3강 / 20강

자료의 종류가 그림을 절반쯤 정한다

범주 · 순서 · 수량 · 시간 · 좌표

"어떤 그래프를 쓸까요?" 라는 물음은 대개 잘못된 물음입니다. 먼저 물어야 할 것은 "내 자료의 각 열이 어떤 종류인가" 예요. 종류가 정해지면 쓸 수 있는 그림이 서너 개로 줄어듭니다.

종류	보기 (이 논문에서)	쓸 수 있는 그림
범주 (이름)	암종 LUAD·LUSC·STAD / 세포종류 T·B·NK	막대 · 점그래프 · 색
순서	TMB-L → TMB-H / 병기 I·II·III	막대(순서대로) · 상자
수량 (셀 수 있음)	돌연변이 수 616개 / 카운트 802	히스토그램 · 산점도
비율	TIL 침윤률 3.03% / 세포 구성비	막대 · 상자 · (원그래프)
시간	이식 후 0·3·6·…·21일	선그래프 · 계단선
좌표	조직 안 세포 위치 / UMAP 자리	산점도 · 밀도 · 지도

고등학생자료의 종류가 그림을 절반쯤 정한다

그림을 고르기 전에 자료가 무엇인지 부터 봅니다.

종류	예	할 수 있는 것
범주	세포 유형 · 처리군	같다/다르다만
순서	병기 1·2·3	+ 순서
수량	발현량 · 나이	+ 차이 · 비율
시간	일차	수량 + 이어짐
좌표	UMAP · 위치	거리 (13강 주의)

아래로 갈수록 할 수 있는 말이 늘어난다

왜 이 구분이 중요한가

—	—
범주에 평균을 낸다	말이 안 된다 ⚠
순서에 선을 긋는다	4강 — 조심해야 한다

자료가 허용하지 않는 연산을 그림이 하면 안 된다

비유 — 옷 사이즈

물음	—
S·M·L 중 M 이 중간인가	순서로는 ✔
S와 L 의 평균이 M 인가	말이 안 된다 ⚠

순서는 있는데 간격은 없다 — 그게 순서형이다

고등학생가장 흔한 실수

note 가 든 실수를 왜 그런지와 함께 봅시다.

범주에 숫자를 붙였다고 수량이 되는 건 아니다

예로 보면

자료	숫자로 저장	실제
환자 ID	1, 2, 3	범주 ⚠
실험 배치	1, 2, 3	범주
우편번호	숫자	범주

숫자로 저장돼 있다고 더하거나 평균 내면 안 된다

도구가 착각합니다

—	—
plot 함수가	숫자 열을 수량으로 다룬다 ⚠
결과	축이 연속으로 그려진다

명시적으로 범주형으로 지정해야 한다

반대 실수도 있습니다

—	—
순서가 있는데 알파벳순으로	1기·2기·3기 → 뒤죽박죽 ⚠

순서형은 순서를 지정해야 한다 — 7강의 정렬 이야기

비유 — 등번호

—	—
10번 선수와 20번 선수	—
평균이 15번 선수?	말이 안 된다 ⚠

숫자처럼 생겼다고 숫자가 아니다

고등학생'셀 수 있는 것' 과 '재는 것'

note 의 이 구분이 수량 안에서도 갈립니다.

—	이산 (세는 것)	연속 (재는 것)
예	읽기 수 · 세포 수	발현량 · 무게
중간값	없다 — 2.5개?	있다
0	많다 ⭐	드물다

RNA-seq 카운트는 이산이다 — 그래서 다루는 법이 다르다

왜 중요한가

—	—
카운트는 0 이 아주 많다	—
로그를 씌우면	log(0) 이 문제 ⚠ (5강)
분포가	치우쳐 있다

그래서 log(x+1) 같은 처리를 한다 — 5강

그리고 히스토그램 칸 나누기

—	—
이산 자료	칸을 정수 경계에 맞춘다 ✔
안 그러면	칸마다 들어가는 정수 개수가 달라진다 ⚠

가짜 톱니 무늬가 생긴다 — 자료가 아니라 칸 나누기 탓이다

비유 — 신발 사이즈

—	—
250 · 255 · 260	5 단위로만 있다
3 단위로 칸을 나누면	어떤 칸은 비고 어떤 칸은 둘 ⚠

자료의 알갱이 크기를 무시하면 없는 패턴이 생긴다

group 만 범주고 나머지는 수량입니다. 열의 종류를 먼저 적어 두면 그림 고르기가 쉬워집니다.

Python 브라우저에서 실행

import viz, pandas as pd

m = viz.meta()
print("폐선암 표본표 — 열마다 종류가 다릅니다")
print()
for c in m.columns:
    v = m[c].dropna()
    num = pd.api.types.is_numeric_dtype(v)
    kind = ("수량" if v.max() > 50 else "비율/점수") if num else "범주"
    span = ("%.2f ~ %.2f" % (v.min(), v.max())) if num else ", ".join(sorted(set(map(str, v))))
    print("  %-6s %-6s  n=%3d   %s" % (c, kind, len(v), span))

같은 열이라도 무엇을 묻느냐에 따라 종류가 바뀝니다. 논문의 TMB 가 좋은 예입니다.

수량으로 볼 때

Mb 당 몇 개인가 → 히스토그램. 분포가 얼마나 치우쳤는지 보인다

순서로 볼 때

10 을 문턱으로 TMB-L / TMB-H → 막대 두 개. 논문 Fig. 1B 가 이것이다

논문은 둘 다 했습니다. Fig. 1B 오른쪽은 수량으로(상자그림), 왼쪽은 순서로(비율 막대) 그렸어요. 같은 열을 두 번 그린 것은 낭비가 아니라 정직입니다 — 문턱을 그은 뒤에도 원래 분포를 숨기지 않은 거니까요.

고등학생그림 고르기 세 물음

note 의 세 물음이 이 강의의 나침반입니다.

물음	정하는 것
① 무엇을 말하려나	비교? 분포? 관계? 구성?
② 자료가 어떤 종류	3강
③ 몇 개인가	규모

①이 가장 중요하다 — 대부분 여기서 정해진다

①에 따라

말하려는 것	그림
비교	막대 · 점 (7·14강)
분포	히스토그램 · 상자 · 바이올린 (8강)
관계	산점도 · 화산 (9강)
시간 변화	선 · 생존곡선 (11·12강)
구성	누적 막대 (원은 웬만하면 안 쓴다 — 16강)

"무슨 말을 할까" 를 먼저 문장으로 써 본다

③이 결정을 바꿉니다

개수	같은 목적에
10개	점 그래프 ✔
1,000개	상자 · 바이올린
50,000개	밀도 · 2D 히스토그램 (13강) ⭐

점이 너무 많으면 겹쳐서 아무것도 안 보인다 — 9·13강

그림 고르기는 취향이 아니라 세 물음의 답입니다.

🤔 확인 문제

암종 13가지의 평균 TIL 침윤률을 보이려 합니다. 가장 알맞은 것은?

🤔 확인 문제

이식 후 0·3·6·9·12·15·18·21일에 잰 종양 부피를 그립니다. 가로축을 어떻게 할까요?