# अर्थपूर्ण व्हिज्युअलायझेशन तयार करणे | ](../../sketchnotes/13-MeaningfulViz.png)| |:---:| | अर्थपूर्ण व्हिज्युअलायझेशन - _[@nitya](https://twitter.com/nitya)_ यांचे स्केच नोट | > "जर तुम्ही डेटा पुरेसा त्रास दिला, तर तो काहीही कबूल करेल" -- [Ronald Coase](https://en.wikiquote.org/wiki/Ronald_Coase) डेटा सायंटिस्टचे एक मूलभूत कौशल्य म्हणजे अर्थपूर्ण डेटा व्हिज्युअलायझेशन तयार करण्याची क्षमता, ज्यामुळे तुम्हाला तुमच्या प्रश्नांची उत्तरे मिळविण्यास मदत होते. तुमचा डेटा व्हिज्युअलायझ करण्यापूर्वी, तुम्हाला खात्री करावी लागेल की तो स्वच्छ आणि तयार केला गेला आहे, जसे तुम्ही मागील धड्यांमध्ये केले. त्यानंतर, डेटा कसा सादर करायचा हे ठरवायला सुरुवात करू शकता. या धड्यात तुम्ही पुनरावलोकन कराल: 1. योग्य चार्ट प्रकार कसा निवडायचा 2. फसवणूक करणारे चार्ट टाळण्याचे मार्ग 3. रंगांसोबत काम कसे करावे 4. वाचनीयतेसाठी चार्ट कसे स्टाइल करावे 5. अॅनिमेटेड किंवा 3D चार्टिंग सोल्यूशन्स कसे तयार करावे 6. सर्जनशील व्हिज्युअलायझेशन कसे तयार करावे ## [पूर्व-व्याख्यान प्रश्नमंजुषा](https://ff-quizzes.netlify.app/en/ds/quiz/24) ## योग्य चार्ट प्रकार निवडा मागील धड्यांमध्ये, तुम्ही Matplotlib आणि Seaborn वापरून विविध प्रकारचे डेटा व्हिज्युअलायझेशन तयार करण्याचा प्रयोग केला. सामान्यतः, तुम्ही विचारत असलेल्या प्रश्नासाठी योग्य [चार्ट प्रकार](https://chartio.com/learn/charts/how-to-select-a-data-vizualization/) निवडण्यासाठी खालील तक्ता वापरू शकता: | तुम्हाला करायचे आहे: | तुम्ही वापरावे: | | -------------------------- | ------------------------------- | | वेळेनुसार डेटा ट्रेंड दाखवा | लाइन | | श्रेणींची तुलना करा | बार, पाई | | एकूण तुलना करा | पाई, स्टॅक्ड बार | | नातेसंबंध दाखवा | स्कॅटर, लाइन, फेसट, ड्युअल लाइन | | वितरण दाखवा | स्कॅटर, हिस्टोग्राम, बॉक्स | | प्रमाण दाखवा | पाई, डोनट, वाफल | > ✅ तुमच्या डेटाच्या स्वरूपानुसार, तुम्हाला ते टेक्स्टमधून संख्यात्मक स्वरूपात रूपांतरित करावे लागेल, जेणेकरून दिलेला चार्ट त्याला समर्थन देईल. ## फसवणूक टाळा जरी डेटा सायंटिस्टने योग्य डेटा साठी योग्य चार्ट निवडला तरी, डेटा चुकीच्या प्रकारे सादर केला जाऊ शकतो, जे अनेकदा डेटा स्वतःच्या विश्वासार्हतेला हानी पोहोचवते. फसवणूक करणाऱ्या चार्ट्स आणि इन्फोग्राफिक्सचे अनेक उदाहरणे आहेत! [](https://www.youtube.com/watch?v=oX74Nge8Wkw "How charts lie") > 🎥 वरील प्रतिमेवर क्लिक करा फसवणूक करणाऱ्या चार्ट्सबद्दलच्या परिषदेतल्या चर्चेसाठी हा चार्ट X अक्ष उलटवतो, जे सत्याच्या विरुद्ध दाखवतो, तारीख आधारित:  [हा चार्ट](https://media.firstcoastnews.com/assets/WTLV/images/170ae16f-4643-438f-b689-50d66ca6a8d8/170ae16f-4643-438f-b689-50d66ca6a8d8_1140x641.jpg) अधिक फसवणूक करणारा आहे, कारण डोळा उजवीकडे जातो आणि असा निष्कर्ष काढतो की, कालांतराने, विविध काउंटीजमध्ये COVID प्रकरणे कमी झाली आहेत. प्रत्यक्षात, जर तुम्ही तारखांकडे बारकाईने पाहिले, तर तुम्हाला आढळेल की त्या फसवणूक करणाऱ्या उतरणाऱ्या ट्रेंडसाठी पुन्हा व्यवस्था करण्यात आल्या आहेत.  हा कुप्रसिद्ध उदाहरण रंग आणि उलटवलेल्या Y अक्षाचा वापर करून फसवणूक करतो: बंदूक अनुकूल कायदे लागू झाल्यानंतर बंदूक मृत्यू वाढले, असे निष्कर्ष काढण्याऐवजी, प्रत्यक्षात डोळा उलट निष्कर्ष काढण्यासाठी फसवला जातो:  हा विचित्र चार्ट दाखवतो की प्रमाण कसे हसण्यासारखे परिणाम देण्यासाठी बदलले जाऊ शकते:  अतुलनीय गोष्टींची तुलना करणे हा आणखी एक छुपा युक्ती आहे. 'स्प्युरियस कोरिलेशन्स' नावाच्या [अद्भुत वेबसाइट](https://tylervigen.com/spurious-correlations) मध्ये 'तथ्ये' दाखवली जातात जसे की मेनमधील घटस्फोट दर आणि मार्जरीनचा वापर. रेडिट ग्रुप देखील डेटाच्या [अयोग्य वापराचे](https://www.reddit.com/r/dataisugly/top/?t=all) उदाहरणे गोळा करतो. फसवणूक करणाऱ्या चार्ट्सद्वारे डोळा किती सहज फसवला जाऊ शकतो हे समजून घेणे महत्त्वाचे आहे. जरी डेटा सायंटिस्टचा हेतू चांगला असला तरी, खराब प्रकारचा चार्ट निवडणे, जसे की खूप जास्त श्रेणी दाखवणारा पाई चार्ट, फसवणूक करणारा ठरू शकतो. ## रंग वरील 'फ्लोरिडा गन व्हायोलन्स' चार्टमध्ये तुम्ही पाहिले की रंग चार्ट्समध्ये अतिरिक्त अर्थ प्रदान करू शकतो, विशेषतः जे Matplotlib आणि Seaborn सारख्या लायब्ररी वापरून डिझाइन केलेले नाहीत, ज्यामध्ये विविध प्रमाणित रंग लायब्ररी आणि पॅलेट्स असतात. जर तुम्ही चार्ट हाताने तयार करत असाल, तर [रंग सिद्धांत](https://colormatters.com/color-and-design/basic-color-theory) थोडा अभ्यास करा. > ✅ चार्ट डिझाइन करताना लक्षात ठेवा की अॅक्सेसिबिलिटी व्हिज्युअलायझेशनचा एक महत्त्वाचा पैलू आहे. तुमचे काही वापरकर्ते रंगांबाबत अंध असू शकतात - तुमचा चार्ट व्हिज्युअल इम्पेअरमेंट असलेल्या वापरकर्त्यांसाठी चांगला दिसतो का? तुमच्या चार्टसाठी रंग निवडताना काळजी घ्या, कारण रंग तुमच्या इच्छित अर्थापेक्षा वेगळा अर्थ देऊ शकतो. वरील 'हाइट' चार्टमधील 'पिंक लेडीज' एक वेगळा 'स्त्रीलिंगी' अर्थ देतात, ज्यामुळे चार्टची विचित्रता वाढते. जरी [रंगाचा अर्थ](https://colormatters.com/color-symbolism/the-meanings-of-colors) वेगवेगळ्या भागांमध्ये वेगळा असू शकतो आणि त्याच्या छटेनुसार बदलतो. सामान्यतः, रंगाचे अर्थ खालीलप्रमाणे असतात: | रंग | अर्थ | | ------ | ------------------- | | लाल | शक्ती | | निळा | विश्वास, निष्ठा | | पिवळा | आनंद, सावधता | | हिरवा | पर्यावरण, नशीब, मत्सर | | जांभळा | आनंद | | नारंगी | उत्साह | जर तुम्हाला कस्टम रंगांसह चार्ट तयार करण्याचे काम दिले गेले असेल, तर तुमचे चार्ट अॅक्सेसिबल आहेत आणि तुम्ही निवडलेला रंग तुम्ही व्यक्त करू इच्छित असलेल्या अर्थाशी जुळतो याची खात्री करा. ## वाचनीयतेसाठी चार्ट्स स्टाइल करा चार्ट्स अर्थपूर्ण नसतात जर ते वाचनीय नसतील! तुमच्या डेटासह चांगल्या प्रकारे स्केल करण्यासाठी तुमच्या चार्टची रुंदी आणि उंची स्टाइल करण्याचा विचार करा. जर एक व्हेरिएबल (जसे की सर्व 50 राज्ये) प्रदर्शित करायचे असेल, तर ते शक्य असल्यास Y अक्षावर उभ्या स्वरूपात दाखवा, जेणेकरून आडव्या स्क्रोलिंग चार्ट टाळता येईल. तुमच्या अक्षांना लेबल द्या, आवश्यक असल्यास एक लेजेंड प्रदान करा आणि डेटा चांगल्या प्रकारे समजण्यासाठी टूलटिप्स ऑफर करा. जर तुमचा डेटा X अक्षावर टेक्स्ट स्वरूपात आणि विस्तृत असेल, तर वाचनीयतेसाठी टेक्स्ट अँगल करा. [Matplotlib](https://matplotlib.org/stable/tutorials/toolkits/mplot3d.html) 3D प्लॉटिंग ऑफर करते, जर तुमचा डेटा त्याला समर्थन देत असेल. `mpl_toolkits.mplot3d` वापरून प्रगत डेटा व्हिज्युअलायझेशन तयार करता येते.  ## अॅनिमेशन आणि 3D चार्ट डिस्प्ले आजकाल काही सर्वोत्तम डेटा व्हिज्युअलायझेशन अॅनिमेटेड आहेत. Shirley Wu यांनी D3 वापरून तयार केलेले आश्चर्यकारक व्हिज्युअलायझेशन आहेत, जसे की '[film flowers](http://bl.ocks.org/sxywu/raw/d612c6c653fb8b4d7ff3d422be164a5d/)', जिथे प्रत्येक फूल एका चित्रपटाचे व्हिज्युअलायझेशन आहे. Guardian साठी आणखी एक उदाहरण म्हणजे 'bussed out', एक परस्पर अनुभव जो Greensock आणि D3 सह व्हिज्युअलायझेशन आणि स्क्रोलिटेलिंग लेख स्वरूप एकत्र करतो, ज्यामध्ये NYC त्याच्या बेघर समस्येचे निराकरण कसे करते हे दाखवते.  > "Bussed Out: How America Moves its Homeless" [Guardian](https://www.theguardian.com/us-news/ng-interactive/2017/dec/20/bussed-out-america-moves-homeless-people-country-study) मधून. Nadieh Bremer & Shirley Wu यांचे व्हिज्युअलायझेशन जरी हा धडा या शक्तिशाली व्हिज्युअलायझेशन लायब्ररी शिकवण्यासाठी पुरेसा नाही, तरी D3 वापरून Vue.js अॅपमध्ये 'Dangerous Liaisons' पुस्तकाचे अॅनिमेटेड सोशल नेटवर्क व्हिज्युअलायझेशन तयार करण्याचा प्रयत्न करा. > "Les Liaisons Dangereuses" हे पत्रांच्या मालिकेसारखे सादर केलेले एक कादंबरी आहे. 1782 मध्ये Choderlos de Laclos यांनी लिहिलेले, हे फ्रेंच अभिजात वर्गातील दोन प्रतिस्पर्धी नायक, Vicomte de Valmont आणि Marquise de Merteuil यांच्या सामाजिक युक्त्या आणि त्यांच्या शेवटच्या विनाशाची कथा सांगते. कादंबरी पत्रांच्या मालिकेसारखी उलगडते, ज्यामध्ये त्यांच्या वर्तुळातील विविध लोकांना लिहिलेली पत्रे, सूड घेण्यासाठी किंवा फक्त त्रास देण्यासाठी योजना आखली जाते. या पत्रांचे व्हिज्युअलायझेशन तयार करा जेणेकरून कथानकातील प्रमुख पात्रे व्हिज्युअली शोधता येतील. तुम्ही एक वेब अॅप पूर्ण कराल जे या सोशल नेटवर्कचे अॅनिमेटेड दृश्य प्रदर्शित करेल. हे Vue.js आणि D3 वापरून [नेटवर्कचे व्हिज्युअल](https://github.com/emiliorizzo/vue-d3-network) तयार करण्यासाठी तयार केलेल्या लायब्ररीचा वापर करते. अॅप चालू असताना, तुम्ही स्क्रीनवर नोड्स खेचून डेटा हलवू शकता.  ## प्रकल्प: D3.js वापरून नेटवर्क दाखवणारा चार्ट तयार करा > या धड्याच्या फोल्डरमध्ये एक `solution` फोल्डर समाविष्ट आहे जिथे तुम्ही पूर्ण प्रकल्प संदर्भासाठी शोधू शकता. 1. स्टार्टर फोल्डरच्या मूळ README.md फाइलमधील सूचनांचे अनुसरण करा. तुमच्या मशीनवर NPM आणि Node.js चालू असल्याची खात्री करा आणि नंतर प्रकल्पाच्या dependencies इंस्टॉल करा. 2. `starter/src` फोल्डर उघडा. तुम्हाला एक `assets` फोल्डर सापडेल जिथे कादंबरीतील सर्व पत्रे, क्रमांकित, 'to' आणि 'from' अॅनोटेशनसह .json फाइल आहे. 3. `components/Nodes.vue` मध्ये कोड पूर्ण करा जेणेकरून व्हिज्युअलायझेशन सक्षम होईल. `createLinks()` नावाच्या पद्धतीसाठी शोधा आणि खालील nested loop जोडा. .json ऑब्जेक्टमधून 'to' आणि 'from' डेटा कॅप्चर करण्यासाठी आणि व्हिज्युअलायझेशन लायब्ररीला ते वापरण्यासाठी `links` ऑब्जेक्ट तयार करण्यासाठी लूप करा: ```javascript //loop through letters let f = 0; let t = 0; for (var i = 0; i < letters.length; i++) { for (var j = 0; j < characters.length; j++) { if (characters[j] == letters[i].from) { f = j; } if (characters[j] == letters[i].to) { t = j; } } this.links.push({ sid: f, tid: t }); } ``` तुमच्या टर्मिनलमधून अॅप चालवा (npm run serve) आणि व्हिज्युअलायझेशनचा आनंद घ्या! ## 🚀 आव्हान इंटरनेटवर फसवणूक करणाऱ्या व्हिज्युअलायझेशनचा शोध घ्या. लेखक वापरकर्त्याला कसा फसवतो आणि तो हेतुपुरस्सर आहे का? व्हिज्युअलायझेशन योग्य प्रकारे कसे दिसावे हे दाखवण्यासाठी त्यात सुधारणा करण्याचा प्रयत्न करा. ## [व्याख्यानानंतरची प्रश्नमंजुषा](https://ff-quizzes.netlify.app/en/ds/quiz/25) ## पुनरावलोकन आणि स्व-अभ्यास फसवणूक करणाऱ्या डेटा व्हिज्युअलायझेशनबद्दल वाचण्यासाठी काही लेख येथे आहेत: https://gizmodo.com/how-to-lie-with-data-visualization-1563576606 http://ixd.prattsi.org/2017/12/visual-lies-usability-in-deceptive-data-visualizations/ ऐतिहासिक मालमत्ता आणि वस्तूंसाठी काही मनोरंजक व्हिज्युअलायझेशन येथे पहा: https://handbook.pubpub.org/ अॅनिमेशन तुमच्या व्हिज्युअलायझेशनला कसे सुधारू शकते याबद्दल या लेखाचा अभ्यास करा: https://medium.com/@EvanSinar/use-animation-to-supercharge-data-visualization-cd905a882ad4 ## असाइनमेंट [तुमचे स्वतःचे कस्टम व्हिज्युअलायझेशन तयार करा](assignment.md) --- **अस्वीकरण**: हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) वापरून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरे त्रुटी किंवा अचूकतेच्या अभावाने युक्त असू शकतात. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.