막대 차트

막대 차트 또는 막대 그래프는 범주형 데이터를 직사각형 막대로 나타내며, 막대의 높이나 길이가 표현하는 값에 비례하는 차트 또는 그래프이다. 막대는 수직 또는 수평으로 그릴 수 있다. 수직 막대 차트는 때때로 컬럼 차트라고도 하며, 차트의 원형으로 알려져 있다.[^2]
막대 그래프는 이산적인 범주 간의 비교를 보여준다. 차트의 한 축은 비교 대상인 특정 범주를 나타내고, 다른 축은 측정된 값을 나타낸다. 일부 막대 그래프는 둘 이상의 그룹으로 묶이거나 쌓인 막대를 제시하여 둘 이상의 측정 변수 값을 보여준다.
역사
많은 자료에서 윌리엄 플레이페어(1759–1824)가 막대 차트를 발명한 것으로 보고 있으며, 그의 저서 상업 및 정치 지도서에 수록된 1780년 크리스마스부터 1781년 크리스마스까지 1년간 스코틀랜드의 각 지역별 수출입 그래프가 역사상 최초의 막대 차트로 여겨진다. 약 300년 전에 형상의 위도(The Latitude of Forms, 야코부스 데 상크토 마르티노 또는 니콜 오렘의 저작으로 추정됨)[^3]에 발표된 등가속 물체의 시간에 대한 속도 도표는 "원시 막대 차트"로 해석될 수 있다.[^4][^5]
용도
막대 그래프/차트는 범주형 데이터를 시각적으로 표현한다.[^1] 범주형 데이터는 연도의 월, 연령대, 신발 크기, 동물 등과 같은 이산적 그룹으로 데이터를 분류한 것이다. 이러한 범주는 대개 정성적이다. 세로(수직) 막대 차트에서는 범주가 가로축을 따라 나타나며, 막대의 높이가 각 범주의 값에 해당한다.
막대 차트는 이산적인 범주 영역을 가지며, 일반적으로 모든 데이터가 차트에 들어갈 수 있도록 축척이 조정된다. 비교하는 범주에 자연스러운 순서가 없을 경우, 차트의 막대는 어떤 순서로든 배치할 수 있다. 발생 빈도가 높은 것부터 낮은 순으로 배열된 막대 차트를 파레토 차트라 한다.
많은 경우 데이터 값을 나타내는 끝의 반대쪽 막대 끝에서 0을 기준값으로 사용하는 것이 올바른 것으로 간주되는데, 0이 아닌 값을 사용하면 상대적으로 비슷한 값들의 막대 길이가 기만적으로 달라 보일 수 있기 때문이다. 그러나 때로는 이러한 접근 방식이 적절하지 않거나 실현 불가능한 경우도 있는데, 예를 들어 섭씨나 화씨 온도에서는 0이 다소 임의적인 값이며, 로그 차트에서는 ""이 무한히 멀리 위치하게 되는 경우가 그렇다.
그룹형(묶음형) 및 누적형
막대 그래프는 그룹형(또는 "묶음형") 막대 차트와 누적형 막대 차트를 사용하여 더 복잡한 데이터 비교에도 활용될 수 있다.[^1]
그룹형(묶음형) 막대 차트에서는 각 범주 그룹에 대해 특정 그룹을 나타내는 색상으로 구분된 두 개 이상의 막대가 있다. 예를 들어, 두 개의 매장을 운영하는 사업주는 각 매장을 나타내는 서로 다른 색상의 막대로 그룹형 막대 차트를 만들 수 있다. 이때 가로축은 연도의 월을, 세로축은 매출을 나타낸다.
![Six representations, based on bars, of the relationship between survivorship and class on the RMS [Titanic .]]
한편, 누적형 막대 차트(** 복합 막대 차트**라고도 함)는 막대를 서로 위에 쌓아 올려 결과적인 스택의 높이가 합산된 결과를 보여준다. 각 요소가 자체 막대로 다른 요소 옆에 표시되는 그룹형 막대 차트와 달리, 누적형 막대 차트는 여러 데이터 포인트를 하나의 행이나 열에 쌓아서 표시한다. 예를 들어, 균일한 높이의 막대로 시계열을 표시하면서 내부에 쌓인 색상으로 하위 유형 데이터의 백분율 참여도를 나타내는 형태를 취할 수 있다. 또 다른 예로는 총 수치를 표시하는 시계열에서 내부 색상이 하위 유형별 총계 기여도를 나타내는 것이 있다. 누적형 막대 차트는 양수와 음수 값이 모두 있는 데이터 집합에는 적합하지 않다.
그룹형 막대 차트는 대개 각 그룹에서 정보를 동일한 순서로 제시한다. 누적형 막대 차트는 각 막대에서 동일한 순서로 정보를 제시한다.
가변 폭형(배리와이드)

가변 폭 막대 차트는 때때로 배리와이드(막대) 차트로 줄여 부르며, 막대의 폭이 균일하지 않은 막대 차트이다. 일반적으로:
- 막대는 관련된 쌍의 산술적 곱인 면적 A를 가진 각각의 직사각형으로 수량을 나타낸다. ** 세로축 수량(A/X)과 ** 가로축 수량(X).
- 산술적으로, 각 막대(직사각형)의 면적은 양 변 길이의 곱으로 결정된다: :*(A/X)X = 면적 A(각 막대에 대해) 의도된 용도에 따라 세로축과 가로축의 역할이 바뀔 수 있다.
가변 폭 막대 차트의 예시는 위키미디어 공용에서 확인할 수 있다.
같이 보기
- 데이터 및 정보 시각화
- MS 파워포인트 등 오피스 제품군에서 사용되는 확장 메타파일 형식
- 히스토그램, 유사한 외형 – 연속 데이터용
- 오해를 유발하는 그래프
- 진행 표시줄
- 위키백과에 막대 그래프를 포함하려면 Extension:EasyTimeline을 참조.
외부 링크
참고 문헌
[^1]: Kelley, W. M.; Donnelly, R. A. (2009) ''거대한 통계 문제집''. New York, NY: Alpha Books ISBN 1592578659
[^2]: 데이터 그래프에서의 전형성 효과
[^3]: Clagett, Marshall. 니콜 오렘과 중세의 질과 운동의 기하학. Univ. of Wisconsin Press. (1968)
[^4]: Beniger, James R.. 통계에서의 정량적 그래픽: 간략한 역사. Taylor & Francis, Ltd.
[^5]: Der, Geoff. SAS ODS를 이용한 통계 그래픽 핸드북. Chapman and Hall - CRC
관련 인사이트

로봇은 왜 볼트를 떨어뜨리는가 — Physical AI가 공장에 필요한 진짜 이유
AI가 데이터 패턴만 외우는 시대는 끝나고 있다. 물리 법칙을 이해하는 Physical AI가 제조 현장에 왜 필요한지, KAIST 교수와 자동차 부품 공장 팀장이 볼트 하나를 놓고 이야기한다.

디지털 트윈, 당신 공장엔 이미 있다 — 엑셀과 MES 사이 어딘가에
디지털 트윈은 10억짜리 3D 시뮬레이션이 아니다. 지금 쓰고 있는 엑셀에 좋은 질문 하나를 더하는 것 — 두 전문가가 중소 제조기업이 이미 가진 데이터로 예측하는 공장을 만드는 현실적 로드맵을 제시한다.

공장의 뇌는 어떻게 생겼는가 — 제조운영 AI 아키텍처 해부
지식관리, 업무자동화, 의사결정지원 — 따로 보면 다 있던 것들입니다. 제조 AI의 진짜 차이는 이 셋이 순환하면서 '우리 공장만의 지능'을 만든다는 데 있습니다.