Überblick
- EIn Blick auf 11 Innovative und überwältigende Datenvisualisierungen in Python, R, Tabelle y D3.js
- Diese Datenvisualisierungen decken eine Vielzahl von realen Themen ab.
- Ich habe den Open-Source-Code bereitgestellt (du arbeitsblatt) für jede Visualisierung.
Einführung
“Visualisierung gibt Ihnen Antworten auf Fragen, von denen Sie nicht wussten, dass Sie sie haben”. – Ben Shneiderman
Ich bin seit einigen Jahren im Bereich Data Science tätig, aber ich komme aus einer nicht-technischen Ausbildung (lernen und entwickeln). Ich habe wirklich eine Weile gebraucht Übergang zur Datenwissenschaft. Sagen “wirklich” denn die ersten Wochen waren ein Wirbelwind der Veränderungen (wie ich im ausführlichen erwähne Kurs für strukturiertes Denken für Data Science).
Eine der größten Veränderungen in meinem Denken drehte sich darum, wie ich Daten betrachtete. Anfänglich, als mein Vorgesetzter mich bat, bestimmte Daten zu analysieren, verwendet, um gewöhnliche Datenvisualisierungen zu erstellen (Streudiagramme, Balkendiagramme, etc.). Ich habe mir die unendlichen Möglichkeiten, die mich erwarteten, nicht vorgestellt!
Ich kann mich nicht auf das Ben Shneiderman-Zitat oben beziehen. Die Beherrschung von Datenvisualisierungstechniken öffnet Türen und Möglichkeiten, von denen Sie vorher nicht geträumt haben. Eine gut durchdachte Visualisierung löst die Schichten ab, die einen Rohdatensatz umgeben.
Und das kann oft der Unterschied zwischen einem erfolgreichen Data-Science-Projekt und einem alltäglichen sein..
Dann, In diesem Artikel, Mein Ziel ist es, Ihnen die unglaubliche Kraft der Datenvisualisierung zu zeigen. ich habe gesammelt 11 überwältigende Visualisierungen zu einer Vielzahl von Themen. Und um zu zeigen, dass Sie dies mit jedem Tool Ihrer Wahl tun können, wir werden diese Visualisierungen in Python behandeln, R, Tabelle y D3.js.
Die Herausforderung für dich? Wählen Sie die Anzeige (Code für alle bereitgestellt) und erstelle deine eigene Version im Tool deiner Wahl.
Datenvisualisierung in R
Die Kreation von ggplot2 Library hat R zum bevorzugten Tool für die Datenvisualisierung gemacht (Zumindest für Programmierer!). Ich begann meine eigene Reise in die Datenwissenschaft mit R und war sofort von der Schönheit und Kraft von gefesselt ggplot.
Stilvolle Displays, sofortige Informationen, Entdeckungsmuster, das alles in wenigen Codezeilen. Kein Wunder, dass selbst erfahrene Python-Programmierer ggplot2 in ihre Jupyter-Notebooks importieren (Jawohl, das ist jetzt möglich).
Wenn Sie R verwenden und noch nicht erforscht haben ggplot2 still, Stellen Sie sicher, dass Sie es HEUTE tun:
Erstellen Sie Visualisierungen im BBC-Stil in R
Dies ist nicht unbedingt eine Visualisierung, obwohl es sicher kein problem ist, Wahrheit? Das obige Panel ist eine Kombination von Visualisierungen, die vom BBC-Datenteam veröffentlicht wurden. Ich verfolge die BBC-Website seit Jahren, das war also eine willkommene freigabe.
Das BBC-Datenteam hat ein R-Paket und ein R-Kochbuch entwickelt und veröffentlicht, um Visualisierungen wie die obige zu generieren.. Das R-Paket heißt bbplot. Bietet Funktionen zum Erstellen und Exportieren von Visualisierungen, die in ggplot im Stil des BBC-Datenteams erstellt wurden.
Dies sind die wichtigsten Ressourcen, um Ihrem Weg zu folgen:
Interaktive Karten in R
Wer mag keine interaktiven Handlungsstränge? Sie sind einer der attraktivsten Aspekte einer Präsentation (bei richtiger Anwendung). Diese Visualisierung zeigt uns, wie sich die Lebenserwartung im Laufe der Jahre auf verschiedenen Kontinenten verändert hat, Vergleich mit dem BIP pro Kopf.
So viele Informationen auf so kleinem Raum. Ist das Paket, mit dem die obige Visualisierung erstellt wurde?? ganimate! Es ist nicht verwunderlich zu sehen, dass die Kraft von ggplot erstreckt sich auf eine andere Art von beeindruckender Anzeige.
Sie können unseren Leitfaden zum Bau interaktiver Grundstücke in R . lesen:
Sankey-Diagramme in R
Fasziniert? Dies ist ein klassisches Beispiel für ein Sankey-Diagramm. Grundsätzlich, zeigt den Informationsfluss, wobei die Breite der Pfeile proportional zur Durchflussmenge ist. Die obige Visualisierung zeigt die Relevanz von Facebook Custom List Advertising.
Diese Visualisierung wurde erstellt mit dem ggaluvial Paket in R. Kombiniert den Stil und die Flexibilität des Originals Schwemmland packen mit der kraft von ordentlichversum.
Den kompletten Code findest du, bestehend aus ein paar Zeilen. hier.
Datenvisualisierung in Tableau
"In einer guten Visualisierung der Informationen, keine Regeln, Richtlinien, Vorlagen, Standardtechnologien oder Stylebooks. Du musst einfach alles tun, was nötig ist “. – Edward Tufte
Edward Tufte ist ein Pionier im Bereich der Datenvisualisierung. Entschuldigung für dieses Zitat Wirklich gilt für Visualisierungen, die wir mit Tableau generieren. Die Fülle an Funktionen und Anpassungen, die Tableau bietet, ist nahezu unerreicht.
Wenn Sie daran interessiert sind, mit Tableau zu beginnen, Sie sind an der richtigen Stelle! Dann, finden Sie eine Reihe von Artikeln, die Ihnen dabei helfen, vom Anfänger zum Tableau-Experten zu werden:
Die größte Stimme der Welt: Indische Wahlen angezeigt
Das ist eine wirklich beeindruckende Visualisierung. Ich habe nur einen Teil des gesamten Boards übernommen. Der Umfang dieser Visualisierung und die Menge der erfassten Daten sind überwältigend und wirklich nützlich für jeden, der sich für diese Art von Analyse interessiert..
Jeder Datenpunkt repräsentiert Details zu jedem Sitz, inklusive Name des Gewinners, der Staat, Partei und Wahlkreis). Schau dir an, wie ordentlich diese Visualisierung ist, trotz packen vieler informationen. Das können wir alle in unserem Tagesbericht anstreben / wöchentlich / monatlich, Wahrheit?
Hier ist das vollständige Tableau-Dashboard Was kannst du herunterladen?.
Überwachen Sie die Verkaufsleistung mit Tableau
Ich wollte ein reales Wirtschaftspanel einbeziehen. Wenn Sie Schwierigkeiten haben zu visualisieren, wo Sie diese Visualisierungen in der realen Welt verwenden können (Nutze deine Vorstellungskraft!), Das wird dir sehr nützlich sein.
Dies ist eine Analyse der Verkaufsdaten, um den Abstand zum ursprünglichen Kontingent zu messen. Besonders gut hat mir der erste horizontale Reiter gefallen, der die Kennzahlen, die ein Kunde oder Stakeholder wissen muss, übersichtlich zusammengefasst hat.
das vollständige Tableau-Arbeitsmappe enthält fünf umfangreiche Panels, die diese Verkaufszahlen aus unterschiedlichen Perspektiven analysieren. Ich denke wirklich, dass Sie dies als Referenz verwenden sollten, wenn Sie im Vertriebs- oder Marketingbereich arbeiten.
Popularität des Filmgenres – 1910-2018
Ich bin ein großer Filmfan, Diese Visualisierung hat mich also sofort auf die öffentliche Galerie von Tableau aufmerksam gemacht. Bitte beachten Sie, dass dies die Popularität von Filmgenres ist. im Laufe der Zeit. Jedes Genre hat einen anderen Achsenbereich, Daher, sieh sie aus dieser linse an (statt eins zu eins vergleich).
Was mir aufgefallen ist, ist, dass Sie sich dies als Dashboard mit mehreren angezeigten Datenpunkten vorstellen können. Können Sie sich einen ähnlichen Anwendungsfall in Ihrem Berufsleben vorstellen, bei dem ein solches Dashboard hilfreich wäre??
Du kannst Laden Sie das vollständige Arbeitsblatt herunter und spielen Sie damit in Tableau.
Datenvisualisierung in D3.js
Wenn Sie erstaunliche animierte Visualisierungen erstellen möchten, D3.js sollte Ihr Referenztool sein. Es ist eine leistungsstarke Bibliothek, mit der Sie benutzerdefinierte Visualisierungen für jede Art von Storytelling erstellen können, die Sie sich für das Web vorstellen können..
Dieser Abschnitt ist vielleicht mein Favorit der vier, die wir in diesem Artikel behandelt haben.. Sie sollten ernsthaft in Erwägung ziehen, D3.js zu Ihren Fähigkeiten hinzuzufügen, vor allem, wenn Sie regelmäßig mit Datenvisualisierung arbeiten möchten.
Hier sind zwei beliebte Artikel über die ersten Schritte mit D3.js:
Konzeptionelle Karte – Beziehung zwischen Konzepten
Ich benutze ziemlich oft eine Concept Map. Ich kann die Beziehungen zwischen verschiedenen Konzepten oder Wissenspunkten leicht darstellen. Wie Wikipedia sagt, “Eine Concept Map stellt Ideen und Informationen im Allgemeinen als Kästchen oder Kreise dar., Verbindung mit beschrifteten Pfeilen in einer hierarchischen Struktur, die sich nach unten verzweigt”.
Sie werden es nützlich finden, um Geschäftsentscheidungen abzubilden, Prozessflussdiagramme, Informationsdesign, Wissensvisualisierung, unter anderem. Es ist ein unterschätztes, aber nützliches Werkzeug, das Sie in Ihrem Arsenal haben sollten.
Diese Konzeptkarte es ist sehr interaktiv und man kann auch mit den verschiedenen Nodes spielen.
Anzeigen von Sunburst-Sequenzen in D3.js
Ah, genial! Diese Visualisierung zeigt, wie das Konzept der Sonnenstrahlen mit Daten verwendet wird, die die Abfolge von Ereignissen beschreiben.
Denk darüber nach: damit kannst du deine Customer Journey visualisieren. Anstelle eines statischen Trichters, Sie können alle möglichen Routen mit dieser Visualisierung sehen. Ihr Marketing-Team wird es lieben, wenn Sie es implementieren. 🙂
Der vollständige D3.js-Code zum Generieren dieses Sequenz-Sunburst ist hier.
Visualisierung der Interaktion zwischen den Game of Thrones-Charakteren
Bist du ein Fan von Game of Thrones? Dann wirst du diese Visualisierung lieben. Stellt den Einfluss jedes Charakters dar, basierend darauf, wie oft seine Interaktion im Buch vorgekommen ist “Ein Schwertsturm”.
Beachten Sie, dass die Knoten die Charaktere darstellen und die Verbindungen die Interaktion zwischen ihnen. Die Größe des Knotens und der Name repräsentieren den Einfluss des Charakters. Kein Wunder, dass Tyrion den größten Einfluss hat, Wahrheit?
Mit diesem Tutorial können Sie Ihre eigene Game of Thrones-Visualisierung erstellen.
Datenvisualisierung in Python
Wir denken oft an Python als die ultimative Programmiersprache für Data Science. Wir verbinden es mit Datenbereinigung, Erstellen von Vorhersagemodellen und sogar bestimmten Data Engineering-Aufgaben. Aber wussten Sie, dass Python sehr nützlich ist, um Datenvisualisierungen zu generieren??
So ist es, Python wird mit zwei exklusiven Bibliotheken zur Visualisierung geliefert: matplotlib und seaborn. In diesem Artikel erfahren Sie mehr über diese Bibliotheken und sehen sie in Aktion.
Eine geologische Karte des Mars
Diese Visualisierung ist eine Schönheit. Ich bin vor ein paar Tagen auf diese geologische Karte des Mars gestoßen und es erstaunt mich immer noch, dass sie in Python erstellt wurde (mit ein wenig Hilfe von Adobe Illustrator). Tolle!
Die Python-Bibliotheken, mit denen diese wunderbare Visualisierung erstellt wurde, sind:
- Matplotlib
- NumPy
- Pandas
- Kartei
Wenn die Schrift zu klein zum Lesen ist oder Sie sie als Poster drucken möchten, Holen Sie sich das volle hochauflösende Bild. hier. Und Sie können den Python-Code für diese Visualisierung erhalten. hier. Das GitHub-Repository enthält das vollständige Tutorial für den Einstieg.
Zeichnen von geostationären Satelliten in Python
Ich bin fasziniert von der Forschung, die unsere Data-Science-Community zu Satellitendaten durchführt. Wir haben die Entdeckung neuer Planeten gesehen, die Wiederherstellung von Bildern am Boden, Erdbebenvorhersage der NASA, unter anderem.
das PyEphem-Paket wurde verwendet, um diese fantastische Handlung in Python zu erstellen. Mit PyEphem können wir grundsätzlich astronomische Algorithmen in Python implementieren.
Eine große Anzahl von Data-Science-Enthusiasten hat versucht, diese Visualisierung zu zeichnen, und Sie können alle Ressourcen finden. hier.
Abschließende Anmerkungen
Es hat mir viel Spaß gemacht, diese Liste zusammenzustellen. Ich arbeite hauptsächlich mit R und Tableau, Es war also aufschlussreich zu sehen, welche Art von Visualisierungen wir mit D3.js generieren können. Ich werde dort auf jeden Fall mein Glück versuchen.
Gibt es eine Visualisierung, auf die Sie gestoßen sind, die Sie umgehauen hat?? Fahren Sie fort und teilen Sie sie mit uns im Kommentarbereich unten. Dies ist der beste Ort, um kreativ zu werden und von der Community zu lernen!!
