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.
źródło
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:
Wszystkie projekty są dobrze udokumentowane w Internecie. Możesz także zajrzeć do niektórych książek .
Wreszcie książka z grafiką dużych zbiorów danych może być również pomocna.
źródło
igraph
działa również w R; dla 3D z akceleracją openGL w R, użyciergl
imisc3d
pakiety.matplotlib
fabuły są brzydkie; mogą być przyjemne dla długoletniego użytkownika gnuplot.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.
źródło
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.
źródło
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:
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/
źródło
Oto dobry zestaw linków z zasobami do rozpoczęcia nauki:
źródło
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.
źródło
R; function??
- R ma wbudowaną pomoc. zazwyczaj możesz także wyszukać „cran”, aby znaleźć R, i uważam, że większość głównych wyszukiwarek potrafi dobrze obsługiwać pojedynczą literę.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.
źródło
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
źródło
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.
źródło