แก้ไข III:ฉันพบตัวอย่างงดงามของการสร้างภาพข้อมูลเชิงปริมาณหลายตัวแปรและต้องเพิ่ม คุณจะพบมันภายใต้หัวข้อ "แก้ไข III (ผู้ได้รับรางวัลโนเบล)"
แก้ไขครั้งที่สอง:มีความเข้าใจผิดเล็กน้อยและฉันได้แก้ไขเพื่อพยายามชี้แจงว่าฉันตีความการใช้ข้อมูลตามที่ตั้งใจไว้อย่างไร ฉันได้แทนที่ภาพสองภาพและเพิ่มหัวข้อ"คุณต้องการมันฝรั่งทอดด้วยหรือไม่"
กราฟิกเปิดเผยข้อมูล
Edward Tufte:
ความยุ่งเหยิงและความสับสนเป็นความล้มเหลวของการออกแบบไม่ใช่คุณลักษณะของข้อมูล ความยุ่งเหยิงเรียกร้องให้มีโซลูชันการออกแบบไม่ใช่การลดเนื้อหา บ่อยครั้งที่รายละเอียดที่รุนแรงมากขึ้นความชัดเจนและความเข้าใจที่มากขึ้นเพราะความหมายและการใช้เหตุผลนั้นเป็นบริบทอย่างไม่ลดละ น้อยกว่าน่าเบื่อ
ทำไมเรามองเห็นข้อมูล
- เครื่องมือสำหรับการคิด
- เพื่อแสดงผลลัพธ์ของการมองที่เข้มข้น
- เพื่อทำความเข้าใจปัญหาในการตัดสินใจ
- แสดงการเปรียบเทียบแสดงสาเหตุ
- ให้เหตุผลที่จะเชื่อ
อย่างไร?
- แสดงข้อมูล
- ชักจูงให้ผู้ชมคิดเกี่ยวกับเนื้อหามากกว่าเรื่องระเบียบวิธีการออกแบบกราฟิกเทคโนโลยีการผลิตกราฟิกหรืออย่างอื่น
- หลีกเลี่ยงการบิดเบือนข้อมูลที่ต้องพูด
- แสดงตัวเลขจำนวนมากในพื้นที่ขนาดเล็ก
- ทำให้ชุดข้อมูลขนาดใหญ่สอดคล้องกัน
- กระตุ้นให้ตาเปรียบเทียบส่วนต่าง ๆ ของข้อมูล
- เปิดเผยข้อมูลในหลายระดับของรายละเอียดตั้งแต่ภาพรวมไปจนถึงโครงสร้างที่ละเอียด
- ตอบสนองวัตถุประสงค์ที่ชัดเจนพอสมควร: คำอธิบายการสำรวจการจัดระเบียบหรือการตกแต่ง
- บูรณาการอย่างใกล้ชิดกับคำอธิบายทางสถิติและคำพูดของชุดข้อมูล
คำจำกัดความบางประการ:
ข้อมูล:
โดยทั่วไปถือว่าเป็น "สิ่งที่จัดเรียงในฐานข้อมูล" แน่นอนว่านี่อาจเป็นตัวเลขรูปภาพเสียงวิดีโอ ฯลฯ ข้อมูลคือสิ่งที่รวบรวมได้และมักจะเป็นเชิงปริมาณ ในรูปแบบดิบมันยากที่จะแยกแยะ เพียงแค่กำแพงของตัวเลข คุณรู้; เดอะเมทริกซ์ โดยทั่วไปเราไม่ได้มีฐานข้อมูลขนาดใหญ่ประกอบด้วยศูนย์สำหรับทุกสิ่งที่เราทำไม่ได้ถึงแม้ว่าบางครั้งสิ่งที่เราไม่ได้เป็นสิ่งที่มีมากที่สุดข้อมูล ดังนั้นจะเห็นสิ่งที่เราไม่ได้มีเราจำเป็นต้องเห็นภาพสิ่งที่เราไม่ได้
ข้อมูล:
คือสิ่งที่คุณสามารถดึงข้อมูลจาก โดยการแสดงข้อมูลอย่างใดเราสามารถรวบรวมข้อมูล หนึ่งในตัวอย่างที่ฉันมักใช้คือถ้าฉันให้รายชื่อประเทศในโลกและบอกคุณว่าทั้งสองหายไปมันไม่น่าเป็นไปได้สูงที่คุณจะพบพวกเขาตามรายการนั้น อย่างไรก็ตามถ้าฉันแสดงสิ่งนี้ด้วยการระบายสีทุกประเทศที่ฉันมีบนแผนที่คุณจะเห็นว่าฉันได้ละทิ้งสาธารณรัฐอัฟริกากลางและนิวแคลิโดเนียทันที นี่คือ "การลดเสียงรบกวน" และบอกเล่าเรื่องราวด้วยวิธีที่มีประสิทธิภาพที่สุดเท่าที่จะเป็นไปได้
ข้อมูลภาพและข้อมูล:
ฉันลังเลที่จะโทรหาอินโฟกราฟิกของคุณ ฉันรู้ว่าสิ่งนี้มักถูกมองว่าเป็นคำพ้องความหมายของการสร้างภาพข้อมูลการออกแบบข้อมูลหรือสถาปัตยกรรมข้อมูล แต่ฉันไม่เห็นด้วย อินโฟกราฟิก - สำหรับฉัน - เป็นชุดของกราฟไดอะแกรมและภาพประกอบที่อาจประกอบด้วยประโยคที่เกี่ยวกับวิธีอ่านข้อมูล มันมีวัตถุประสงค์น้อยกว่ามีแนวโน้มที่จะข้ามข้อมูลที่ไม่ได้อยู่ใน "ความสนใจ" ของผู้สร้าง: คุณจะได้รับคำแนะนำในการสรุปว่ามีคนกำหนดไว้ล่วงหน้า พวกเขามีคุณค่าด้านความบันเทิงและบ่อยครั้งที่มีการใช้ภาพประกอบอย่างท่วมท้นซึ่งมุ่งเน้นไปที่ข้อมูล นี่เป็นเรื่องปกติ แต่ฉันคิดว่าเราควรแยกความแตกต่างเล็กน้อย
ตัวอย่าง
ข้อมูลใหญ่:
โปรดทราบว่าข้อมูลขนาดใหญ่ไม่เหมือนกับข้อมูลที่ซับซ้อน ข้อมูลจำนวนมากสามารถเหมือนกันได้มากมายเช่นแผนที่ LinkedIn นี้: ข้อมูลหลักเหมือนกัน แต่มีตัวกรอง (โดยการแท็ก) มีสองตัวแปร: ภูมิศาสตร์และแท็กบางประเภทที่กำหนดคนให้เป็นอาชีพ / ความสนใจ / ความสัมพันธ์ ปริมาณข้อมูลที่บ้า แต่มีเพียงสองตัวแปร
หลายตัวแปร:
นี่คือตัวอย่างของการสร้างภาพข้อมูลหลายตัวแปร นี่คือชาร์ตของชาร์ลส์มินาร์ดในปี 1869 ที่แสดงจำนวนคนในกองทัพรณรงค์ชาวรัสเซียนโปเลียนในปี 1812 การเคลื่อนไหวของพวกเขารวมถึงอุณหภูมิที่พวกเขาพบบนเส้นทางกลับ
รุ่นใหญ่ที่นี่
มันใช้เวลาเล็กน้อยในการถอดรหัสรหัส แต่เมื่อคุณทำมันจะยอดเยี่ยม ตัวแปรที่ครอบคลุมคือ:
- ขนาดกองทัพ (จำนวนชีวิต / ตาย)
- ที่ตั้งทางภูมิศาสตร์
- ทิศทาง (ตะวันออก - ตะวันตก)
- อุณหภูมิ
- เวลา (วันที่)
- สาเหตุ (เสียชีวิตในการต่อสู้และความเย็น)
นั่นเป็นจำนวนข้อมูลที่น่าทึ่งในแผนที่สองสีที่เรียบง่าย ส่วนทางภูมิศาสตร์ถูกทำให้เก๋เพื่อให้มีที่ว่างให้กับตัวแปรอื่น ๆ แต่เราไม่มีปัญหาในการรับมัน
นี่คือสิ่งที่ยุ่งยากมากกว่า นี่จะอ่านง่ายขึ้นถ้าคุณคุ้นเคยกับการมองเห็นวิวัฒนาการขั้นพื้นฐาน, cladograms, phylogenics และหลักการของชีวภูมิศาสตร์ จำไว้ว่ามันถูกสร้างขึ้นมาสำหรับคนที่คุ้นเคยกับเรื่องนี้ดังนั้นมันจึงเป็นแผนภูมิทางวิทยาศาสตร์เฉพาะทาง นี่คือสิ่งที่มันแสดง: ภาพทางสาย phylogeographic ของกบพิษจากอเมริกาใต้ แผนที่ทางด้านซ้ายแสดงพื้นที่ทางภูมิศาสตร์ชีวภาพหลักเมื่อเวลาผ่านไปและภาพทางด้านขวาจะแสดงสายกบในบริบทของต้นกำเนิดชีวภูมิศาสตร์ (โดย Santos JC, Coloma LA, Summers K, Caldwell JP, Ree R, et al. [CC-BY-SA-2.5 (www.creativecommons.org/licenses/by-sa/2.5)] ผ่านวิกิมีเดียคอมมอนส์) เมื่อคุณ "ถอดรหัสรหัส" มันเป็นข้อมูลที่แปลกประหลาด
ทวีคูณเล็ก ๆ , ประกายไฟ:
ฉันไม่สามารถความเครียดนี้พอ: อย่าประมาทคุณค่าของข้อมูลที่ซ้ำกันหรือแบ่งมันเป็น visualisations แยกต่างหาก ตราบใดที่มันง่ายที่จะเปรียบเทียบกราฟหนึ่งกับอีกกราฟนี่เป็นสิ่งที่ดีมาก เราเป็นเครื่องจักรการค้นหารูปแบบ ซึ่งมักเรียกว่าทวีคูณขนาดเล็ก เรามีปัญหาเล็กน้อยในการวิเคราะห์ภาพเหล่านี้อย่างรวดเร็วและการยัดทุกอย่างลงในกราฟขนาดใหญ่มักไม่มีประโยชน์เมื่อสิบตัวเล็กจะทำงานได้ดีกว่า:
อีกหนึ่ง:
และอีกอันที่ใช้กราฟิกที่แตกต่างกัน
Sparklinesเป็นคำประกาศเกียรติคุณจาก Edward Tufte และยังพัฒนาเป็น
ห้องสมุดจาวาสคริปต์ที่ทำงานได้อย่างเต็มรูปแบบ พวกเขาเป็นแผนภูมิขนาดเล็กที่สามารถแทรกในข้อความเป็นส่วนหนึ่งของข้อความและไม่เป็นวัตถุ "ภายนอก" นี่คือลักษณะที่เป็นค่าเริ่มต้น:
แก้ไข III (ผู้ได้รับรางวัลโนเบล)
ฉันแค่ต้องเพิ่มการสร้างภาพข้อมูลที่ฉันพบมันเป็นเรื่องที่ดีเกินไป: มันแสดงให้เห็นผู้ได้รับรางวัลโนเบล มหาวิทยาลัยใดที่เป็นคณาจารย์, วิชา, ปี, อายุ, ภูมิลำเนา, ร่วมกัน, ระดับปริญญา หลักฐานที่สวยงามแน่นอน เหล่านี้เป็นข้อมูลเชิงปริมาณทั้งหมด เพิ่มเติมที่นี่
ข้อมูลของคุณ
คำถามทั้งหมดที่ @Javi มีความสำคัญมาก
สิ่งที่คุณพยายามทำคือการสร้างเครื่องมือที่เป็นภาพสำหรับการคิด หากต้องการทำเช่นนั้นคุณต้องแยกคุณภาพของสัญญาณที่ดีที่สุดต่ออัตราส่วนเสียงรบกวน สิ่งที่คุณกำลังดิ้นรนกับเป็นวิธีการที่จะมีความสัมพันธ์ข้อมูลที่มีตัวแปรที่แตกต่างลงไปในข้อมูล นี่คือคำถาม: สิ่งที่จะต้องมีประมาณที่ถูกต้องและสิ่งที่จะต้องมีสิ่งที่ถูกต้อง? เป้าหมายคืออะไร?
ฉันจะสมมติว่าคุณต้องการแสดงข้อมูลโดยไม่มีอคติมากเกินไป: คุณต้องการให้ผู้อ่านค้นหาความสัมพันธ์ด้วยตนเองหากมีความสัมพันธ์ใด ๆ เป้าหมายของคุณคือไม่บอกคนว่าเบอร์เกอร์ไม่ดีสำหรับพวกเขาหรือผู้หญิงกินเบอร์เกอร์น้อยกว่าผู้ชาย แต่ให้พวกเขา "เห็น" มันถ้านั่นคือสิ่งที่ข้อมูลมีอยู่ (ลองจินตนาการดูว่าคนสามคนนั้นเป็นครอบครัว แกว่งมุมมองของเราทั้งกราฟกินเบอร์เกอร์ตาด)
ชุดข้อมูลของคุณมีขนาดเล็กมากคุณสามารถใส่มันทั้งหมดลงในตารางและมันก็ใช้ได้ แต่แน่นอนว่ามันเกี่ยวกับความคิดทั่วไป:
รายละเอียดเล็กน้อย: เวลา (อายุ) มีแนวโน้มที่จะเป็นสิ่งที่เราเห็นว่าเป็นแนวนอนจากซ้ายไปขวา (ไทม์ไลน์) น้ำหนักบางอย่างที่ขึ้นลงดังนั้นการสลับ x - y ของคุณจะเป็นความคิดที่ดี
1. หน่วยงานที่แน่นอนไม่ซ้ำใครและถาวรคืออะไร?
2. ตัวแปรตัวแปร (eh .. ) คืออะไร
- น้ำหนัก (กิโลกรัม)
- อายุ (ปี)
- จำนวนเบอร์เกอร์ (จำนวนเต็ม)
- ประเภทเบอร์เกอร์ (จำนวนเต็ม)
หมายเหตุ: ข้อมูลของคุณประกอบด้วยหน่วยทั้งหมด นับได้เชิงปริมาณแต่ละครั้งในระดับจิตที่แยกต่างหาก กิโลกรัมอายุน้ำหนักและตัวเลข และในฐานข้อมูลพูดชื่อของพวกเขาคือกุญแจ เมื่อคุณเริ่มต้นสร้างภาพเวลา - มันจะกลายเป็นปวดหัวจริง ลองนึกภาพว่าคุณควรเพิ่มบ้านเกิดบ้านปัจจุบัน ฯลฯ
มีเพียงสองแห่งที่มีความสัมพันธ์กันคือจำนวนเบอร์เกอร์และไม่ว่าจะเป็นคอมโบก็ตาม ตัวแปรอื่น ๆ ทั้งหมดเป็นอิสระและมีเพียงหนึ่งคงที่ (ชื่อ) ในบางจุดที่มีชุดข้อมูลขนาดใหญ่แม้ชื่อจะไม่น่าสนใจและถูกแทนที่ด้วยข้อมูลประชากรอายุเพศหรือสิ่งที่คล้ายกัน
ด้วยชุดข้อมูลขนาดเล็กนั้นคุณสามารถรวบรวมได้ทั้งหมดในกราฟเดียวเช่นนี้
หรือคุณสามารถเปลี่ยนแกนและเนื้อหาของชื่อฟอง:
บันทึกส่วนตัว: ฉันคิดว่านี่เป็นสิ่งที่ดีกว่าของทั้งสองเพราะ x และ y มีคุณสมบัติ "กายภาพ" ของมนุษย์ ตัวแปรในฟองอากาศที่นี่คือจำนวนเบอร์เกอร์
คุณสามารถเพิ่มแผนภูมิวงกลมนอกเหนือจากกราฟหรือแม้กระทั่งมีแผนภูมิวงกลมเท่านั้น โดยส่วนตัวแล้วฉันจะมีทั้งสองอย่างดังที่กล่าวไว้เกี่ยวกับทวีคูณเล็ก ๆ :
คุณต้องการที่จะทอดเหรอ?
ข้อสันนิษฐานของฉันคือเราต้องการทราบสัดส่วนของเบอร์เกอร์ต่อมื้ออาหารด้วย อาหารทุกมื้อมีเบอร์เกอร์ ไม่ใช่ว่าทุกมื้อจะเป็น combomeals
- เราต้องการเพียงแค่รู้ว่าบางครั้งคนที่กิน combomeals?
- หรือเราต้องการทราบจำนวนมื้ออาหารของชาวเมืองรวมกันได้หรือไม่
ถ้า 1. บูลีนที่ใช้กับชื่อ / คีย์ / id จะทำ
บางครั้งเจนกินคอมโบ ถูกผิด.
ถ้า 2. เราสามารถใช้บูลีนกับอาหารแต่ละมื้อ:
1 cheeseburger, combomeal = จริง
1 cheeseburger, combomeal = จริง
1 cheeseburger, combomeal = false
1 cheeseburger, combomeal = false
1 cheeseburger, combomeal = false
1 cheeseburger, combomeal = false
1 cheeseburger, combomeal = false
1 เบอร์เกอร์เบอร์เกอร์, combomeal = true
1 เบอร์เกอร์เบอร์เกอร์, combomeal = true
1 เบอร์เกอร์เบอร์เกอร์, combomeal = false
นั่นเป็นเรื่องที่น่าเบื่อมากดังนั้นเราจึงสามารถแบ่งมันเป็น:
เจนกินเบอร์เกอร์ 10 ตัว ในสามข้อนี้เป็นคอมโบ (” คุณต้องการมันฝรั่งทอดด้วยหรือเปล่า”)
หนึ่งใน combomeals เป็นเมนูเนื้อวัว
คอมโบสองอันคือเมนูชีสเบอร์เกอร์
ส่วนที่เหลือเป็นเบอร์เกอร์เดียว 5 ชีสสองเนื้อ
แผนภูมิวงกลมนี้เป็นความพยายามที่จะจินตนาการภาพนั้น ฉันมีในรุ่นนี้เก็บชิ้นพายเพื่อให้ชัดเจน สิ่งที่เกี่ยวกับเรื่องนี้คือมันจะไม่มีการกระโดดเพื่อเริ่มใช้ชุดข้อมูลขนาดใหญ่และ%:
แต่ฉันคิดว่าวิธีที่ดีที่สุดคือคิดใหม่
อีกวิธีในการมองมันคือการทำมันง่ายจริงๆ ที่นี่จะง่ายกว่าที่จะเห็นว่ากลุ่มอายุกลุ่มน้ำหนักและข้อมูลทั้งหมดที่คุณไม่ได้ "มี"สามารถบอกเราได้ ข้อมูลที่คุณไม่เกี่ยวข้องกับพื้นที่มันเป็นหน่วยเท่านั้น (กก., ปี, ตัวเลข + คีย์ / id / ชื่อ):
(แก้ไข: ไข่บนใบหน้าของฉัน: ฉันได้แทนที่ภาพเหล่านี้ด้วยภาพที่ถูกต้องมากขึ้นสำหรับ "อาหารทุกมื้อเป็นเบอร์เกอร์ไม่ใช่อาหารทุกมื้อเป็นคำสั่งผสม")
นี่เป็นเรื่องง่ายที่จะขยายด้วยผู้คนจำนวนมาก:
หรือดียิ่งขึ้นถ้าคุณเปรียบเทียบกลุ่มอายุ 10, 20 และ 30 ปีคุณสามารถสร้างการสร้างภาพข้อมูลสถิติที่ง่ายต่อการอ่าน:
.. และเพื่อให้ชัดเจนที่สุด นี่คือตัวอย่างของวิธีคิดนี้ แผนภูมินี้แสดงผู้รอดชีวิตจาก Titanic อัตราส่วนของลูกเรือคลาสผู้ชายผู้หญิง
จะมีวิธีแก้ปัญหาอื่น ๆ อีกมากมายพวกนี้เป็นเพียงความคิดเล็กน้อย
ฉันสามารถไปเรื่อย ๆ แต่ตอนนี้ฉันหมดแรงและอาจเป็นคนอื่น
เครื่องมือที่จะเล่นกับ:
gephi
Gapminderดูการนำเสนอ TED ที่เป็นปรากฎการณ์นี้
โดย Hans Rosling - รักผู้ชายคนนั้น
Google charts
somvis
ราฟาเอล
MIT Exhibit (ก่อนหน้านี้เรียกว่า Similie)
d3
Highcharts
อ่านเพิ่มเติม:
PJ โอโนริ; ในการป้องกันอย่างหนัก
Edward Tufte: หลักฐานที่สวยงาม
Edward Tufte: ข้อมูลการนึกภาพ
Edward Tufte: การแสดงภาพข้อมูลเชิงปริมาณ
คำอธิบายภาพ: ภาพและปริมาณหลักฐานและเรื่องเล่า
ชาย, Alan., 2007 ภาพประกอบมุมมองเชิงทฤษฎีและเชิงบริบทเมืองโลซานน์, สวิตเซอร์แลนด์; New York, NY: AVA Academia
Isles, C. & Roberts, R. , 1997. ในแสงที่มองเห็น, การถ่ายภาพและการจัดหมวดหมู่ในศิลปะ, วิทยาศาสตร์และชีวิตประจำวัน, พิพิธภัณฑ์ศิลปะสมัยใหม่อ็อกฟอร์ด.
การ์ด, SK, Mackinlay, J. & Shneiderman, B. eds., 1999. การอ่านในการสร้างภาพข้อมูล: การใช้วิสัยทัศน์ในการคิดครั้งที่ 1, Morgan Kaufmann
Grafton, A. และ Rosenberg, D. , 2010 Cartographies of Time: ประวัติความเป็นมาของ Timeline, Press Architectural Press
ลิมา, M. , 2011. ความซับซ้อนของภาพ: รูปแบบการแมปข้อมูล, ข่าวสถาปัตยกรรมพรินซ์ตัน
Bounford, T. , 2000. แผนภาพดิจิทัล: วิธีการออกแบบและนำเสนอข้อมูลสถิติอย่างมีประสิทธิภาพ 0 ed., Watson-Guptill
Steele, J. & Iliinsky, N. eds., 2010 การสร้างภาพที่สวยงาม: การดูข้อมูลผ่านสายตาของผู้เชี่ยวชาญ 1st ed., O'Reilly Media
Gleick, J. , 2011. ข้อมูล: ประวัติ, ทฤษฎี, น้ำท่วม, แพนธีออน
