Лего карта мира! Out of stock, к сожалению, но ах, как срочно хочется
апдейт, подсказали, что есть в России, но беру картинку с Фраем обратно...
что-то не учла курс, как-то 249$ звучали не так страшно))
что-то не учла курс, как-то 249$ звучали не так страшно))
grafify - пакет на R для ANOVA, post-hoc анализа и графиков на все это. В нем ограниченный набор возможных графиков с предвыбранным дизайном (не идеальным, но достаточно неплохим), поэтому рисовать их будет быстрее, чем в ggplot2. Ну и прикольно, что все в одном пакете 🙈
Нашла тут мини-статейку про принципы визуализации при эксплораторном анализе данных. Она больше всего подходит к графикам в статьях или каких-то исследовательких репортах, вот короткий пересказ с некоторыми моими комментами:
1. Давайте данные для сравнения и показывайте его наглядно. Когда вы приходите к какому-то результату, самые первые вопросы, которые приходят на ум – “В сравнении с чем / Относительно чего?”. Часто в исследованиях для этого есть контрольная группа, но какие-то другие данные схожего контекста тоже могут быть полезны. Визуализировать можно через боксплот.
2. Показывайте, как вы к этому пришли и почему такой результат валиден. Вот, например, пост, про улучшение регрессионных таблиц и в целом про варианты их визуализации.
3. Показывайте многомерные данные. Зачастую отношения межде переменными не линейные, поэтому помним про correlation!= causation и не забываем показывать данные с разных сторон. Это же полезно для анализа парадокса Симпсона (Как я с ним намучалась разок! Аналитикам читать прямо очень важно) - он про то, что в группах по отдельности может быть одна связь (например, и там и там положительная), а при объединении этих групп она может стать другой (отрицательной. В этом плане виз очень поможет и можно сделать много разных маленьких графиков. С картинками также тут.
4. Не бойтесь добавлять что-то новое в визуализацию. Если вы не знаете, как что-то нарисовать в одном инструменте – попробуйте в другом, и даже просто картинки могут быть полезны. Прямо как Alberto Cairo можно все править/менять в разных местах.
5. Подписывайте шкалы, источники, значения данных, чтобы было понятно, что это за график. Дублировать информацию не надо (наример, если значения баров подписаны напрямую, шкалу можно убрать), но убедитесь, что график понятен. Про decluttering диаграмм здесь и здесь.
6. Не добавляйте лишнее. Если вы сделали оч красивый график, но он никак не помогает восприятию исследования, лучше не надо его вставлять. Виз должен облегчать понимание, а если будет много всего, то сложнее будет понять, что действительно важно.
И хорошие ссылки в конце (выбрала пару основных, как мне кажется):
- Fundamentals of Data Visualization Claus O. Wilke
- Exploratory Data Analysis in R Roger D. Peng
- Beautiful Evidence Edward Tufte
1. Давайте данные для сравнения и показывайте его наглядно. Когда вы приходите к какому-то результату, самые первые вопросы, которые приходят на ум – “В сравнении с чем / Относительно чего?”. Часто в исследованиях для этого есть контрольная группа, но какие-то другие данные схожего контекста тоже могут быть полезны. Визуализировать можно через боксплот.
2. Показывайте, как вы к этому пришли и почему такой результат валиден. Вот, например, пост, про улучшение регрессионных таблиц и в целом про варианты их визуализации.
3. Показывайте многомерные данные. Зачастую отношения межде переменными не линейные, поэтому помним про correlation!= causation и не забываем показывать данные с разных сторон. Это же полезно для анализа парадокса Симпсона (Как я с ним намучалась разок! Аналитикам читать прямо очень важно) - он про то, что в группах по отдельности может быть одна связь (например, и там и там положительная), а при объединении этих групп она может стать другой (отрицательной. В этом плане виз очень поможет и можно сделать много разных маленьких графиков. С картинками также тут.
4. Не бойтесь добавлять что-то новое в визуализацию. Если вы не знаете, как что-то нарисовать в одном инструменте – попробуйте в другом, и даже просто картинки могут быть полезны. Прямо как Alberto Cairo можно все править/менять в разных местах.
5. Подписывайте шкалы, источники, значения данных, чтобы было понятно, что это за график. Дублировать информацию не надо (наример, если значения баров подписаны напрямую, шкалу можно убрать), но убедитесь, что график понятен. Про decluttering диаграмм здесь и здесь.
6. Не добавляйте лишнее. Если вы сделали оч красивый график, но он никак не помогает восприятию исследования, лучше не надо его вставлять. Виз должен облегчать понимание, а если будет много всего, то сложнее будет понять, что действительно важно.
И хорошие ссылки в конце (выбрала пару основных, как мне кажется):
- Fundamentals of Data Visualization Claus O. Wilke
- Exploratory Data Analysis in R Roger D. Peng
- Beautiful Evidence Edward Tufte
Medium
The 6 Principles of Effective Data Visualization
Key principles for creating useful and informative graphics
Jon Schwabish из PolicyViz с недавнего времени записывает короткие видео про датавиз. Здесь он, например, обсуждает карты от Financial times, отмечает хорошее и плохое и предлагает свои решения (например, добавить к двум картам скаттерплот), а тут показывает, как сделать хитмап в экселе 💫
YouTube
Vaccine Inequality from the Financial Times
Original source: https://www.ft.com/content/7b0db882-a369-4e32-a86a-eb7fda2a0da0
This data visualization critique is intended to help viewers improve how they visualize their data. The creator(s) of this visualization may have constraints on time or tools…
This data visualization critique is intended to help viewers improve how they visualize their data. The creator(s) of this visualization may have constraints on time or tools…
Со мной поделились классным сайтом Nicolas Rapp, который делает визы для Fortune💫
Мне оч понравилась вот эта вещь про рост городов, но у него в целом есть много чего посмотреть – и карты, и сети, и другие не самые стандартные графики. Все прямо приятно выглядит!
Мне оч понравилась вот эта вещь про рост городов, но у него в целом есть много чего посмотреть – и карты, и сети, и другие не самые стандартные графики. Все прямо приятно выглядит!
Интересная статья про тестирование дэшбордов от Silvia Romanelli с пластилиновыми человечками💫
"Directly observing users interacting with the dashboard and hearing them thinking aloud, allows you to not only see whether they manage or not to perform a task, but also why"
Больше фокус на прототипы и дальнейшие интервью и опросы, но упомянула еще кард-сортинг. Мне прямо очень нравится этот метод и хочется его куда-нибудь применить🙈
"Directly observing users interacting with the dashboard and hearing them thinking aloud, allows you to not only see whether they manage or not to perform a task, but also why"
Больше фокус на прототипы и дальнейшие интервью и опросы, но упомянула еще кард-сортинг. Мне прямо очень нравится этот метод и хочется его куда-нибудь применить🙈
Как изменилось потребление продуктов питания с 1970 по 2019 год по данным министерства сельского хозяйства США в графиках от Nathat Yau.
У SKVOT нашла статью, когда датавиз становится искусством. Очень такое всякое люблю, особенно, когда можно физически потрогать. Добавлю еще от себя вот этот проект со сбором статистики посетителей в музее, похожую штуку от студентов Вышки, данные о группах крови и много такого было в последнее время в ММОМА, например вот эти линии💫
❤1
Классная подборка карт от Mapbox✨
https://blog.mapbox.com/18-maps-that-inspired-us-this-year-c569de845432
https://blog.mapbox.com/18-maps-that-inspired-us-this-year-c569de845432
Forwarded from Reveal the Data
Результаты первого спринта
На первые две недели сделали фокус на табличные вычисления, порядок операций и создание первого дашборда. Какой получился дашборд расскажу в следующий раз, чтобы сразу показать и версию после замечаний.
А пока поделюсь статьей, которую подготовили с Русланом по быстрым табличным вычислениям. Это было домашкой — собрать все виды вычислений и придумать для них бизнесовые примеры. Получилась короткая «шпаргалка» с яркими визуальными образами, чтобы быстро сориентироваться что и зачем существует. А ещё есть книга на Паблике с примерами использования вычислений.
Stay tuned, готовим следующую «серию». =)
#залетайвbi
На первые две недели сделали фокус на табличные вычисления, порядок операций и создание первого дашборда. Какой получился дашборд расскажу в следующий раз, чтобы сразу показать и версию после замечаний.
А пока поделюсь статьей, которую подготовили с Русланом по быстрым табличным вычислениям. Это было домашкой — собрать все виды вычислений и придумать для них бизнесовые примеры. Получилась короткая «шпаргалка» с яркими визуальными образами, чтобы быстро сориентироваться что и зачем существует. А ещё есть книга на Паблике с примерами использования вычислений.
Stay tuned, готовим следующую «серию». =)
#залетайвbi