Sättet som data presenteras på kan ha stor påverkan på vilka slutsatser vi drar, och det finns inte alltid (eller sällan) ett helt ”rätt” sätt att göra. En kliché är till exempel att y-axeln på grafer alltid ska börja på noll. Och visst kan man luras med kapade y-axlar, och få små variationer att se stora ut. Men om man till exempel ska rita ut en patients kroppstemperatur över tid är det knappast relevant att låta grafens skala gå ner till 0. Ingen levande patient kommer ha så låga kroppstemperaturer, och den stora skalan gör att viktiga variationer (som till exempel mellan 37 och 40) knappt syns.
Inte minst gäller det när man försöker visa geografisk information. Donald Trump gillade till exempel att visa en karta över presidentvalet 2016, som var mestadels röd (republikanernas färg). Problemet är att de röda staterna mestadels är väldigt glesbefolkade, medan de blå och till synes små staterna är mer tättbefolkade. Att bara visa kartan rätt upp och ner ger inte en bra bild av utfallet.
Därför kan det vara bra att experimentera med olika varianter. Även om ingen enskild graf eller karta kan fånga alla aspekter kan de tillsammans ge lite olika perspektiv. Jag har provat några alternativ för att visa resultatet av riksdagsvalet 2018. Här är först en ”vanlig” karta som visar vilket parti som var störst i varje valdistrikt (med sedvanliga färger för partierna). Ett valdistrikt brukar innehålla mellan 1000 och 2000 väljare. Klicka för att förstora bilderna!
Mest rött (Socialdemokraterna) och gult (Sverigedemokraterna), och lite blått (Moderaterna) längs kusterna. Utifrån arean ser det ut som att Socialdemokraterna vunnit en förkrossande majoritet, men det bor som bekant inte så många människor i den övre halvan. Men även om man vet det dras ögat lätt till det stora röda. I nästa ”karta” har jag istället gjort alla kommuner lika stora, och ritat ut dem i ett rutmönster. Kommunerna är ordnade efter differensen mellan de tidigare blocken, så att kommuner där de borgerliga partierna har stor övervikt kommer först, och kommuner där vänsterpartierna dominerar kommer sist.
Här ser man att det ändå finns några blåa kommuner. Men problemet är inte löst, eftersom Stockholm med sina närmare miljonen invånare är lika stort som Dorotea, som bara har några tusen. I nästa karta har jag därför försökt skala om kommunerna i förhållande till sin befolkning. Tanken är att ytan som varje kommun tar upp ska stå i proportion till andelen av befolkningen. Det stämmer inte riktigt eftersom kommunerna inte har regelbundna former, men blir i alla fall lite bättre. Nu dras ögat först till de stora kommunerna.
Återigen försvinner dock de små och tättbefolkade områdena i Stockholm. På Norrmalm, Östermalm och Gamla Stan finns över 90 distrikt. För den sista varianten har jag därför gjort alla enskilda distrikt lika stora, ordnade efter skillnaden i röststöd för de gamla blocken. Nu får man en ganska bra bild av antalet distrikt som domineras av de olika parterna, men det framgår inte var de ligger eller vilka distrikt det är. Mer roligt än informativt kanske!
Ett problem med alla de här kartorna är dessutom att de bara visar det största partiet. Stödet för Liberalerna, Centerpartiet, Miljöpartiet, Kristdemokraterna och Vänsterpartiet går inte att bedöma på något bra sätt. Om man istället jobbar med färger i olika nyanser blir det svårt att se skillnader. Och så vidare och så vidare.
Kontentan är att det är bra att experimentera med olika sätt att titta på en och samma datamängd. Ibland får man nya tankar av nya visualiseringar. Bara man kommer ihåg att varje sätt lyfter fram en aspekt och döljer andra.