Materiały do ​​nauki tworzenia wizualizacji danych?

Chciałbym dowiedzieć się, jak tworzyć wizualizacje widoczne na stronie http://flowingdata.com i informationisbeautiful. EDYCJA: Znaczenie, wizualizacje, które są interesujące same w sobie - trochę jak grafika NY Times, w przeciwieństwie do szybkiego czegoś na raport.

Jakiego rodzaju narzędzia są używane do ich tworzenia - czy to w większości dużo Adobe Illustrator / Photoshop? Jakie są dobre zasoby (książki, strony internetowe itp.), Aby dowiedzieć się, jak korzystać z tych narzędzi w szczególności do wizualizacji danych?

Wiem, jak chcę, aby wyglądały wizualizacje (i znam zasady projektowania, np. Z książek Tufte'a), ale nie mam pojęcia, jak je tworzyć.

Przepływające dane regularnie omawiają narzędzia, których używa. Zobacz na przykład:

• 40 niezbędnych narzędzi i zasobów do wizualizacji danych
• Jakiego narzędzia / oprogramowania do wizualizacji należy używać? - Pierwsze kroki

Pokazuje również bardzo szczegółowo, jak tworzy grafiki przy takich okazjach, jak:

• Jak zrobić mapę tematyczną hrabstwa USA przy użyciu bezpłatnych narzędzi
• Jak zrobić wykres w programie Adobe Illustrator
• Jak zrobić mapę termiczną - szybkie i łatwe rozwiązanie

Na tej stronie znajdują się również inne pytania:

• Zalecane biblioteki wizualizacji dla samodzielnych aplikacji
• Biblioteki wizualizacji internetowej

IMO, spróbuj:

1. R i ggplot2: jest to dobry film wprowadzający , ale witryna ggplot2 ma wiele zasobów.
2. Przetwarzanie: mnóstwo dobrych samouczków na stronie głównej .
3. Protovis: także mnóstwo świetnych przykładów na stronie głównej .

Możesz później użyć Adobe, aby je wyczyścić.

Możesz także spojrzeć na webvispakiet R , chociaż nie jest tak kompletny jak ggplot2. Z poziomu R możesz uruchomić to polecenie, aby zobaczyć przykład pszenicy Playfair:

install.packages("webvis")
library(webvis)
demo("playfairs.wheat")

Wreszcie, moje ulubione aplikacje komercyjne do interaktywnej wizualizacji to:

• Żywy obraz
• Spotfire
• Qlikview

Wspomniane już przetwarzanie zawiera ładny zestaw książek. Patrz: 1 , 2 , 3 , 4 , 5 , 6 , 7

W sieci znajdziesz wiele rzeczy, które pomogą Ci zacząć od R. Kolejny krok to ggplot2 ma doskonałą dokumentację internetową . Znalazłem też Hadleya książka bardzo pomocna.

Python może być inną drogą. Zwłaszcza z narzędziami takimi jak:

• matplotlib
• NetworkX
• Igraph
• Chaco
• Mayavi

Wszystkie projekty są dobrze udokumentowane w Internecie. Możesz także zajrzeć do niektórych książek .

Wreszcie książka z grafiką dużych zbiorów danych może być również pomocna.

Spędzisz dużo czasu na przyspieszaniu z R.

RapidMiner jest darmowy, open source i graficzny, i ma wiele dobrych wizualizacji, które można eksportować.

Jeśli masz pieniądze do stracenia, lub jesteś pracownikiem uniwersyteckim / studentem, JMP jest również bardzo fajny. Może bardzo łatwo tworzyć bardzo ładne wykresy. Może eksportować do Flasha, PNG lub PDF lub co masz.

Inną dobrą alternatywą jest biblioteka protovis http://vis.stanford.edu/protovis/

Jest to bardzo dobrze spreparowana biblioteka JavaScript, która może tworzyć piękne wizualizacje, jeśli masz czas i możliwość napisania skromnej ilości potrzebnego kodu JavaScript.

Bardzo polecam także Tableau http://www.tableausoftware.com . Doskonale nadaje się do szybkiego przeglądania zestawów danych i tworzenia wielu różnych wizualizacji.

Oba produkty mają swoje korzenie w Stanford Visualization Group.

Podano wiele doskonałych odpowiedzi, a języki / biblioteki, których wybierzesz, będą zależeć od rodzaju wizualizacji, którą chcesz wykonać.

Jeśli jednak regularnie używasz Pythona, zdecydowanie polecam dno morskie . Jest bardzo wyrafinowany, jeśli chodzi o wizualizację danych statystycznych, ale również wygląda dość wyrafinowany z punktu widzenia prezentacji.

Weźmy przykład. Załóżmy, że próbujesz wykreślić zużycie energii elektrycznej w budynku komercyjnym według miesiąca. W tym celu w matplotlib można wygenerować prosty wykres liniowy.

Gdybyśmy jednak chcieli, aby wizualizacja była bardziej wyrafinowana i zawierała więcej informacji, moglibyśmy wygenerować mapę termiczną z dnem morskim:

Mapa termiczna to tylko jeden przykład. Niektóre inne powszechne zastosowania z dnem morskim obejmują:

• Wykresy KDE
• Wykresy roju
• Działki skrzypcowe

Ideą dna morskiego jest prezentacja danych w bardziej intuicyjny sposób, niż byłoby to możliwe przy użyciu prostszych wykresów, np. Linii, słupka, ciasta itp.

Jeśli Cię to interesuje - więcej informacji na temat ptaków morskich można znaleźć tutaj: https://seaborn.pydata.org/

Oto dobry zestaw linków z zasobami do rozpoczęcia nauki:

• http://blog.cartodb.com/learning-data-visualization

R jest świetny, ale nie jest tak, że R jest trudny do nauczenia, tylko dlatego, że w dokumentacji nie można szukać żadnej innej nazwy, na przykład Rq byłby świetny. Kiedy pojawia się problem, poszukiwanie rozwiązania jest koszmarem, a dokumentacja też nie jest świetna. Matlab lub Octave będą świetne. A umieszczenie tych działek w R lub Matlabie byłoby bardzo, bardzo nudne.

Wizualna obróbka końcowa IMHO to najlepsza droga. Wiele z nich pochodzi z Adobe Illustratora lub Gimpa. To jest szybsze. Po uzyskaniu struktury fabuły zmień szczegóły w edytorze. Używanie R jako edytora nie daje pożądanej elastyczności. Cały czas będziesz szukać nowych pakietów.

Oto samouczek YouTube na D3.js, który uczy podstaw HTML, SVG, CSS i JavaScript, a także sposobu ładowania danych i tworzenia wykresu słupkowego, wykresu liniowego i wykresu punktowego za pomocą D3.js.

oto praktyczny zasób na początek w d3. Zawiera kod demonstracyjny i przykład krok po kroku, jak ładować, organizować i wizualizować zestaw danych w d3.

https://www.edx.org/course/web-app-development-with-the-power-of-nodejs

Istnieją nieskończone zasoby, ale możesz je zawęzić w zależności od tego, w jaki sposób chcesz przekształcić swoje dane, z iloma źródłami danych masz do czynienia, w jaki sposób należy je udostępnić itp.

Oto przewodnik, w jaki sposób wybrać odpowiedni zasób, który może pomóc we właściwym kierunku.