繪製《乘風2023》數據圖表時的反思(1) — 比較與排序
這篇文談到了想要視覺化呈現資料時，具體的思考歷程，包含資料的重點、比較的方法、排序的標準，以及圖表的形式。
註：部落格版本在此
最近《乘風2023》開播（即《乘風破浪的姐姐》系列第4季），身為浪姐第3季的小粉絲，上一季有忠實購入周邊、畫了好些圖表以外，這季當然也有準時收看。
因為上一季季末時，PTT的陸綜板上有板友仿效節目組安排的橋段，發起問卷投票，調查觀眾對舞台與個人的喜愛度，這季我在播出初舞台和第一次公演後就趕緊發了問卷搜集反應，希望能夠對照節目評審、現場觀眾，和處在螢幕前面的我們，利用著不同媒介，會產生何等收視上的偏差，或者說審美上有著不同的判準。
蒐集到資料後開始畫圖，在其中2個小主題上，我在思考 (1)應該呈現的資料重點和 (2) 應該如何利用圖表形式凸顯資料重點時，遇上了一些問題。因為過程上自己有些反思，就順手記錄下來。這篇文章會提第1個案例。
＊註：如果你只想看跟《乘風2023》有關的圖表，可以直接去看 IG 上的這篇文章，或是搜尋在 IG 上搜尋 “ddplot”，加上關鍵字 hashtag 也可以。
資料介紹
我在問卷中，請填答者回答喜歡哪一個初舞台，每人有6票。同時，節目上邀請了4位專業評審，每人的給分在0–100分之間，最後加總起來滿分400。
如下圖所示，資料中有3個欄位，包含初舞台表演者與表演曲目（stage）、問卷得票數（n）、評審給分（score）。
因為想讓填寫問卷的板友們知道問卷結果，所以我先用長條圖（bar chart）呈現了喜愛度票選結果。這張圖背後我多做了幾件事情：把 stage 欄位的書名號以免 y 軸爆炸（str_remove_all()）、將長條依照姐姐得票數排序（fct_reorder()）、將 x 軸的上限拉到 110 以免太擠（scale_x_continuous()）、額外增加了「是否為國際姐姐」的欄位作為圖表重點（mutate() + if_else() + %in%）。
＊括弧內的是 R 語言裡面的函數，因為原文寫在一個 R 語言的部落格，可以略過沒關係。
其中最後一點「是否為國際姐姐」，也變成我放在標題寫的結論，台灣觀眾不像現場評審那麼重視咖位、是否突破自我，也相對沒那麼在乎情懷，再加上可能有修音，所以大家看得是播出後的實際表現。
第一個問題：資料的重點是什麼？
不過，從上面那張圖當然看不出來台灣觀眾和評審的看法分歧，所以我想多畫一張圖表，比較問卷投票結果和評審評分的不同之處。
雖然知道是比較，但還可以問得更細，也就是比較時，想要呈現的重點是什麼。會是姐姐們得票／得分的差異嗎，例如「Ella 在評審得分上比唐伯虎多的分數，和她在得票上比唐伯虎多的票數，兩者的差異相同嗎？」還是說，我們其實在乎的只有順序，光是知道「孫悅評分前5、投票吊車尾」，這就足以滿足讀者的需求了？
因此，第一個問題的答案是我們想看喜好的差異，但具體想怎麼看差異，是後續一直要放在心上的問題。不過，呈現差異不是一件容易的事情，他也讓我遇到接下來的諸多困難。
第二個問題：怎麼比較？
第二個問題比較困難，問卷投票是採計累積票數，評審評分則是加總得分，這兩個欄位的本質不同，差距體現在量化喜好的方式和單位，應該怎麼比較？
如前所述，問卷調查中，每個人的票數有限制，因此投票者只能投最喜歡的6個舞台，最後統計時再將所有票數加總。現場評審則是以0至100的尺度，決定表演應該落在哪個位置—平均結果落在65至93分之間。
我採用在比較不同單位資料常用的手段 — 標準化（normalization），並將結果都乘上100，這貼合人類判讀資料的習慣，如下圖所示。
然而，因為「票數有限」和「評分尺度」兩者在調查上的先天邏輯差異，導致比較時遇上的困難。
我們即使不用看資料也能想像，每個表演的得票狀況較接近「八二法則」，因為帶來好表演的舞台就是那麼多，在無法投給所有姐姐的情況下，只好挑自己本來就是粉絲的姐姐（例如我有1票投給汪小敏），以及表現突出的舞台。
然而，評審在專業的判斷能力以外，在評分時上他們有著更好的量化喜好方式，將姐姐的表現轉化為分數長尺上的刻度，因此每個表演的得票狀況更平均一些。
所以，我們可以想像，雖然知道要比較兩者，也透過標準化的方式使得比較成為可能，但要進到下一步的視覺化，預期會遇到呈現資料的問題。
註：（有看浪姐的人可以看）事實上，評審給分的機制和公演現場觀眾替舞台投票的方式相似。雖然現場觀眾不是評分，而是選擇是否支持表演的舞台，但這個情況等同於觀眾的票數無限，因為擁有每個舞台的選擇權，因此公演的舞台結果票數也相對較為平均。
第三個問題：如何排序？
我先同樣用長條圖呈現評審分數和問卷得票數。因為兩者性質不同，所以採用了比較時的常用技法，以 x = 0 為基點，在座標軸兩端分別拉出要比較的欄位。
然而，正如同下方的3張圖所示，我不太確定，應該怎麼排序才好。圖一按照（紫色的）觀眾投票排序，圖二按照（黃色的）評審評分排序，圖三按照問卷評分和觀眾投票的差值大小排序。
要選擇哪一張圖，端看想要凸顯的重點究竟是什麼。
以圖一為例，它將觀眾投票定錨，讓這張圖表的讀者能夠看到美依禮芽在觀眾投票得到第1，在評審評分則不是如此，可是評審給了她第幾名，一時半刻便無法看出。圖二和圖一的情況相似，只是反過來將評審評分固定，改看讀者的投票不同之處。
圖三的效果明顯不佳，我們可以看出大家給了美依禮芽更多票，也更支持陳意涵、凱麗、王佳宇，但這能夠有效地傳遞重點嗎？至少從圖表結果可以看出，即使凱麗和王佳宇有拿到問卷的票，但獲得的票數很少，只是相對評審評分而言，有拿到相對多的投票而已。
最後，我選擇了圖二的邏輯往後推進。而且，我改成使用棒棒糖圖（lollipop chart）呈現。為什麼是圖二？又為什麼選棒棒糖圖？
選擇圖二，以評審得分高低排序的理由在於，對圖表的讀者，也就是陸綜板的板友來說，視角會是「和評審分數比，我們的喜好差在哪裡？」而比較不會是「評審分數和我們的喜好有哪裡不一樣？」
評審來自芒果TV，是節目已經播出的既定事實，有了這樣的 ground truth 為基底，再來查看自己的偏好有何不同，是我認為大部分觀眾會有的心理，因此選了這個視角。
至於從長條圖換成棒棒糖圖，則是因爲棒棒糖圖能夠有效呈現資料的變化與差異。相較之下，長條圖則能夠強調變數本身的大小，但其實在現有情境下，讀者不會那麼在乎經過標準化後，Ella 到底是拿到 25 分還是 95 分，因為重點其實是相對次序，以及和評審之間的距離。
不過，利用棒棒糖圖，比較標準化後的票數與分數，真的是一張好圖表嗎？
事實上，正如同上面所寫的，硬要比較這兩種量化喜好的方式，呈現出來實在不是很好。
我們看到圖表的時候，很快可以得到一個結論—跟評審給分相比，投票的觀眾們更愛美依禮芽。除此之外呢？因為我們看過第1張圖，知道小美以外，A-Lin和來自越南的Chi Pu得到許多問卷的票，然而，因為量化喜好上的本質限制，從圖表中乍看之下，兩位好像拿到比評審更少的票。
這就是這張圖表誤導人的地方。A-Lin和Chi Pu相對不像小美拿到那麼突出的票數是事實，但我們不能說兩位的表現不好，只能說問卷填寫者給予小美的評價實在太過突出了。
是不是有更好的解法呢？
另一個選擇：如果有如果
既然投票邏輯和評分邏輯不同，重點就不再會是有多少票、拿多高分，姐姐的排名先後，可能才是我們更關注的重點。
既然要比較的是排名（ranking），實務上常常會用到坡度圖（slope chart），例如下方2張圖，都是利用坡度圖呈現歷年選舉中年齡相關變數的變化。
那麼，將坡度圖套用到上面《乘風2023》的資料上，又會是什麼情形？我初步畫了一張沒有細調的圖表。
如下圖所示，坡度圖能夠很有效地呈現排名的變化，我們先看左邊，很快就能知道問卷票選的名次中，小美、A-Lin、Chi Pu名列前茅，接著順著細線往右看，小美的名次就不在前5了，A-Lin甚至更低，Chi Pu則同樣下滑，一直到Amber直線的斜率才轉正。
不過，這張圖也有不足之處，因為資料點太多，所以呈現上其實有一點太密且亂；此外，因為關注排名，所以讀者無法掌握更精細的資訊：我們知道小美得了最多票，但她跟A-Lin差了多少？她在評審評分落後給劉惜君，差距又是多少？
棒棒糖圖能夠看到顆粒度更精細的資訊，讓讀者知道每個姐姐得票上的差距有多大，但無法清晰地像坡度圖利用斜線的斜率展現出排名上的差異；坡度圖雖然很好懂，但是資料點太多時又顯凌亂，而且不像棒棒圖那樣有明顯的視覺主軸，例如我設定的評審評分排名。
要選擇最前面的長條圖，或者是我最後挑的棒棒糖圖，還是被割愛的坡度圖，要考慮的重點，始終還是請循其本，回到最開始的關鍵問題：你想呈現什麼資訊？考慮清楚之後，再思考每個選項中各自會割捨哪些重點。
最後仿照社群上的發問文，把3位「選手」一次排開，你喜歡哪一張呢？（這樣講話的我，好像也變年輕女孩／男孩了！）
附註：劉惜君跟汪小敏加油，希望你們可以持續地乘風破浪！
