Während Korrelations-Heatmaps einen Überblick über lineare Zusammenhänge zwischen Variablen bieten, eignen sie sich nicht zur Identifikation nichtlinearer Beziehungen. In solchen Fällen sind Streudiagramme hilfreicher.

Warum Streudiagramme verwenden?

Streudiagramme sind eine einfache, aber leistungsstarke Methode, um die Beziehung zwischen zwei numerischen Variablen zu visualisieren. Sie ermöglichen das Erkennen sowohl linearer als auch nichtlinearer Trends, das Hervorheben von Ausreißern oder Anomalien und bieten tiefere Einblicke in Zusammenhänge, die in einer Korrelations-Heatmap nur abstrakt erscheinen. Durch das Plotten einzelner Datenpunkte vermitteln Streudiagramme einen klaren und intuitiven Überblick darüber, wie Variablen miteinander interagieren.

Beispiel: Selling Price vs. Max Power

Ein Streudiagramm kann verwendet werden, um zu untersuchen, wie die Leistung eines Autos dessen Marktwert beeinflusst. In diesem Fall stellt die x-Achse die maximale Leistung dar, während die y-Achse den Verkaufspreis abbildet.

ggplot(data = df, aes(x = max_power, y = selling_price)) +
  geom_point() +
  labs(title = "Scatter Plot of Selling Price vs. Max Power",
       x = "Max Power",
       y = "Selling Price")

Diese Visualisierung erleichtert es, zu erkennen, ob ein positiver linearer Zusammenhang besteht, bei dem eine höhere Leistung im Allgemeinen mit einem höheren Verkaufspreis einhergeht.