History

localizeflow[bot] 2a898fda65 chore(i18n): sync translations with latest source changes (chunk 1/1, 65 changes)		5 months ago
..
README.md	chore(i18n): sync translations with latest source changes (chunk 1/1, 65 changes)	5 months ago

README.md

Proportsioonide visualiseerimine


Proportsioonide visualiseerimine - Sketchnote by @nitya

Selles õppetükis kasutad looduskeskkonnale keskenduvat andmestikku, et visualiseerida proportsioone, näiteks kui palju erinevaid seeneliike esineb antud andmestikus seente kohta. Uurime neid põnevaid seeni, kasutades Auduboni andmestikku, mis sisaldab üksikasju 23 liigi kohta, mis kuuluvad Agaricus ja Lepiota perekondadesse. Katsetad maitsvaid visualiseerimismeetodeid, nagu:

Pirukadiagrammid 🥧
Sõõrikdiagrammid 🍩
Vahvlidiagrammid 🧇

💡 Microsoft Researchi väga huvitav projekt nimega Charticulator pakub tasuta lohistamisliidest andmete visualiseerimiseks. Ühes nende õpetuses kasutatakse samuti seda seente andmestikku! Nii saad andmeid uurida ja samal ajal raamatukogu tundma õppida: Charticulator õpetus.

Eelloengu viktoriin

Tutvu oma seentega 🍄

Seened on väga huvitavad. Impordime andmestiku, et neid uurida:

mushrooms = read.csv('../../data/mushrooms.csv')
head(mushrooms)

Tabelis kuvatakse suurepärased andmed analüüsimiseks:

klass	kübara kuju	kübara pind	kübara värv	muljumisjäljed	lõhn	eoslehe kinnitus	eoslehe vahe	eoslehe suurus	eoslehe värv	jala kuju	jala alus	jala pind rõnga kohal	jala pind rõnga all	jala värv rõnga kohal	jala värv rõnga all	loor tüüp	loor värv	rõngaste arv	rõnga tüüp	eospulbri värv	populatsioon	elupaik
Mürgine	Kumer	Sile	Pruun	Muljumisjäljed	Torkav	Vaba	Tihe	Kitsas	Must	Suurenev	Võrdne	Sile	Sile	Valge	Valge	Osaline	Valge	Üks	Rippuv	Must	Hajutatud	Linn
Söödav	Kumer	Sile	Kollane	Muljumisjäljed	Mandli	Vaba	Tihe	Lai	Must	Suurenev	Klubikujuline	Sile	Sile	Valge	Valge	Osaline	Valge	Üks	Rippuv	Pruun	Arvukas	Rohumaa
Söödav	Kellukakujuline	Sile	Valge	Muljumisjäljed	Aniisi	Vaba	Tihe	Lai	Pruun	Suurenev	Klubikujuline	Sile	Sile	Valge	Valge	Osaline	Valge	Üks	Rippuv	Pruun	Arvukas	Niidud
Mürgine	Kumer	Kaaluline	Valge	Muljumisjäljed	Torkav	Vaba	Tihe	Kitsas	Pruun	Suurenev	Võrdne	Sile	Sile	Valge	Valge	Osaline	Valge	Üks	Rippuv	Must	Hajutatud	Linn
Söödav	Kumer	Sile	Roheline	Ei muljumisjälgi	Puudub	Vaba	Tihe	Lai	Must	Kitsenev	Võrdne	Sile	Sile	Valge	Valge	Osaline	Valge	Üks	Kaduv	Pruun	Rohke	Rohumaa
Söödav	Kumer	Kaaluline	Kollane	Muljumisjäljed	Mandli	Vaba	Tihe	Lai	Pruun	Suurenev	Klubikujuline	Sile	Sile	Valge	Valge	Osaline	Valge	Üks	Rippuv	Must	Arvukas	Rohumaa

Kohe märkad, et kõik andmed on tekstilised. Pead need andmed teisendama, et neid diagrammil kasutada. Enamik andmetest on tegelikult esitatud objektina:

names(mushrooms)

Väljund on:

[1] "class"                    "cap.shape"               
 [3] "cap.surface"              "cap.color"               
 [5] "bruises"                  "odor"                    
 [7] "gill.attachment"          "gill.spacing"            
 [9] "gill.size"                "gill.color"              
[11] "stalk.shape"              "stalk.root"              
[13] "stalk.surface.above.ring" "stalk.surface.below.ring"
[15] "stalk.color.above.ring"   "stalk.color.below.ring"  
[17] "veil.type"                "veil.color"              
[19] "ring.number"              "ring.type"               
[21] "spore.print.color"        "population"              
[23] "habitat"

Võta need andmed ja teisenda 'klass' veerg kategooriaks:

library(dplyr)
grouped=mushrooms %>%
  group_by(class) %>%
  summarise(count=n())

Kui prindid seente andmed välja, näed, et need on rühmitatud kategooriatesse vastavalt mürgise/söödava klassile:

View(grouped)

klass	arv
Söödav	4208
Mürgine	3916

Kui järgida tabelis esitatud järjekorda klassi kategooria siltide loomiseks, saad koostada pirukadiagrammi.

Pirukas!

pie(grouped$count,grouped$class, main="Edible?")

Voila, pirukadiagramm, mis näitab nende kahe seeneklassi andmete proportsioone. On üsna oluline saada siltide järjekord õigeks, eriti siin, seega kontrolli kindlasti, kuidas siltide massiiv on koostatud!

Sõõrikud!

Visuaalselt veidi huvitavam pirukadiagramm on sõõrikdiagramm, mis on pirukadiagramm, mille keskel on auk. Vaatame meie andmeid selle meetodi abil.

Vaata erinevaid elupaiku, kus seened kasvavad:

library(dplyr)
habitat=mushrooms %>%
  group_by(habitat) %>%
  summarise(count=n())
View(habitat)

Väljund on:

elupaik	arv
Rohumaa	2148
Lehed	832
Niidud	292
Rajad	1144
Linn	368
Jäätmed	192
Mets	3148

Siin rühmitad oma andmed elupaikade järgi. Neid on loetletud 7, seega kasuta neid sõõrikdiagrammi siltidena:

library(ggplot2)
library(webr)
PieDonut(habitat, aes(habitat, count=count))

See kood kasutab kahte teeki - ggplot2 ja webr. Kasutades webr teegi PieDonut funktsiooni, saame hõlpsasti luua sõõrikdiagrammi!

Sõõrikdiagramme saab R-is koostada ka ainult ggplot2 teegi abil. Saad sellest rohkem teada siin ja proovida ise.

Nüüd, kui tead, kuidas oma andmeid rühmitada ja seejärel kuvada piruka või sõõrikuna, saad uurida teisi diagrammitüüpe. Proovi vahvlidiagrammi, mis on lihtsalt teistsugune viis koguste uurimiseks.

Vahvlid!

'Vahvli' tüüpi diagramm on teistsugune viis koguste visualiseerimiseks 2D ruutude massiivina. Proovi visualiseerida erinevaid seente kübara värve selles andmestikus. Selleks pead installima abiteegi nimega waffle ja kasutama seda oma visualiseerimise loomiseks:

install.packages("waffle", repos = "https://cinc.rud.is")

Vali oma andmetest segment, mida rühmitada:

library(dplyr)
cap_color=mushrooms %>%
  group_by(cap.color) %>%
  summarise(count=n())
View(cap_color)

Loo vahvlidiagramm, luues sildid ja rühmitades oma andmed:

library(waffle)
names(cap_color$count) = paste0(cap_color$cap.color)
waffle((cap_color$count/10), rows = 7, title = "Waffle Chart")+scale_fill_manual(values=c("brown", "#F0DC82", "#D2691E", "green", 
                                                                                     "pink", "purple", "red", "grey", 
                                                                                     "yellow","white"))

Vahvlidiagrammi abil näed selgelt seente kübara värvide proportsioone selles andmestikus. Huvitaval kombel on palju rohelise kübaraga seeni!

Selles õppetükis õppisid kolme viisi proportsioonide visualiseerimiseks. Kõigepealt pead oma andmed rühmitama kategooriatesse ja seejärel otsustama, milline on parim viis andmete kuvamiseks - pirukas, sõõrik või vahvel. Kõik on maitsvad ja pakuvad kasutajale kohest ülevaadet andmestikust.

🚀 Väljakutse

Proovi neid maitsvaid diagramme uuesti luua Charticulatoris.

Järelloengu viktoriin

Ülevaade ja iseseisev õppimine

Mõnikord pole ilmne, millal kasutada piruka-, sõõriku- või vahvlidiagrammi. Siin on mõned artiklid, mida sellel teemal lugeda:

https://www.beautiful.ai/blog/battle-of-the-charts-pie-chart-vs-donut-chart

https://medium.com/@hypsypops/pie-chart-vs-donut-chart-showdown-in-the-ring-5d24fd86a9ce

https://www.mit.edu/~mbarker/formula1/f1help/11-ch-c6.htm

https://medium.datadriveninvestor.com/data-visualization-done-the-right-way-with-tableau-waffle-chart-fdf2a19be402

Tee veidi uurimistööd, et leida rohkem teavet selle keerulise otsuse kohta.

Ülesanne

Proovi Excelis

Lahtiütlus:
See dokument on tõlgitud AI tõlketeenuse Co-op Translator abil. Kuigi püüame tagada täpsust, palume arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algses keeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitame kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti tõlgenduste eest.