Chciałbym dowiedzieć się nieco więcej na temat interaktywnej wizualizacji danych (powiększanie, wskazywanie, szczotkowanie, mapowanie punktów i tak dalej). Chciałbym powitać każdego:
- Samouczek / przewodnik / książka (?) / Wideo na temat korzystania z takich metod w badaniach statystycznych.
- Wskaźniki dobrych / interesujących interaktywnych pakietów danych (w R i poza nim)
Wystarczy, aby rozpocząć toczenia piłki, wiem, że w R istnieją różne sposoby, aby uzyskać interaktywną wizualizację, jak rggobi , nowy pakiet googleViz R The pakiet animacji i inni. Ale jeśli są inne pakiety warte zbadania (oferujące rzeczy, których R nie ma), chętnie bym się o nich dowiedział (np. Jmp, mathlab, spss, sas, excel i tak dalej).
ps: to pierwsze pytanie, w którym należy użyć tagu „interaktywna wizualizacja”
data-visualization
interactive-visualization
Tal Galili
źródło
źródło
Odpowiedzi:
Oprócz Protovis (HTML + JS) lub Mayavi (Python) polecam Przetwarzanie, które jest
Na stronie http://www.openprocessing.org/ znajduje się wiele skryptów o otwartym kodzie źródłowym oraz wiele powiązanych książek dotyczących przetwarzania, ale także wizualizacji danych.
Wiem, że istnieje projekt dostarczenia interfejsu R, przetwarzania , ale nie wiem, jak to działa. Istnieje również interfejs z clojure / incanter (patrz np. Tworzenie wizualizacji przetwarzania za pomocą Clojure i Incanter ).
Istnieje wiele zasobów internetowych, w tym notatki klasy Stanforda, np. CS448B lub 7 klasycznych dokumentów Visation Founders , których możesz nie chcieć publicznie wyznać, że nie wiesz .
źródło
Kilka dodatkowych pakietów do dodania do sugestii Chl dotyczącej przetwarzania w celu tworzenia interaktywnych wizualizacji. Wszystkie są oparte na javascript i mogą działać w przeglądarce, więc mogą być używane do publikowania, a także do własnej analizy:
Jeśli chodzi o inne pytanie dotyczące uczenia się, dla ogólnych zasad, Information Dashboard Design zasługuje na wzmiankę, jeśli chcesz stworzyć tablicę interaktywnych standardowych narzędzi ogólnego przeznaczenia do swoich danych.
Interaktywne wizualizacje są na granicy między statystykami a projektowaniem interaktywności : więc książki na ten temat mogą się przydać. Nie mam osobistego doświadczenia z żadnym z wielu podręczników do projektowania interakcji, ale jestem wielkim fanem Universal Principles of Design . Może to być przesada w stosunku do twoich potrzeb, ale zastanów się, czy nie spojrzeć w dół na kolumnę Użyteczność na doskonałej stronie Treści kategoryczne i przeczytać wymienione rozdziały (stopniowe ujawnianie, sygnał do szumu itp.).
Ponadto, dla każdego, kto nie zna się na programowaniu, Programowanie Interaktywności jest dobrym miejscem na rozpoczęcie doskonalenia umiejętności technicznych (zawiera również spory rozdział o przetwarzaniu).
Ale dla wiedząc, co działa, a co jest możliwe, nie można pokonać uczenia się przez działanie , a dobry kick-start może być rozważenie spływu i analizowania wielkich nazwisk big-cena-tag ogólnego zastosowania interaktywnych pakietów wizualizacyjnych jak tableau i JMP i zastanów się, dlaczego ich funkcje zostały zaprojektowane tak, jak są.
źródło
Oprócz Przetwarzania sprawdź także Nodebox (1, 2, OpenGL) oparty na Pythonie, zainspirowany Przetwarzaniem:
Nodebox 1 to tylko Mac, podczas gdy Nodebox 2 i wersja OpenGL są wieloplatformowe.
Python ma mnóstwo bibliotek do kruszenia danych, które można zaimportować do Nodebox, np. Scipy.org
źródło
Jako odrębne podejście do istniejących odpowiedzi, wkrótce po tym, jak opublikowałem swoją pierwszą długą listę, pojawiła się firma WEAVE : pakiet dedykowany do wizualizacji danych o otwartym kodzie źródłowym. Oto krótki artykuł na temat WEAVE na wiodącym blogu Flowing Data
Mądrze jest zastosować inne podejście do wizualizacji danych w zależności od tego, gdzie jesteś w trakcie procesu. Im wcześniej jesteś - im więcej danych jest nieprzetworzonych i niezbadanych - tym bardziej prawdopodobne jest, że skorzystasz z gotowych, elastycznych pakietów ogólnego przeznaczenia, takich jak WEAVE i komercyjne odpowiedniki o zamkniętym źródle, takie jak Tableau i JMP - możesz szybko wypróbować i bezboleśnie, aby poznać dane i dowiedzieć się, jakie linie ataku podjąć, aby jak najlepiej je wykorzystać.
Gdy odkryjesz więcej na temat danych, prawdopodobnie skupisz się na komunikacji lub „eksploracji z przewodnikiem” - bardziej spersonalizowanych wizualizacjach danych eksploracyjnych zaprojektowanych w oparciu o zastrzeżenia, niuanse i obszary zainteresowania, które odkryłeś w danych. W tym miejscu powstają produkty z pustych tablic, takie jak wymienione powyżej programowe narzędzia do rysowania wektorów.
źródło