Visualizzazione di tre informazioni su un grafico

Nota: ora sono collegati 50 punti di dati non elaborati.

Voglio mostrare quanto studio ho fatto e quante pagine ho completato durante la settimana, suddivise per giorno, e l'ho fatto come mostrato di seguito:

Ho avuto persone che mi dicevano che non potevano capire i grafici, ma non ho idea di come altrimenti potrei visualizzarli. Dal momento che avrei essenzialmente bisogno di tre dimensioni senza fare una rappresentazione cumulativa. Voglio evitare di usare numerosi grafici a linee, poiché dopo alcune settimane i grafici diventeranno illeggibili. Non c'è niente che io possa fare?

Come posso visualizzarli più chiaramente?

Date        Total   Total pages
21/11/2014  2.4166   0
22/11/2014  0        0
23/11/2014  1.5833   4
24/11/2014  3.0166  13
25/11/2014  2.4999   6
26/11/2014  1.4833   3
27/11/2014  3.0499   6
28/11/2014  0        0
29/11/2014  2.4499   5
30/11/2014  2.8833   2
 1/12/2014  0        0
 2/12/2014  4.1166   8
 3/12/2014  1.3333   5
 4/12/2014  1.2499   3
 5/12/2014  1.6666   8
 6/12/2014  0        0
 7/12/2014  2.4833   9
29/12/2014  0        0
30/12/2014  1.2332   1
31/12/2014  0.3333   0
 1/01/2015  3.5666   2
 2/01/2015  0.8166   0
 3/01/2015  2.75    28
 4/01/2015  0.4166   0
 5/01/2015  1.2833   0
 6/01/2015  0.3333   3
 7/01/2015  0        0
 8/01/2015  0        0
 9/01/2015  2.35     2
10/01/2015  0.5666   0
11/01/2015  0        0
12/01/2015  1.6666   0
13/01/2015  2.2666   5
14/01/2015  2.5165   6
15/01/2015  2.0166   0
16/01/2015  2.9666   1
17/01/2015  0.8333   0
18/01/2015  0.6666   1
19/01/2015  1.45     0
20/01/2015  0.3166   0
21/01/2015  0        0
22/01/2015  0.2333   0
23/01/2015  0.85     2
24/01/2015  0        0
25/01/2015  0        0
26/01/2015  0.6666   4
27/01/2015  0.8333   1
28/01/2015  1.5498   5
29/01/2015  6.4159   9
30/01/2015  2.9166   0

Un modo per visualizzare i dati basati su data / calendario è tramite un display a matrice che codifica i dati con il colore. La matrice (o tabella) è organizzata in modo tale che le righe rappresentino le settimane e la colonna i giorni. È possibile aggiungere una colonna finale per il totale settimanale se ciò è desiderabile.

Questo può essere implementato in qualche modo semplicemente in Excel con formattazione condizionale se i dati sono disposti correttamente. In particolare, è possibile creare una "griglia" di valori con formule che ricercano i dati originali. Da lì, è possibile utilizzare la formattazione condizionale per visualizzare il risultato.

Ecco come potrebbe apparire il risultato. Spiacente, ho cambiato il formato della data. La formula nella cella H1 è: "=IFERROR(VLOOKUP($G$1+$G6*7+H$5, $B$5:$C$16,2,FALSE), 0)". Sta facendo un po 'di matematica per ottenere i giorni nell'ordine giusto. Spero sia semplice.

Se stai davvero cercando di spingere la busta, puoi usare un framework come d3 e il suo plugin del calendario per visualizzare questi dati. Potrebbe essere più un'impresa di quanto non valga la pena.

Questo formato è molto simile a come GitHub mostra l'attività / i contributi degli utenti nel tempo. Ecco un utente (non io!).

La caratteristica principale dell'originale sono le somme settimanali. I singoli valori sono significativi solo dopo aver appreso i colori e immagino che sia un grande motivo per cui la trama non funziona per i nuovi spettatori. In relazione a ciò, l'aspetto temporale dei giorni è perso. Un set sequenziale di colori può aiutare (ad esempio, 7 tonalità di blu).

Normalmente non mi interessa etichettare ogni articolo: i valori esatti sono così importanti? Il grafico non sta facendo il suo lavoro se non puoi interpretarlo senza ogni valore etichettato.

Alla mia prova . Data l'apparente importanza delle somme settimanali, ho tracciato le somme cumulative settimanali. Mostra le somme settimanali e i giorni nell'ordine temporale. I valori del giorno esatto sono meno chiari, ma i valori anomali resteranno comunque evidenti.

Per questi tipi di grafici a linee piccole (che potrebbero essere ridotti alle dimensioni della sparkline ) è utile disporre di una linea o un'area di riferimento. A titolo illustrativo, ho aggiunto un intervallo target. Se un obiettivo non è appropriato, allora il riferimento potrebbe essere qualcosa come l'intervallo nelle ultime tre settimane o un valore di riferimento fisso.

Ho usato il rosso per indicare quali settimane erano al di sotto del target per la scansione rapida.

Con molte più settimane, potresti organizzarle in una griglia anziché in un elenco verticale.

Se ti capisco correttamente, la ragione per cui non vuoi usare i grafici a linee è che hai troppe settimane e che i grafici diventerebbero confusi.

Se questo è il problema, puoi dividere le serie temporali in componenti:

Variazione giornaliera

Variazione settimanale

Tendenza a lungo termine

Qualunque altra cosa.

William S. Cleveland ne mostra un bell'esempio in uno dei suoi libri (non sono nel mio ufficio e non riesco a ricordare quale dei suoi libri ha l'esempio ma si tratta di visualizzare i dati o gli elementi dei dati grafici ).

Sia R che SAS hanno gli strumenti per farlo. Hai accesso a uno di loro?

Per prima cosa esporrò alcune obiezioni ai tuoi grafici a barre originali impilati o divisi.

un. La codifica a colori appare completamente arbitraria. Quindi il grafico non può essere studiato senza andare avanti e indietro ripetutamente tra legenda e grafico.

b. Gli zeri sono impliciti, come segmenti di barra invisibili. Gli zeri fanno parte della variazione.

Per questi e altri motivi, i grafici sono difficili da decodificare.

Detto questo, il grafico ha valore se l'interesse è principalmente nello studio della variazione dei totali di settimana in settimana. Molte settimane potrebbero essere tracciate come tante barre. Il rovescio della medaglia corrispondente è che sarebbe sempre più difficile studiare le variazioni in poche settimane.

Backup: ci sono tre variabili qui in ogni problema.

1. Tempo studiato o pagine complete.

2. Giorno della settimana.

3. Numero della settimana.

All'aumentare del numero di settimane, ogni grafico sarà più dettagliato. La sfida è tenere sotto controllo quel dettaglio.

Vorrei prendere in considerazione una trama del ciclo (altri nomi sono stati usati in letteratura, ma la maggior parte si riferisce al suo uso per osservare le variazioni stagionali). Vi è una presentazione lucida qui di Naomi Robbins. I suoi esempi includono quelli come i tuoi in cui l'interesse è nelle variazioni entro e tra le settimane.

I grafici a linee sarebbero probabilmente più facili da interpretare se prendessi una media mobile di sette, quattordici o forse 28 giorni. Ciò li livellerebbe e ti consentirebbe comunque di individuare le tendenze.

Questo ha alcune somiglianze con la soluzione di Peter Flom, anche se è piuttosto più semplice e quindi non racconta un'immagine altrettanto completa - ma potrebbe benissimo essere sufficiente per le tue esigenze. Se stai registrando i tuoi dati in un foglio di calcolo, ha il vantaggio che tale media può essere facilmente eseguita all'interno del foglio di calcolo stesso impostando alcune formule e il grafico si aggiornerà automaticamente mentre inserisci i nuovi dati.

Aggiornamento per includere grafici

Il grafico del foglio di calcolo per le medie variabili di sette giorni non è spettacolare, ma sembra fare bene il suo lavoro - la variazione giornaliera viene smussata in modo che le tendenze siano più facili da rilevare (rispetto al grafico giornaliero equivalente che è così rumoroso da essere incomprensibile). Alcune caratteristiche chiave sono individuate bene da questa trama: ad esempio, una grande quantità di lavoro è stata fatta a metà gennaio, in termini orari, ma ciò non è stato accompagnato da un aumento proporzionale delle pagine medie completate al giorno. La pausa natalizia è molto visibile e fintanto che i singoli punti dati sono tracciati in modo chiaro, non è troppo fuorviante (se fosse visibile solo la linea, sarebbe impossibile determinare che il periodo piatto fosse dovuto alla mancanza di dati!). Tuttavia, consiglio vivamente di includere$\approx 1.5$

Con solo cinquanta voci di dati, non è sembrato degno provare la media per un periodo di tempo più lungo per rilevare le tendenze a più lungo termine. Allo stesso modo, ho il sospetto che l'eccellente idea di decomposizione stagionale di Peter Flom avrebbe difficoltà con dati così limitati. Se dovessi eseguire la decomposizione nel tuo foglio di calcolo, sarebbe ancora più importante includere l'interruzione come zero dati.

Per riprodurre le mie formule, incollalo in modo che 'Data' sia nella cella A1:

Date    Hours   Pages   7-day rolling hours 7-day rolling pages
25/11/14    2.4999  6       
26/11/14    1.4833  3       
27/11/14    3.0499  6       
28/11/14    0   0       
29/11/14    2.4499  5       
30/11/14    2.8833  2       
01/12/14    0   0   =AVERAGE(B2:B8) =AVERAGE(C2:C8)
02/12/14    4.1166  8   =AVERAGE(B3:B9) =AVERAGE(C3:C9)
03/12/14    1.3333  5   =AVERAGE(B4:B10)    =AVERAGE(C4:C10)
04/12/14    1.2499  3   =AVERAGE(B5:B11)    =AVERAGE(C5:C11)
05/12/14    1.6666  8   =AVERAGE(B6:B12)    =AVERAGE(C6:C12)
06/12/14    0   0   =AVERAGE(B7:B13)    =AVERAGE(C7:C13)
07/12/14    2.4833  9   =AVERAGE(B8:B14)    =AVERAGE(C8:C14)
29/12/14    0   0   =AVERAGE(B9:B15)    =AVERAGE(C9:C15)
30/12/14    1.2332  1   =AVERAGE(B10:B16)   =AVERAGE(C10:C16)
31/12/14    0.3333  0   =AVERAGE(B11:B17)   =AVERAGE(C11:C17)
01/01/15    3.5666  2   =AVERAGE(B12:B18)   =AVERAGE(C12:C18)
02/01/15    0.8166  0   =AVERAGE(B13:B19)   =AVERAGE(C13:C19)
03/01/15    2.75    28  =AVERAGE(B14:B20)   =AVERAGE(C14:C20)
04/01/15    0.4166  0   =AVERAGE(B15:B21)   =AVERAGE(C15:C21)
05/01/15    1.2833  0   =AVERAGE(B16:B22)   =AVERAGE(C16:C22)
06/01/15    0.3333  3   =AVERAGE(B17:B23)   =AVERAGE(C17:C23)
07/01/15    0   0   =AVERAGE(B18:B24)   =AVERAGE(C18:C24)
08/01/15    0   0   =AVERAGE(B19:B25)   =AVERAGE(C19:C25)
09/01/15    2.35    2   =AVERAGE(B20:B26)   =AVERAGE(C20:C26)
10/01/15    0.5666  0   =AVERAGE(B21:B27)   =AVERAGE(C21:C27)
11/01/15    0   0   =AVERAGE(B22:B28)   =AVERAGE(C22:C28)
12/01/15    1.6666  0   =AVERAGE(B23:B29)   =AVERAGE(C23:C29)
13/01/15    2.2666  5   =AVERAGE(B24:B30)   =AVERAGE(C24:C30)
14/01/15    2.5165  6   =AVERAGE(B25:B31)   =AVERAGE(C25:C31)
15/01/15    2.0166  0   =AVERAGE(B26:B32)   =AVERAGE(C26:C32)
16/01/15    2.9666  1   =AVERAGE(B27:B33)   =AVERAGE(C27:C33)
17/01/15    0.8333  0   =AVERAGE(B28:B34)   =AVERAGE(C28:C34)
18/01/15    0.6666  1   =AVERAGE(B29:B35)   =AVERAGE(C29:C35)
19/01/15    1.45    0   =AVERAGE(B30:B36)   =AVERAGE(C30:C36)
20/01/15    0.3166  0   =AVERAGE(B31:B37)   =AVERAGE(C31:C37)
21/01/15    0   0   =AVERAGE(B32:B38)   =AVERAGE(C32:C38)
22/01/15    0.2333  0   =AVERAGE(B33:B39)   =AVERAGE(C33:C39)
23/01/15    0.85    2   =AVERAGE(B34:B40)   =AVERAGE(C34:C40)
24/01/15    0   0   =AVERAGE(B35:B41)   =AVERAGE(C35:C41)
25/01/15    0   0   =AVERAGE(B36:B42)   =AVERAGE(C36:C42)
26/01/15    0.6666  4   =AVERAGE(B37:B43)   =AVERAGE(C37:C43)
27/01/15    0.8333  1   =AVERAGE(B38:B44)   =AVERAGE(C38:C44)
28/01/15    1.5498  5   =AVERAGE(B39:B45)   =AVERAGE(C39:C45)
29/01/15    6.4159  9   =AVERAGE(B40:B46)   =AVERAGE(C40:C46)
30/01/15    2.9166  0   =AVERAGE(B41:B47)   =AVERAGE(C41:C47)

Se capisco la tua domanda, sarebbe possibile visualizzare ore e pagine separatamente. Lo farò prima io. Successivamente, visualizzerò Totale e Pagine in un grafico. Immagino che i numeri reali non siano la cosa più importante: è più importante avere una panoramica delle settimane e dei giorni feriali, che sono stati produttivi e quali no. In tal caso, ti suggerisco di mantenere la struttura temporale naturale poiché in realtà esiste solo una dimensione temporale nei tuoi dati. Possiamo ancora trovare un modo per delimitare le settimane.

Ho usato il seguente codice R e il pacchetto ggplot2 per produrre questa prima trama. I tuoi dati sono stati caricati nei dati oggetto nel codice seguente. La trama è una trama a barre raggruppate, con le barre grigie che indicano somme settimanali di pagine.

data <- rbind(data.frame(Date = c("17/11/2014", "18/11/2014", "19/11/2014", "20/11/2014"),
                         Total = rep(0, 4),
                         Pages = rep(0, 4)), 
              data,
              data.frame(Date = c("31/01/2015", "01/02/2015"),
                         Total = c(0, 0),
                         Pages = c(0, 0)))

n <- dim(data)[1]

data$Date <- as.Date(data$Date, format = "%d/%m/%Y")
data$weekday <- factor(rep(c("Monday", "Tuesday", "Wednesday", "Thursday",
                             "Friday", "Saturday", "Sunday"), length.out = n))
data$weekday <- factor(data$weekday, levels(data$weekday)[c(2,6,7,5,1,3,4)])
data$week <- factor(rep(seq(from = 0, to = ceiling(((n - 3)/7))), 
                        each = 7, length.out = n))

ggplot(data = data, aes(x = week, y = Pages)) + 
  geom_bar(aes(fill = weekday), stat = "identity", position = "dodge") + 
  labs(fill = NULL) + xlab(NULL) + ylab("Number of pages") + 
  geom_bar(stat = "identity", alpha = 0.2) + theme(panel.background = element_blank()) +
  scale_x_discrete(labels = paste("Week", seq(from = 0, to = 7)))

Questo chiaramente non è perfetto. Le barre grigie dominano molto in quanto rispetto a una barra del giorno hanno un'area più grande per la stessa quantità di lettura. Potremmo renderli più sottili, ma mi piace il modo in cui delimitano le settimane. Indicano abbastanza bene quali giorni sono nella stessa settimana - qualcosa che altrimenti non sarebbe necessariamente comprensibile. Soprattutto perché abbiamo zero conteggi.

Nella trama successiva, ho usato il numero medio di pagine (entro una settimana) come altezza della barra grigia.

Questo probabilmente rappresenta i dati migliori. Tuttavia, nota che le settimane 0 e 7 sono fuorvianti perché non includevano 7 giorni. Potresti facilmente aggirare questo.

Se si insiste sulla visualizzazione simultanea di pagine e tempo, è possibile eseguire un grafico a barre back-to-back. Potrebbe essere un po 'confuso poiché le due scale verticali non sono uguali. D'altra parte, potrebbe essere utile confrontare il tempo trascorso e il lavoro svolto direttamente in questo modo.

EDIT: Rendendosi conto che i colori non sono davvero necessari e ispirati da xan (vedi i commenti qui sotto) potresti semplificare la trama in qualcosa del genere. Ho segnato giovedì per dare una guida visiva aggiuntiva. Potresti anche argomentare a favore dell'uso dello stesso colore per tutte le barre per non enfatizzare alcuni giorni (arbitrari).

In una nota finale, puoi anche provare a ridimensionare gli assi in modo diverso dividendo i valori per il valore medio. Ciò renderebbe 1 un valore "normale". Potremmo includere una linea a 1 per enfatizzare questo punto - ora fatto sulla trama back-to-back. Ciò separa i giorni "buoni" da "cattivi" in termini di carico di lavoro medio.

Su questo diagramma potremmo anche assicurarci che un'unità corrisponda alla stessa distanza su entrambi gli assi poiché sono comparabili ora.

Si noti inoltre che ho incasinato i giorni nella prima versione. Ho corretto il codice e le trame e ora vado a esercitarmi nei sette giorni della settimana.

Il codice che ha prodotto l'ultima trama:

data$normPages <- data$Pages/mean(data$Pages)
data$normTotal <- data$Total/mean(data$Total)

data$weekNormPages <- data$Pages/(7*mean(data$Pages))
data$weekNormTotal <- data$Total/(7*mean(data$Total))

pTop <- ggplot(data = data, aes(x = week)) + geom_bar(aes(linetype = weekday, y = normPages), 
                                                      stat = "identity", position = "dodge", 
                                                      fill = "dodgerblue") + labs(fill = NULL) +
  xlab(NULL) + ylab("Number of pages") + geom_bar(aes(y = weekNormPages), stat = "identity", alpha = 0.3) + 
  theme(panel.background = element_blank(), axis.ticks.length=unit(0,"cm")) + guides(linetype = FALSE) +
  scale_x_discrete(labels = paste("Week", seq(from = 0, to = 7))) + ylab(NULL) + 
  annotate("text", label = "Pages read", x = "1", y = 10) +
  theme(plot.margin = unit(c(1,.5,.1,.8), "cm")) + geom_hline(yintercept = 1)
pTop

pBot <- ggplot(data = data, aes(x = week)) + geom_bar(aes(linetype = weekday, y = normTotal), 
                                                      stat = "identity", position = "dodge", fill = "dodgerblue") + 
  labs(fill = NULL) +
  xlab(NULL) + ylab("Number of hours") + geom_bar(aes(y = weekNormPages), stat = "identity", alpha = 0.3) + 
  theme(panel.background = element_blank(), axis.ticks.length=unit(0,"cm")) + guides(linetype = FALSE) + 
  scale_x_discrete(labels = NULL) + guides(fill = FALSE) + ylab(NULL) + scale_y_reverse() + 
  theme(plot.margin = unit(c(.1,.5,1,.8), "cm")) + 
  annotate("text", label = "Time spent", x = "1", y = 4) + geom_hline(yintercept = 1)
pBot

grid.arrange(pTop, pBot, heights = c(.5, .5), widths = c(0.5, 0.1))

$x$$y$

1. traccia i dati come righe con due settimane come variabili di raggruppamento, in modo da ottenere due righe separate per ogni settimana,
2. oppure utilizza grafici a barre raggruppati in cui per ogni giorno della settimana hai due barre per la settimana 1 e la settimana 2, ognuna con il numero di pagine / ore al giorno.

La trama seguente mostra le ore cumulative di studio e le pagine totali all'interno di ogni settimana usando le linee anziché le barre sovrapposte, il che si spera renderà più facile vedere l'andamento all'interno di ogni settimana e confrontarlo tra le settimane. Ho riempito le settimane mancanti di zeri, ma puoi escluderle se lo desideri. Il Rcodice per l'elaborazione dei dati e la generazione della trama è pubblicato sotto il grafico.

Nell'eseguire i passaggi seguenti, ho prima caricato i dati pubblicati nella domanda in un frame di dati chiamato dat.

library(lubridate)
library(dplyr)
library(reshape2)
library(ggplot2)
library(scales)

# Ordered vector of weekdays
weekdayVec = c("Sunday","Monday", "Tuesday", "Wednesday", "Thursday", "Friday", "Saturday")

# Change column name
names(dat)[2] = "Hours of Study"

# Convert Date to date format
dat$Date = as.Date(dmy(dat$Date))

# Add a weekday variable and order from Sunday to Saturday
dat$Day = weekdays(dat$Date)
dat$Day = factor(dat$Day, levels=weekdayVec)

# Number the weeks from 1 to 11 and convert to a factor
dat$Week = paste("Week", (as.numeric(dat$Date) - as.numeric(dat$Date[3])) %/% 7 + 2)
dat$Week = factor(dat$Week, levels=paste("Week", c(1:11))) 

## Fill in empty dates (so we can show zero pages/hours during weeks 5 and 6 if we want)
dataFill = expand.grid(Week = paste("Week",1:11), Day=weekdayVec)
dat = merge(dataFill, dat, by=c("Week","Day"), all=TRUE)

# Fill in missing dates
dat$Date = as.Date(c(rep(NA,5), seq(as.Date("2014-11-21"),as.Date("2015-01-30"),1), NA))

# Convert missing data to zeros for Hours of Study and Total Pages
dat = dat %>% mutate(`Hours of Study` = ifelse(is.na(`Hours of Study`), 0, `Hours of Study`),
               `Total Pages` = ifelse(is.na(`Total Pages`), 0, `Total Pages`)) 

# Melt data into long format (for facetting in ggplot2)
dat.m = dat %>% melt(id.var=1:3) %>%
  group_by(Week, variable) %>%
  mutate(cumValue = cumsum(value))

# Plot Hours and Pages by date, with separate cumulative 
# curves for each week
ggplot(dat.m %>% group_by(Week, variable) %>% arrange(Week, Day), 
       aes(Date, cumValue, colour=Week, group=Week)) +
  geom_vline(xintercept=as.numeric(seq(as.Date("2014-11-16"), as.Date("2015-02-06"), 7)-0.5), colour="grey70") +
  geom_line(position=position_dodge(width=0.5)) +
  geom_point(size=2.5, position=position_dodge(width=0.5)) +
  facet_grid(variable ~ ., scales="free_y") +
  guides(colour=guide_legend(reverse=TRUE)) + labs(y="",x="") +
  guides(colour=FALSE) +
  scale_x_date(limits=c(as.Date("2014-11-16"),as.Date("2015-01-31")),
               breaks=seq(as.Date("2014-11-16"),as.Date("2015-01-31"), 7)-0.5,
               labels=paste("                  Week",1:11)) +
  theme_grey(base_size=15)

Un'altra opzione è il grafico a bolle, in cui è possibile avere altezza verticale per una variabile e dimensione del punto per l'altra. Sotto, la data (giorno) è orizzontale, le ore studiate sono verticali, le pagine coperte al giorno hanno le dimensioni di una bolla e la settimana è colorata.

Potresti tracciare in 3d. Non ho verificato che il giorno della settimana sia stato calcolato correttamente, ho trovato il miglior angolo di visione, ecc., Ma questo dovrebbe darti l'idea. Ulteriori abbellimenti sono anche possibili. Ad esempio, potrebbe essere meglio collegare i punti con una linea e spostare le linee della griglia in modo che corrispondano a ogni lunedì.

In realtà ciò che sarebbe molto interessante da provare è che ogni griglia della griglia sinistra-destra e su-giù (come mostrato in questo angolo) corrisponda allo stesso giorno della settimana (ad es. Lunedì), quindi posiziona i box box sulle pareti inferiore e posteriore destra all'interno le linee della griglia. I grafici a scatole corrisponderebbero rispettivamente alle ore totali e alle pagine totali per ogni settimana. Sono quasi certo che sarebbe possibile avere a che fare con rgl, ma richiederebbe qualche aggiustamento. Potrebbe valerne la pena. Le trame di violino o trame di fagioli possono essere ancora migliori.

I dati (per l'immissione in R):

dat<-structure(list(Date = structure(c(17L, 19L, 21L, 23L, 25L, 27L, 
29L, 31L, 33L, 38L, 2L, 14L, 36L, 42L, 44L, 46L, 48L, 34L, 39L, 
40L, 1L, 13L, 35L, 41L, 43L, 45L, 47L, 49L, 50L, 3L, 4L, 5L, 
6L, 7L, 8L, 9L, 10L, 11L, 12L, 15L, 16L, 18L, 20L, 22L, 24L, 
26L, 28L, 30L, 32L, 37L), .Label = c("1/1/2015", "1/12/2014", 
"10/1/2015", "11/1/2015", "12/1/2015", "13/01/2015", "14/01/2015", 
"15/01/2015", "16/01/2015", "17/01/2015", "18/01/2015", "19/01/2015", 
"2/1/2015", "2/12/2014", "20/01/2015", "21/01/2015", "21/11/2014", 
"22/01/2015", "22/11/2014", "23/01/2015", "23/11/2014", "24/01/2015", 
"24/11/2014", "25/01/2015", "25/11/2014", "26/01/2015", "26/11/2014", 
"27/01/2015", "27/11/2014", "28/01/2015", "28/11/2014", "29/01/2015", 
"29/11/2014", "29/12/2014", "3/1/2015", "3/12/2014", "30/01/2015", 
"30/11/2014", "30/12/2014", "31/12/2014", "4/1/2015", "4/12/2014", 
"5/1/2015", "5/12/2014", "6/1/2015", "6/12/2014", "7/1/2015", 
"7/12/2014", "8/1/2015", "9/1/2015"), class = "factor"), TotalHours = c(2.4166, 
0, 1.5833, 3.0166, 2.4999, 1.4833, 3.0499, 0, 2.4499, 2.8833, 
0, 4.1166, 1.3333, 1.2499, 1.6666, 0, 2.4833, 0, 1.2332, 0.3333, 
3.5666, 0.8166, 2.75, 0.4166, 1.2833, 0.3333, 0, 0, 2.35, 0.5666, 
0, 1.6666, 2.2666, 2.5165, 2.0166, 2.9666, 0.8333, 0.6666, 1.45, 
0.3166, 0, 0.2333, 0.85, 0, 0, 0.6666, 0.8333, 1.5498, 6.4159, 
2.9166), TotalPages = c(0L, 0L, 4L, 13L, 6L, 3L, 6L, 0L, 5L, 
2L, 0L, 8L, 5L, 3L, 8L, 0L, 9L, 0L, 1L, 0L, 2L, 0L, 28L, 0L, 
0L, 3L, 0L, 0L, 2L, 0L, 0L, 0L, 5L, 6L, 0L, 1L, 0L, 1L, 0L, 0L, 
0L, 0L, 2L, 0L, 0L, 4L, 1L, 5L, 9L, 0L)), .Names = c("Date", 
"TotalHours", "TotalPages"), class = "data.frame", row.names = c(NA, 
-50L))

Crea la trama:

#Get Day of Week
dat<-cbind(weekdays(as.Date(dat[,1], format="%d/%m/%Y")),dat)
colnames(dat)[1]<-"DoW"

#3D Plot
require(rgl)
plot3d(dat[,2],dat[,3],dat[,4],size=15, 
xlab=colnames(dat)[2], ylab=colnames(dat)[3],
zlab=colnames(dat)[4],col=rainbow(7)[as.numeric(dat[,1])])
text3d(x=10, y=6, z=seq(25,15,length=7),levels(dat[,1]),
col=rainbow(7), font=2)
grid3d(side=c("x", "y+", "z"), lwd=1)

Seguire la mappa di calore con il numero della settimana (dell'anno), il giorno della settimana e le sfaccettature per ore e pagine può essere utile:

La rimozione di 2 valori elevati offre migliori gradienti di colore sulla trama:

Anche il seguente diagramma a barre può essere utile.

Mostra chiaramente un periodo di 2 settimane in cui non è stato svolto alcun lavoro.

Il grafico con linee può anche essere utile (le linee non sono disordinate; i punti possono anche essere rimossi, mantenendo solo due linee)

Trasmettono chiaramente le informazioni semplificando la trama per una facile comprensione.