La visualisation des résultats de la norme OCDE 301, qui concerne la dégradabilité des substances chimiques, peut être effectuée par trois types de graphiques qui me semblaient pertinents pour cette tâche : le line plot, le box plot et la heatmap. J’ai classé ces graphiques selon leurs capacités à exposer un grand nombre d’échantillon, et inversement selon leurs potentiels à entrer dans le détail des mesures.
Vous pouvez interagir avec tous les graphiques.
Box Plot (Graphique en boîte à moustaches) :
Le box plot est un graphique idéal pour explorer la distribution de la mesure de dégradabilité à différents moments. Il offre une vue synthétique des mesures de dégradabilité, en montrant les quartiles, les valeurs médianes et les éventuels outliers. Cela permet d’identifier la variabilité des mesures et d’observer si certains échantillons ont présenté au cours de l’essai des variations importantes.
Le nombre d’échantillon reste limité, mais cette visualisation permet une exploration approfondie des essais et la détection d’éventuelles erreurs d’un coup d’œil.
Line Plot (Graphique en ligne) :
Le line plot est un outil fondamental pour représenter l’évolution temporelle de la dégradabilité des substances. Il trace la dégradabilité en fonction du temps, montrant comment elle évolue au fil des jours. Cette visualisation permet d’identifier les tendances de dégradation, les variations et les points saillants temporels.
Le nombre d’échantillon visualisable est potentiellement infini, mais devient vite illisible dans les faits. Une barre de dialogue permettant de sélectionner les échantillons facilite les comparaisons.
Heatmap (Carte thermique) :
La heatmap est un outil puissant pour visualiser la dégradabilité de multiples échantillons sur une échelle de temps. Elle affiche la dégradabilité de chaque échantillon en fonction du temps sous forme de couleurs, où les nuances plus foncées représentent une dégradation plus rapide et les nuances plus claires une dégradation plus lente. Cette représentation permet de détecter des tendances globales, des clusters d’échantillons similaires et de mettre en évidence les conditions temporelles optimales pour la dégradation.
Cette représentation élégante peut être utilisée pour un grand nombre d’échantillons, dans le cas de rapports clients par exemple.