Come creare un density plot da dati in formato CSV o Excel

• Confondere la densità con il conteggio assoluto: l'asse y rappresenta la densità di probabilità stimata; l'area totale sotto la curva è normalmente pari a uno.
• Trascurare la larghezza di banda (bandwidth): la bandwidth controlla il livello di smussamento e può alterare il numero apparente di mode della distribuzione.
• Confrontare gruppi su scale differenti: le trasformazioni matematiche e le unità di misura devono essere rigorosamente coerenti tra i gruppi.
• Utilizzare dataset troppo esigui: una curva perfettamente fluida può suggerire una robustezza statistica superiore a quella effettivamente offerta da un campione ridotto.
• Tagliare le code della distribuzione: troncare l'asse x rischia di celare osservazioni estreme o clinicamente rilevanti.

Quale struttura dati è necessaria?

I dati devono essere organizzati in una tabella in formato "long" (verticale), con una riga per ogni singola osservazione:

Esamina la struttura del CSV per densità singola o del CSV per il confronto tra gruppi. Assicurati di inserire le unità di misura all'esterno delle celle numeriche e di gestire i dati mancanti in modo uniforme.

Passo 1: Valutare l'opportunità dello smoothing

I grafici di densità sono ideali per variabili continue con un numero di osservazioni sufficiente a stimare una distribuzione affidabile. In caso di conteggi discreti con pochi valori possibili, un istogramma, una curva ECDF o un dot plot offrono una rappresentazione più trasparente. Se il campione è limitato, conviene sovrapporre i punti reali o utilizzare il Beeswarm Plot Maker.

Passo 2: Caricare i dati CSV o Excel

Apri il Density Plot Maker, seleziona uno dei dataset dimostrativi oppure carica un file in formato CSV, TSV, TXT, XLSX o XLS. In caso di file Excel, verrà importato il primo foglio di lavoro. Verifica che la colonna delle misurazioni sia riconosciuta come numerica e che i nomi dei gruppi non contengano refusi o varianti ortografiche.

Passo 3: Generare la curva e calibrare la bandwidth

La curva iniziale rappresenta una stima preliminare e non costituisce una prova definitiva della distribuzione reale. È fondamentale confrontare il grafico ottenuto variando la larghezza di banda (bandwidth) verso valori leggermente più bassi e più alti. Le strutture principali della distribuzione devono rimanere interpretabili; i picchi che compaiono solo con impostazioni di smoothing estreme non dovrebbero guidare le conclusioni scientifiche.

Quando si confrontano più curve sovrapposte, utilizza riempimenti semitrasparenti o contorni ben definiti. Evita di inserire un numero di gruppi superiore a quello che la figura può mostrare chiaramente e non affidarti esclusivamente al colore, garantendo la leggibilità anche in caso di stampa in bianco e nero o di lettori con daltonismo.

Passo 4: Aggiungere contesto in SciVis

Prosegui con la personalizzazione in SciVis per modificare i titoli degli assi, le etichette dei gruppi, la palette cromatica, le annotazioni e il layout generale. L'aggiunta di un rug plot o di un istogramma sottostante consente di mostrare la reale collocazione delle osservazioni, aiutando il lettore a distinguere un picco reale da un semplice artefatto dello smoothing.

Documenta sempre le eventuali trasformazioni logaritmiche ed escludi le misure non valide attraverso una fase di cleaning riproducibile a monte, evitando di eliminare punti scomodi direttamente dall'editor grafico.

Come interpretare un density plot

L'asse x mostra il valore misurato, mentre l'altezza della curva indica la concentrazione relativa delle osservazioni attorno a quel valore. Consente di confrontare posizione, dispersione, asimmetria e code dei diversi gruppi. Poiché le curve di densità sono normalizzate, due curve con la stessa altezza massima non indicano necessariamente che i rispettivi gruppi abbiano la stessa numerosità campionaria.

L'area compresa tra due valori sull'asse x rappresenta una proporzione stimata solo se la densità è stata normalizzata correttamente e se i presupposti del modello teorico sono soddisfatti.

Density plot, istogramma, ECDF o violin plot?

• Scegli l'Histogram Maker quando è fondamentale mostrare i conteggi effettivi all'interno degli intervalli (bin).
• Scegli l'ECDF Plot Generator per visualizzare la distribuzione empirica cumulata senza dover selezionare una bandwidth.
• Scegli il Violin Plot Maker per confrontare in modo compatto le distribuzioni di molteplici gruppi affiancati.
• Scegli il density plot quando l'obiettivo principale è mostrare la fluidità della distribuzione e confrontare gruppi sovrapposti.

Domande frequenti (FAQ)

È possibile creare un density plot senza usare Python o R?

Sì. È sufficiente caricare le osservazioni nel Density Plot Maker, generare il grafico e rifinire i dettagli visivi all'interno di SciVis.

Cosa rappresenta l'asse y?

Rappresenta la densità di probabilità stimata, non il numero di campioni. I valori di densità possono superare l'unità quando l'intervallo dell'asse x è molto stretto; il parametro chiave è l'area totale sotto la curva normalizzata.

Come si sceglie la bandwidth ideale?

Si consiglia di partire dal valore calcolato automaticamente dall'algoritmo, esplorare i valori adiacenti e selezionare un'impostazione che evidenzi le strutture stabili del dataset senza assecondare il rumore di fondo. Se la forma della distribuzione è cruciale per la tesi scientifica, è opportuno indicare il metodo di smoothing utilizzato.

Si possono confrontare curve di densità di gruppi con numerosità diverse?

Sì, le curve normalizzate permettono di confrontare i profili delle distribuzioni, ma nascondono le differenze nella dimensione dei campioni. È buona norma riportare la numerosità dei gruppi ($n$) o mostrare i dati grezzi se questo contesto è rilevante per l'interpretazione.

Crea la tua figura

Inizia a configurare il tuo grafico con il Density Plot Maker, verifica la coerenza della curva rispetto ai dati reali e consulta la nostra guida alla visualizzazione dei dati scientifici per valutare opzioni alternative qualora lo smoothing non fosse indicato per il tuo dataset.