Kim był Jacques Bertin?
Jacques Bertin urodził się w 1918 r. w Maisons-Laffitte pod Paryżem. Studiował geografię i kartografię na Sorbonie (Ruas, 2010; American Association of Geographers [AAG], b.d.). W 1954 r. założył Laboratorium Kartograficzne École pratique des hautes études (EPHE) i stanął na jego czele. Według wspomnienia AAG w 1967 r. objął profesurę na Sorbonie, a w 1972 r. został kierownikiem badań w Centre national de la recherche scientifique (CNRS); kierował też Laboratorium Graficznym École des hautes études en sciences sociales (Ruas, 2010).
Nie był statystykiem z wykształcenia, lecz kartografem, który badał, jak mapa i wykres przekazują informację. W 1999 r. w Ottawie otrzymał Złoty Medal Carla Mannerfelta – najwyższe wyróżnienie Międzynarodowej Asocjacji Kartograficznej (ICA). Zmarł 3 maja 2010 r. w Paryżu (Ruas, 2010).
Najważniejsze pomysły
- „Sémiologie graphique” (1967). Książka o diagramach, sieciach i mapach (Bertin, 1967), wznawiana w 1973 i 1999 r. i przełożona na angielski w 1983 r. jako Semiology of Graphics; Esri Press wznowiła przekład z epilogiem, który Bertin napisał krótko przed śmiercią (Bertin, 2011; Ruas, 2010). Według AAG nowością było oddzielenie samych znaków graficznych od ich własności percepcyjnych.
- Zmienne wizualne. Znak może się różnić położeniem na płaszczyźnie (dwa wymiary) oraz sześcioma zmiennymi „retinalnymi”: rozmiarem, walorem (jasnością), teksturą, kolorem, orientacją i kształtem. Bertin opisał własności każdej z nich w osobnej tabeli i na tej podstawie sformułował reguły konstrukcji i czytelności (Bertin, 2011). Wybór między słupkiem (długość) a kolorem czy kształtem to w gruncie rzeczy wybór zmiennej wizualnej dopasowanej do danych – jakościowych, porządkowych albo ilościowych.
- Trzy funkcje grafiki. Grafika może rejestrować informację, komunikować prosty przekaz albo służyć do jej przetwarzania – szukania struktury w danych (Bertin, 2011). Do tej trzeciej funkcji należą jego macierze.
- Macierz przestawialna. Tabelę zamienia się w obraz, a potem przestawia całe wiersze i kolumny, aż podobne leżą obok siebie. Celem metody było, jak streszczają Perin, Dragicevic i Fekete (2014), uprościć obraz, nie niszcząc informacji. To poprzedniczka dzisiejszej seriacji i porządkowania map cieplnych.
Ciekawostka
Zanim komputery zaczęły przestawiać wiersze tabel, Bertin robił to mechanicznie. Jak opisują Perin i współpracownicy (b.d.), w 1968 r. jego zespół zaczął projektować urządzenie do przestawiania macierzy: każda komórka była osobnym plastikowym elementem, a mechanizm prętów pozwalał przesuwać całe wiersze i całe kolumny naraz. Bertin nazywał te macierze „dominami”; powstało pięć wersji (Domino 1–5) o różnych rozmiarach i sposobach kodowania wartości. Urządzenia ulepszano do lat 80., sprzedawano innym francuskim laboratoriom i używano w szkołach.
Pracę zaczynało się od tabeli liczb, którą dzielono na kilka stopni wartości, układano z komórek, a potem przestawiano „okiem malarza”, aż dało się nazwać grupy. Ponieważ oryginały były dostępne tylko w kilku miejscach we Francji, zespół Aviz z Inrii zbudował w 2014 r. drewnianą replikę z 569 domin i ponad 4 tysięcy wyciętych laserem części.
Przykład na danych Bertina
Zbiór Townships z pakietu seriation to – według pliku pomocy – macierz 0/1: dziewięć cech (np. szkoła średnia, stacja kolejowa, weterynarz, brak lekarza) w 16 miejscowościach oznaczonych literami A–P. Według tego samego pliku Bertin użył tych danych w książce z 1981 r., by pokazać, że przestawienie wierszy i kolumn upraszcza obraz. Wierszy i kolumn można ułożyć na 16! · 9! ≈ 7.6 · 1018 sposobów – przestawianie na ślepo nie wchodzi w grę.
Porządek mierzymy liczbą zmian „jest–brak” między sąsiednimi komórkami w wierszach i kolumnach: w kolejności z danych jest ich 130. Kolejność ustalamy metodą średnich wzajemnych (pokrewną analizie korespondencji): miejscowość dostaje średni wynik swoich cech, cecha – średni wynik miejscowości, w których występuje, i tak na zmianę. Po 198 iteracjach wyniki się stabilizują; po posortowaniu zmian jest już tylko 40. Algorytm energii wiązań z pakietu seriation (BEA_TSP) daje 41 zmian i tę samą wartość kryterium energii wiązań (65 zamiast 19 w układzie wyjściowym).
Uporządkowana macierz odsłania trzy typy cech: szkoła średnia, stacja kolejowa i posterunek policji (miejscowości H i K), spółdzielnia rolnicza, weterynarz i scalanie gruntów (C, D, G, L, O i przejściowa B) oraz szkoła jednoklasowa i brak lekarza, czasem także brak wodociągu (pozostałe osiem). Nazwanie tych grup to już interpretacja badacza, nie wynik algorytmu.
Na rysunku
Co widać. Najważniejsze prace przypadają na koniec lat 60.: książka, profesura i początek prac nad mechaniczną macierzą dzielą zaledwie dwa lata.
Na co uważać. Daty stanowisk pochodzą z krótkich wspomnień (ICA, AAG), nie z pełnej biografii; dokładnej daty urodzenia źródła nie podają.
Podpis do pracy:
seriation::Townships: kolejność z danych (A) i po uporządkowaniu metodą średnich wzajemnych (B). Obliczenia i rysunek: R, pakiety seriation, ggplot2 i patchwork (porządkowanie deterministyczne; ziarno 2010 tylko dla porównawczego algorytmu BEA_TSP).Co widać. W panelu A trudno cokolwiek powiedzieć bez czytania komórka po komórce. W panelu B te same niebieskie pola układają się w schodki biegnące po przekątnej – to układ podobny do skalogramu Guttmana, a przerywane linie wyznaczają grupy miejscowości.
Na co uważać. Uporządkowanie nie jest jedyne: miejscowości o identycznych profilach (np. A, E, F, I, M, P) można ustawić w dowolnej kolejności, a inny algorytm (BEA_TSP) daje nieco inny układ. Przy danych ciągłych wynik zależy też od tego, jak podzielisz wartości na stopnie.
Podpis do pracy:
Gdzie spotkasz Bertina w swojej pracy
- Kolejność wierszy i kolumn. W tabeli wyników, mapie cieplnej korelacji czy tabeli krzyżowej porządek alfabetyczny rzadko jest najlepszy. Sortuj według wartości albo podobieństwa (np. kolejność z dendrogramu w analizie skupień), a w opisie podaj, jak ustalono kolejność.
- Dobór zmiennej wizualnej. Ilości najlepiej pokazywać położeniem i długością, kategorie – kształtem albo kolorem; więcej przykładów we wpisie Tabela krzyżowa na wykresie.
- Wiele małych obrazów. Jeden z rozdziałów książki Bertina nosi tytuł „kolekcja map czy permutacja macierzy?” (Bertin, 2011); dziś podobny dylemat rozstrzygamy, wybierając małe wielokrotności albo jedną uporządkowaną tabelę.
- Tradycja. Bertin należy do tej samej linii co Charles Joseph Minard i Otto i Marie Neurathowie, a do tej samej tradycji grafiki statystycznej należą też m.in. Edward Tufte i William S. Cleveland.
Macierz przestawialna Bertina w R
Kod wczytuje dane Townships, liczy zmiany „jest–brak” między sąsiednimi komórkami, porządkuje wiersze i kolumny metodą średnich wzajemnych, porównuje wynik z algorytmem energii wiązań z pakietu seriation i rysuje rysunek 2. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne. Losuje tylko algorytm BEA_TSP (ziarno 2010).
1. Porządkowanie macierzy: rysunek 2
Kod R rysunku 2
# Jacques Bertin: macierz przestawialna – porządkowanie wierszy i kolumn tabeli 0/1 (seriation::Townships)
suppressPackageStartupMessages({library(ggplot2); library(patchwork); library(seriation)})
kol <- c(jest = "#0072B2", brak = "white", ramka = "grey70") # Okabe–Ito (niebieski)
motyw <- theme_minimal(base_size = 13) +
theme(panel.grid = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
data(Townships, package = "seriation")
# 16 miejscowości (A–P) × 9 cech: 1 – cecha występuje, 0 – nie występuje
X <- Townships
colnames(X) <- c("szkoła średnia", "spółdzielnia rolnicza", "stacja kolejowa", "szkoła jednoklasowa",
"weterynarz", "brak lekarza", "brak wodociągu", "posterunek policji", "scalanie gruntów")
dim(X)
colSums(X)
c(mozliwe_uklady = factorial(nrow(X)) * factorial(ncol(X))) # 16! · 9! kolejności wierszy i kolumn
# 1. Miara „porządku”: liczba zmian 0/1 między sąsiednimi komórkami (w wierszach i kolumnach)
przejscia <- function(M) sum(abs(diff(M))) + sum(abs(diff(t(M))))
# 2. Porządkowanie ręcznie: średnie wzajemne (reciprocal averaging)
# wynik wiersza = średnia wyników jego cech; wynik cechy = średnia wyników wierszy, w których występuje
k <- seq_len(ncol(X)) # start: pierwotna kolejność kolumn
for (iteracja in 1:1000) {
w <- as.vector(X %*% k) / rowSums(X) # wyniki wierszy
k_nowe <- as.vector(t(X) %*% w) / colSums(X) # wyniki kolumn
k_nowe <- (k_nowe - mean(k_nowe)) / sd(k_nowe) # standaryzacja, żeby nie zbiegło do stałej
if (max(abs(k_nowe - k)) < 1e-10) break
k <- k_nowe
}
c(iteracje = iteracja)
round(sort(setNames(k, colnames(X))), 2)
wiersze <- order(w); kolumny <- order(k)
X_upo <- X[wiersze, kolumny]
X_upo
# 3. Porównanie: przed i po, oraz algorytm energii wiązań (BEA) z pakietu seriation
set.seed(2010) # BEA_TSP startuje z losowej kolejności
o_bea <- seriate(Townships, method = "BEA_TSP")
X_bea <- permute(Townships, o_bea)
data.frame(uklad = c("pierwotny", "średnie wzajemne", "BEA_TSP (seriation)"),
zmiany_0_1 = c(przejscia(X), przejscia(X_upo), przejscia(X_bea)),
energia_wiazan_ME = c(criterion(Townships, method = "ME"),
criterion(Townships[wiersze, kolumny], method = "ME"),
criterion(X_bea, method = "ME")))
# 4. Rysunek: macierz Bertina przed (A) i po uporządkowaniu (B)
do_ramki <- function(M) {
d <- expand.grid(wiersz = rownames(M), cecha = colnames(M), stringsAsFactors = FALSE)
d$wartosc <- as.vector(M)
d$wiersz <- factor(d$wiersz, levels = rev(rownames(M)))
d$cecha <- factor(d$cecha, levels = colnames(M))
d
}
macierz <- function(M, tytul) {
ggplot(do_ramki(M), aes(cecha, wiersz)) +
geom_tile(aes(fill = factor(wartosc, levels = c(1, 0))), colour = kol[["ramka"]], linewidth = 0.4) +
scale_fill_manual(values = c(`1` = kol[["jest"]], `0` = kol[["brak"]]),
labels = c("cecha występuje", "brak cechy"), name = NULL, drop = FALSE) +
scale_x_discrete(position = "top") +
coord_fixed() +
labs(title = tytul, x = NULL, y = "Miejscowość") +
motyw + theme(axis.text.x.top = element_text(angle = 45, hjust = 0, vjust = 0))
}
pA <- macierz(X, sprintf("A. Kolejność z danych\n%d zmian 0/1", przejscia(X)))
pB <- macierz(X_upo, sprintf("B. Po przestawieniu\n%d zmian 0/1", przejscia(X_upo))) +
geom_hline(yintercept = c(2.5, 8.5, 14.5), linetype = "22", colour = "grey30")
p2 <- pA + pB + plot_layout(guides = "collect") & theme(legend.position = "bottom")
p2Wynik w R
[1] 16 9
szkoła średnia spółdzielnia rolnicza stacja kolejowa
2 6 2
szkoła jednoklasowa weterynarz brak lekarza
9 6 9
brak wodociągu posterunek policji scalanie gruntów
2 3 6
mozliwe_uklady
7.592462e+18
iteracje
198
szkoła średnia stacja kolejowa posterunek policji
-1.34 -1.34 -0.95
spółdzielnia rolnicza weterynarz scalanie gruntów
0.13 0.13 0.13
szkoła jednoklasowa brak lekarza brak wodociągu
1.05 1.05 1.14
szkoła średnia stacja kolejowa posterunek policji spółdzielnia rolnicza
H 1 1 1 0
K 1 1 1 0
C 0 0 1 1
D 0 0 0 1
G 0 0 0 1
L 0 0 0 1
O 0 0 0 1
B 0 0 0 1
A 0 0 0 0
E 0 0 0 0
F 0 0 0 0
I 0 0 0 0
M 0 0 0 0
P 0 0 0 0
J 0 0 0 0
N 0 0 0 0
weterynarz scalanie gruntów szkoła jednoklasowa brak lekarza brak wodociągu
H 0 0 0 0 0
K 0 0 0 0 0
C 1 1 0 0 0
D 1 1 0 0 0
G 1 1 0 0 0
L 1 1 0 0 0
O 1 1 0 0 0
B 1 1 1 1 0
A 0 0 1 1 0
E 0 0 1 1 0
F 0 0 1 1 0
I 0 0 1 1 0
M 0 0 1 1 0
P 0 0 1 1 0
J 0 0 1 1 1
N 0 0 1 1 1
uklad zmiany_0_1 energia_wiazan_ME
1 pierwotny 130 19
2 średnie wzajemne 40 65
3 BEA_TSP (seriation) 41 652. Oś czasu: rysunek 1
Kod R rysunku 1
# Oś czasu: Jacques Bertin (1918–2010) – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
rok = c(1918, 1954, 1967, 1968, 1972, 1983, 1999, 2010),
opis = c("urodził się\nw Maisons-Laffitte", "zakłada Laboratorium\nKartografii EPHE",
"Sémiologie graphique;\nprofesura na Sorbonie", "początek prac nad\nmechaniczną macierzą",
"kierownik badań\nw CNRS", "przekład angielski\nSemiology of Graphics",
"Złoty Medal\nCarla Mannerfelta (ICA)", "zmarł w Paryżu;\nwznowienie Esri Press"),
rodzaj = c("życie", "praca", "publikacja", "praca", "praca", "publikacja", "wyróżnienie", "życie"),
poziom = c(0.5, -0.5, 0.5, -1.25, 1.25, -0.5, 0.5, -0.5), # wysokość etykiety (+ nad osią, − pod)
wyrownanie = c(0, 0.5, 1, 0, 0.5, 0.5, 0.5, 1)) # rozsunięcie bliskich etykiet
zdarzenia$etykieta <- paste0(zdarzenia$rok, "\n", zdarzenia$opis)
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23, "wyróżnienie" = 24)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00", "wyróżnienie" = "#009E73") # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
geom_segment(aes(xend = rok, y = 0, yend = poziom), colour = "grey70") +
geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.8, colour = "black") +
geom_text(aes(y = poziom + 0.06 * sign(poziom), label = etykieta, vjust = ifelse(poziom > 0, 0, 1), hjust = wyrownanie),
size = 3.2, lineheight = 0.88) +
scale_shape_manual(values = ksztalty, name = NULL) +
scale_fill_manual(values = kolory, name = NULL) +
scale_x_continuous(limits = c(1912, 2016), breaks = seq(1920, 2010, by = 10)) +
scale_y_continuous(limits = c(-2.1, 2.1)) +
labs(x = NULL, y = NULL) +
theme_minimal(base_size = 13) +
theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
legend.position = "bottom")
p1Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (porządkowanie i kryteria – pakiet seriation, funkcje seriate(), permute() i criterion(); dane – pakiet seriation; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- seriation (wersja 1.5.8): Hahsler, M., Hornik, K., & Buchta, C. (2008). Getting things in order: An introduction to the R package seriation. Journal of Statistical Software, 25(3), 1–34. https://doi.org/10.18637/jss.v025.i03
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork
Najczęstsze pytania
Kim był Jacques Bertin?
Francuskim kartografem i teoretykiem grafiki (1918–2010). Studiował geografię na Sorbonie, w 1954 r. założył Laboratorium Kartograficzne École pratique des hautes études, później pracował w CNRS. W 1967 r. wydał „Sémiologie graphique”, a w 1999 r. otrzymał Złoty Medal Carla Mannerfelta Międzynarodowej Asocjacji Kartograficznej. Zmarł 3 maja 2010 r. w Paryżu.
Czym są zmienne wizualne Bertina?
To sposoby, w jakie znak na płaszczyźnie może się różnić: poza dwoma wymiarami samej płaszczyzny są to rozmiar, walor (jasność), tekstura, kolor, orientacja i kształt. Bertin opisał, jakie własności ma każda z nich – na przykład czy pozwala odczytać kolejność albo proporcje – i z tego wyprowadził reguły doboru zmiennej do danych.
Na czym polega macierz przestawialna Bertina?
Tabelę liczb zamienia się w obraz (każda komórka jako ciemniejszy lub jaśniejszy znak), a następnie przestawia całe wiersze i kolumny, aż podobne znajdą się obok siebie. W przykładzie z 16 miejscowościami i 9 cechami przestawienie zmniejsza liczbę zmian „jest–brak” między sąsiednimi komórkami ze 130 do 40 i odsłania trzy typy miejscowości.
Jak zrobić seriację macierzy w R?
Najprościej funkcją seriate() z pakietu seriation (np. metoda BEA_TSP albo CA) i permute(). Prosty wariant można napisać samemu metodą średnich wzajemnych: wiersze i kolumny dostają wyniki będące średnimi wyników drugiej strony, a po zbiegnięciu (w przykładzie po 198 iteracjach) sortuje się je według tych wyników.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- American Association of Geographers. (b.d.). Jacques Bertin. AAG Memorials. Pobrano 20 listopada 2026 z https://www.aag.org/memorial/jacques-bertin/ ● Otwarty dostęp
- Bertin, J. (1967). Sémiologie graphique: Les diagrammes, les réseaux, les cartes. Gauthier-Villars.
- Bertin, J. (2011). Semiology of graphics: Diagrams, networks, maps (W. J. Berg, Trans.). Esri Press.
- Perin, C., Dragicevic, P., & Fekete, J.-D. (2014). Revisiting Bertin matrices: New interactions for crafting tabular visualizations. IEEE Transactions on Visualization and Computer Graphics, 20(12), 2082–2091. https://doi.org/10.1109/tvcg.2014.2346279 ● Otwarty dostęp: pełny tekst
- Perin, C., Le Goc, M., Di Vozzo, R., Dragicevic, P., & Fekete, J.-D. (b.d.). diyMatrix: A DIY replica of Bertin’s reorderable matrix. Aviz, Inria. Pobrano 20 listopada 2026 z https://aviz.saclay.inria.fr/diyMatrix/ ● Otwarty dostęp
- Ruas, A. (2010). Jacques Bertin (1918–2010). International Cartographic Association. https://icaci.org/?p=2884 ● Otwarty dostęp
Cytowania BibTeX
@misc{aag2010bertin, author={{American Association of Geographers}}, title={{Jacques Bertin}}, howpublished={AAG Memorials}, url={https://www.aag.org/memorial/jacques-bertin/}}@book{bertin1967semiologie, author={Bertin, Jacques}, title={{Sémiologie graphique: Les diagrammes, les réseaux, les cartes}}, year={1967}, publisher={Gauthier-Villars}}@book{bertin2011semiology, author={Bertin, Jacques}, title={{Semiology of graphics: Diagrams, networks, maps (W. J. Berg, Trans.)}}, year={2011}, publisher={Esri Press}, url={https://ci.nii.ac.jp/ncid/BB04516403}}@article{perin2014revisiting, author={Perin, Charles and Dragicevic, Pierre and Fekete, Jean-Daniel}, title={{Revisiting Bertin matrices: New interactions for crafting tabular visualizations}}, journal={IEEE Transactions on Visualization and Computer Graphics}, year={2014}, volume={20}, number={12}, pages={2082--2091}, doi={10.1109/tvcg.2014.2346279}}@misc{perin2014diymatrix, author={Perin, Charles and Le Goc, Mathieu and Di Vozzo, Romain and Dragicevic, Pierre and Fekete, Jean-Daniel}, title={{diyMatrix: A DIY replica of Bertin’s reorderable matrix}}, howpublished={Aviz, Inria}, url={https://aviz.saclay.inria.fr/diyMatrix/}}@misc{ruas2010bertin, author={Ruas, Anne}, title={{Jacques Bertin (1918–2010)}}, howpublished={International Cartographic Association}, year={2010}, url={https://icaci.org/?p=2884}}