Överplotting

Överplotting är ett problem inom datavisualisering som uppstår i scatter plots när ett stort antal observationer placeras på samma eller mycket nära positioner. Detta gör att punkterna överlappas och det blir svårt att uppfatta mönster, täthet eller fördelning i data.

Orsakerna inkluderar stora datamängder, diskreta variabler, låg varians eller upprepade värden, små symboler och begränsad yta i plottens område. När många poäng hamnar på liknande koordinater ökar occlusion och viktiga detaljer döljs, vilket kan ge en skev bild av sambandet mellan variablerna.

Konsekvenserna är bland annat en missvisande bedömning av samband, dämpad uppmärksamhet på kluster eller täthetsvariationer och svårigheter att identifiera outliers eller lokala mönster. Överplotting kan också leda till felaktiga slutsatser om korrelationens styrka eller riktning.

Åtgärder för att motverka överplotting inkluderar att minska punktstorleken eller använda transparens (alpha) så att dubbla punkter blir tydligare som gemensam täthet. Andra metoder är jitter eller små slumpmässiga störningar, hexbin- eller 2D-täthetsplottar, konturplottar eller värmekartor som visar densitet i stället för enskilda punkter. Man kan också aggregara data genom binning, använda urval eller provtagning, eller komplettera med marginal- eller bikolumnplottar för att förstärka informationen utan att överbelasta scatter plotten.