,152개

가장 많은 사람이 가장 적은 사람의 천 배입니다. 이런 자료를 보통 축에 그리면 어떻게 될까요?

고등학생0에서 시작할까, 로그를 쓸까

축은 가장 조용히 그림을 바꾸는 요소입니다.

같은 자료가 축에 따라 전혀 다르게 보인다

두 가지 결정

결정	기준
0 에서 시작?	표식이 막대면 필수 (4강)
로그를 쓸까?	값의 범위가 크면

부제의 자료 — 2개부터 2,152개까지 는 1000배 차이다

범위가 크면 무슨 일이

선형 축	—
2,152 가 축을 지배한다	—
2 · 5 · 10 은	전부 바닥에 뭉친다 ⚠

작은 값들의 차이가 안 보인다 — 그때 로그를 쓴다

비유 — 지도의 축척

—	—
동네와 지구를 한 지도에	동네가 점이 된다 ⚠
축척을 바꾸면	둘 다 보인다 ✔

로그는 "몇 배" 를 같은 간격으로 그리는 축척이다

왼쪽은 왼쪽 벽에 붙은 막대 하나로 보입니다. 오른쪽은 종 모양이 나타납니다. 같은 자료예요.

Python 브라우저에서 실행

import matplotlib.pyplot as plt
import viz, numpy as np

v = viz.meta()["n_mut"].dropna()
v = v[v > 0].values

fig, ax = plt.subplots(1, 2, figsize=(10, 3.2))
ax[0].hist(v, bins=40, color=viz.PAL[0])
ax[0].set_title("linear x", fontsize=9); ax[0].set_xlabel("mutations", fontsize=8)

ax[1].hist(np.log10(v), bins=40, color=viz.PAL[1])
ax[1].set_title("log10 x", fontsize=9); ax[1].set_xlabel("log10(mutations)", fontsize=8)
ax[1].set_xticks([0, 1, 2, 3]); ax[1].set_xticklabels(["1", "10", "100", "1000"])

for a in ax:
    viz.bare(a); a.set_ylabel("patients", fontsize=8)
fig.tight_layout()
print("1,000개를 넘는 환자는 407명 중 %d명뿐입니다." % (v > 1000).sum())

고등학생로그축을 쓸 때

note 의 기준을 왜 그런지와 함께.

"차이" 가 아니라 "몇 배" 가 중요할 때 로그를 쓴다

언제 그런가

자료	—
발현량	2배 증가가 어디서든 같은 뜻 ⭐
농도	—
인구 · 소득	—
p 값	9강 — −log10 ⭐

"10 → 20" 과 "1000 → 2000" 이 같은 사건이면 로그다

로그축에서 달라지는 것

—	선형	로그
같은 간격	같은 차이	같은 배수 ⭐
직선의 뜻	일정 증가	지수 증가

로그축의 직선은 선형축에서는 폭발이다

⚠ 반드시 밝혀야 합니다

—	—
축 라벨에 "log10"	✔ ⭐
안 밝히면	읽는 사람이 선형으로 읽는다 ⚠

로그축을 숨기는 것은 18강의 속임수가 된다

그리고 0 문제

—	—
log(0) 은 정의되지 않는다	⚠
대책	`log(x+1)` 또는 0을 따로 표시

3강의 카운트 자료에는 0 이 많다 — 반드시 부딪힌다

축을 두고 내려야 하는 결정은 넷입니다.

결정	기본값	바꿔도 될 때
0 에서 시작?	막대는 반드시 0	점·선 그림은 아니어도 된다
선형 / 로그	선형	값이 몇 배씩 벌어질 때 로그
눈금 간격	1·2·5·10 의 배수	거의 언제나 이대로
범위 맞추기	여러 칸을 견줄 땐 같게	다르게 할 거면 크게 적어 둔다

마지막 줄이 특히 중요합니다. 논문 Fig. 5D 처럼 네 조건을 나란히 놓을 때 칸마다 y축 범위가 다르면, 독자는 높이를 견주다가 틀립니다.

고등학생눈금이 없으면 그림이 아니다

note 의 이 단호한 문장이 맞습니다.

축 라벨 · 단위 · 눈금이 없으면 — 읽을 수가 없다

빠뜨리기 쉬운 것들

항목	없으면
축 이름	무엇인지 모른다 ⚠
단위	크기를 가늠 못 한다
n (표본 수)	신뢰도를 모른다 ⭐
오차막대의 정체	7·11강 ⚠
정규화 방식	10강 — z점수? CPM?

n 과 오차막대의 정체 가 가장 자주 빠진다

왜 자주 빠지나

—	—
만든 사람은 안다	—
그래서	적을 생각을 못 한다 ⚠

"지식의 저주" — 아는 사람은 모르는 사람의 눈을 잃는다

그림은 혼자 서야 합니다

—	—
본문 없이 그림만 봐도	이해돼야 한다 ✔ ⭐
실제로 독자는	그림부터 본다

논문에서 그림 캡션이 긴 이유가 이것이다

비유 — 지도의 범례

—	—
축척·범례가 없는 지도	거리를 모른다 ⚠
그림도 마찬가지	—

20강의 점검표에 이 항목들이 들어간다

오른쪽 두 장은 꼬리를 잘라낸 그림입니다. 55%까지 가는 환자가 있다는 사실이 사라졌어요.

Python 브라우저에서 실행

import matplotlib.pyplot as plt
import viz

t = viz.til()
v = t["til_pct"].values
fig, ax = plt.subplots(1, 3, figsize=(11, 3))

# 같은 자료, y축만 다르게
for a, (lo, hi, tag) in zip(ax, [(0, 60, "full range"),
                                 (0, 20, "clipped at 20"),
                                 (0, 6, "clipped at 6")]):
    a.hist(v, bins=40, range=(0, 60), color=viz.PAL[2])
    a.set_ylim(0, 120); a.set_xlim(lo, hi)
    a.set_title(tag, fontsize=9); a.set_xlabel("TIL %", fontsize=8)
    viz.bare(a)
ax[0].set_ylabel("patients", fontsize=8)
fig.tight_layout()
print("환자 %d명 · 중앙값 %.2f%% · 최대 %.1f%%" % (len(v), viz.np.median(v), v.max()))

고등학생축 범위를 정하는 실전 판단

5강을 마치며 범위 선택을 정리합시다.

"어디까지 보일까" 도 주장이다

경우별 판단

상황	선택
막대	0 부터 — 예외 없다 (4강)
점 · 선	자료 범위에 맞춘다 ✔
비율 (0~1)	0~1 전체를 보이는 게 대개 낫다
여러 패널 비교	축을 통일한다 ⭐ (15강)

마지막이 자주 어겨진다 — 패널마다 축이 다르면 비교가 거짓이 된다

패널 축 통일이 왜 중요한가

—	—
나란히 놓으면	사람은 비교한다
축이 다르면	비교가 성립 안 한다 ⚠

나란히 놓는 것 자체가 "비교하라" 는 신호다 — 15강

이상치 다루기

방법	—
로그축	대개 해결된다 ✔
축을 자른다	이상치를 표시해야 ⚠
그냥 뺀다	밝혀야 한다 ⚠

보이지 않는 점이 있으면 반드시 적는다 — 안 그러면 18강의 속임수다

"n=3 은 축 밖" 같은 한 줄이면 됩니다.

🤔 확인 문제

유전자 발현량을 그릴 때 log2 를 쓰는 가장 큰 이유는?

🤔 확인 문제

네 조건의 세포 비율을 네 칸에 나눠 그렸습니다. 꼭 지켜야 할 것은?

🤔 확인 문제

막대그래프의 y축을 0이 아닌 값에서 시작해도 되는 경우는?