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

விகிதங்களை காட்சிப்படுத்துதல்


விகிதங்களை காட்சிப்படுத்துதல் - Sketchnote by @nitya

இந்த பாடத்தில், நீங்கள் இயற்கை சார்ந்த வேறு தரவுத்தொகுப்பைப் பயன்படுத்தி விகிதங்களை காட்சிப்படுத்தப் போகிறீர்கள், உதாரணமாக, காளான் தரவுத்தொகுப்பில் எத்தனை வகையான பூஞ்சைகள் உள்ளன என்பதைப் பார்க்கலாம். Agaricus மற்றும் Lepiota குடும்பங்களில் உள்ள 23 வகையான காளான்களைப் பற்றிய Audubon தரவுத்தொகுப்பைப் பயன்படுத்தி இந்த அற்புதமான பூஞ்சைகளை ஆராயலாம். நீங்கள் பின்வரும் சுவையான காட்சிகளை முயற்சிக்கலாம்:

பை வரைபடங்கள் 🥧
டோனட் வரைபடங்கள் 🍩
வாஃபிள் வரைபடங்கள் 🧇

💡 Microsoft Research உருவாக்கிய Charticulator என்ற ஒரு மிகச் சுவாரஸ்யமான திட்டம் தரவுக் காட்சிப்படுத்தலுக்கான இலவச டிராக் மற்றும் டிராப் இடைமுகத்தை வழங்குகிறது. அவர்களின் ஒரு டுடோரியலில், அவர்கள் இந்த காளான் தரவுத்தொகுப்பைப் பயன்படுத்துகிறார்கள்! எனவே, நீங்கள் தரவுகளை ஆராய்ந்து, அதே நேரத்தில் நூலகத்தைப் பற்றியும் கற்றுக்கொள்ளலாம்: Charticulator tutorial.

பாடத்திற்கு முன் வினாடி வினா

உங்கள் காளான்களைப் பற்றி அறிந்து கொள்ளுங்கள் 🍄

காளான்கள் மிகவும் சுவாரஸ்யமானவை. அவற்றைப் படிக்க ஒரு தரவுத்தொகுப்பை இறக்குமதி செய்யலாம்:

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

ஒரு அட்டவணை அச்சிடப்பட்டு, பகுப்பாய்வுக்கான சிறந்த தரவுகளை வழங்குகிறது:

வகுப்பு	தொப்பி வடிவம்	தொப்பி மேற்பரப்பு	தொப்பி நிறம்	காயம்	மணம்	கிளி இணைப்பு	கிளி இடைவெளி	கிளி அளவு	கிளி நிறம்	கம்பம் வடிவம்	கம்பம் வேர்கள்	கம்பம் மேற்பரப்பு-கோடு மேல்	கம்பம் மேற்பரப்பு-கோடு கீழ்	கம்பம் நிறம்-கோடு மேல்	கம்பம் நிறம்-கோடு கீழ்	மடல் வகை	மடல் நிறம்	வளைய எண்	வளைய வகை	மண்ணழுத்து நிறம்	மக்கள் தொகை	வாழிடம்
விஷம்	வளைந்த	மிருதுவான	பழுப்பு	காயம்	துர்நாற்றம்	சுதந்திரம்	நெருக்கமான	குறுகிய	கருப்பு	பெரிதாக்குதல்	சமம்	மிருதுவான	மிருதுவான	வெள்ளை	வெள்ளை	பகுதி	வெள்ளை	ஒன்று	தொங்கும்	கருப்பு	சிதறிய	நகரம்
சாப்பிடக்கூடிய	வளைந்த	மிருதுவான	மஞ்சள்	காயம்	பாதாம்	சுதந்திரம்	நெருக்கமான	அகலமான	கருப்பு	பெரிதாக்குதல்	கிளப்	மிருதுவான	மிருதுவான	வெள்ளை	வெள்ளை	பகுதி	வெள்ளை	ஒன்று	தொங்கும்	பழுப்பு	அதிகமான	புல்வெளி
சாப்பிடக்கூடிய	மணி	மிருதுவான	வெள்ளை	காயம்	அனீஸ்	சுதந்திரம்	நெருக்கமான	அகலமான	பழுப்பு	பெரிதாக்குதல்	கிளப்	மிருதுவான	மிருதுவான	வெள்ளை	வெள்ளை	பகுதி	வெள்ளை	ஒன்று	தொங்கும்	பழுப்பு	அதிகமான	புல்வெளி
விஷம்	வளைந்த	பரப்பான	வெள்ளை	காயம்	துர்நாற்றம்	சுதந்திரம்	நெருக்கமான	குறுகிய	பழுப்பு	பெரிதாக்குதல்	சமம்	மிருதுவான	மிருதுவான	வெள்ளை	வெள்ளை	பகுதி	வெள்ளை	ஒன்று	தொங்கும்	கருப்பு	சிதறிய	நகரம்
சாப்பிடக்கூடிய	வளைந்த	மிருதுவான	பச்சை	காயம் இல்லை	இல்லை	சுதந்திரம்	கூட்டம்	அகலமான	கருப்பு	குறுகிய	சமம்	மிருதுவான	மிருதுவான	வெள்ளை	வெள்ளை	பகுதி	வெள்ளை	ஒன்று	மறையும்	பழுப்பு	மிக அதிகமான	புல்வெளி
சாப்பிடக்கூடிய	வளைந்த	பரப்பான	மஞ்சள்	காயம்	பாதாம்	சுதந்திரம்	நெருக்கமான	அகலமான	பழுப்பு	பெரிதாக்குதல்	கிளப்	மிருதுவான	மிருதுவான	வெள்ளை	வெள்ளை	பகுதி	வெள்ளை	ஒன்று	தொங்கும்	கருப்பு	அதிகமான	புல்வெளி

உடனடியாக, அனைத்து தரவுகளும் உரை வடிவில் உள்ளன என்பதை நீங்கள் கவனிக்கிறீர்கள். இந்த தரவுகளை வரைபடத்தில் பயன்படுத்த முடியும்படி மாற்ற வேண்டும். உண்மையில், பெரும்பாலான தரவுகள் ஒரு பொருளாக பிரதிநிதித்துவம் செய்யப்படுகிறது:

names(mushrooms)

வெளியீடு:

[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"

இந்த தரவுகளை எடுத்து 'class' பத்தியை ஒரு வகையாக மாற்றுங்கள்:

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

இப்போது, நீங்கள் காளான் தரவுகளை அச்சிடினால், அது விஷம்/சாப்பிடக்கூடிய வகுப்புகளின் அடிப்படையில் பிரிக்கப்பட்டுள்ளது என்பதை நீங்கள் காணலாம்:

View(grouped)

வகுப்பு	எண்ணிக்கை
சாப்பிடக்கூடிய	4208
விஷம்	3916

இந்த அட்டவணையில் வழங்கப்பட்ட வரிசையைப் பின்பற்றி உங்கள் வகுப்புப் பிரிவுப் லேபிள்களை உருவாக்கினால், நீங்கள் ஒரு பை வரைபடத்தை உருவாக்கலாம்.

பை!

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

வோலா, இந்த இரண்டு வகுப்புகளின் அடிப்படையில் தரவின் விகிதங்களை காட்டும் ஒரு பை வரைபடம். குறிப்பாக இங்கு லேபிள் வரிசை சரியாக இருக்க வேண்டும் என்பதால், லேபிள் வரிசை சரிபார்க்க உறுதியாக இருக்கவும்!

டோனட்!

ஒரு சிறிது காட்சிப்படுத்தல் சுவாரஸ்யமான பை வரைபடம் என்பது டோனட் வரைபடம், இது நடுவில் ஒரு துளையுடன் கூடிய பை வரைபடம். இந்த முறையைப் பயன்படுத்தி உங்கள் தரவுகளைப் பார்ப்போம்.

காளான்கள் வளரும் பல்வேறு வாழிடங்களைப் பாருங்கள்:

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

வெளியீடு:

வாழிடம்	எண்ணிக்கை
புல்வெளி	2148
இலைகள்	832
புல்வெளி	292
பாதைகள்	1144
நகரம்	368
கழிவுகள்	192
மரங்கள்	3148

இங்கு, உங்கள் தரவுகளை வாழிடத்தின் அடிப்படையில் குழுவாக்குகிறீர்கள். 7 வாழிடங்கள் பட்டியலிடப்பட்டுள்ளன, எனவே உங்கள் டோனட் வரைபடத்திற்கான லேபிள்களாக அவற்றைப் பயன்படுத்துங்கள்:

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

இந்த குறியீடு இரண்டு நூலகங்களைப் பயன்படுத்துகிறது - ggplot2 மற்றும் webr. webr நூலகத்தின் PieDonut செயல்பாட்டைப் பயன்படுத்தி, டோனட் வரைபடத்தை எளிதாக உருவாக்கலாம்!

R-இல் டோனட் வரைபடங்களை வெறும் ggplot2 நூலகத்தைப் பயன்படுத்தி உருவாக்கலாம். இதைப் பற்றி மேலும் இங்கே அறிந்து, நீங்கள் முயற்சிக்கலாம்.

இப்போது உங்கள் தரவுகளை குழுவாக்கி, அதை பை அல்லது டோனட் வடிவில் காட்சிப்படுத்துவது எப்படி என்பதை நீங்கள் அறிந்துள்ளீர்கள், நீங்கள் மற்ற வகையான வரைபடங்களை ஆராயலாம். வாஃபிள் வரைபடத்தை முயற்சிக்கவும், இது அளவுகளை வேறு விதமாக ஆராய்வதற்கான ஒரு முறை.

வாஃபிள்!

'வாஃபிள்' வகை வரைபடம் என்பது அளவுகளை 2D சதுரங்களின் வரிசையாக காட்சிப்படுத்தும் ஒரு முறை. இந்த தரவுத்தொகுப்பில் காளான் தொப்பி நிறங்களின் வெவ்வேறு அளவுகளை காட்சிப்படுத்த முயற்சிக்கவும். இதைச் செய்ய, waffle என்ற உதவியாளர் நூலகத்தை நிறுவி, உங்கள் காட்சியை உருவாக்க பயன்படுத்த வேண்டும்:

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

உங்கள் தரவின் ஒரு பகுதியைத் தேர்ந்தெடுத்து குழுவாக்கவும்:

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

லேபிள்களை உருவாக்கி, உங்கள் தரவுகளை குழுவாக்கி வாஃபிள் வரைபடத்தை உருவாக்கவும்:

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"))

வாஃபிள் வரைபடத்தைப் பயன்படுத்தி, இந்த காளான் தரவுத்தொகுப்பின் தொப்பி நிறங்களின் விகிதங்களை தெளிவாகக் காணலாம். சுவாரஸ்யமாக, பச்சை தொப்பி கொண்ட காளான்கள் அதிகமாக உள்ளன!

இந்த பாடத்தில், நீங்கள் விகிதங்களை காட்சிப்படுத்த மூன்று வழிகளை கற்றுக்கொண்டீர்கள். முதலில், உங்கள் தரவுகளை வகைகளாக குழுவாக்க வேண்டும், பின்னர் தரவுகளை காட்சிப்படுத்த சிறந்த வழி எது என்பதைத் தேர்ந்தெடுக்க வேண்டும் - பை, டோனட் அல்லது வாஃபிள். அனைத்தும் சுவையானவை மற்றும் தரவுத்தொகுப்பின் உடனடி கண்ணோட்டத்தை வழங்க பயனரை மகிழ்விக்கின்றன.

🚀 சவால்

இந்த சுவையான வரைபடங்களை Charticulator இல் மீண்டும் உருவாக்க முயற்சிக்கவும்.

பாடத்திற்குப் பின் வினாடி வினா

மதிப்பீடு & சுயபடிப்பு

எப்போது பை, டோனட் அல்லது வாஃபிள் வரைபடத்தைப் பயன்படுத்த வேண்டும் என்பது சில நேரங்களில் தெளிவாக இருக்காது. இந்த தலைப்பைப் பற்றிய சில கட்டுரைகளைப் படிக்கவும்:

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

இந்த சிக்கலான முடிவைப் பற்றிய மேலும் தகவல்களைத் தேடி ஆராயுங்கள்.

பணிக்கூற்று

Excel-இல் முயற்சிக்கவும்

குறிப்பு:
இந்த ஆவணம் Co-op Translator என்ற AI மொழிபெயர்ப்பு சேவையைப் பயன்படுத்தி மொழிபெயர்க்கப்பட்டுள்ளது. எங்கள் தரச்செயல்முறையை உறுதிப்படுத்த முயற்சிக்கிறோம், ஆனால் தானியங்கி மொழிபெயர்ப்புகளில் பிழைகள் அல்லது தவறுகள் இருக்கக்கூடும் என்பதை தயவுசெய்து கவனத்தில் கொள்ளவும். அதன் தாய்மொழியில் உள்ள மூல ஆவணம் அதிகாரப்பூர்வ ஆதாரமாக கருதப்பட வேண்டும். முக்கியமான தகவல்களுக்கு, தொழில்முறை மனித மொழிபெயர்ப்பு பரிந்துரைக்கப்படுகிறது. இந்த மொழிபெயர்ப்பைப் பயன்படுத்துவதால் ஏற்படும் எந்த தவறான புரிதல்கள் அல்லது தவறான விளக்கங்களுக்கு நாங்கள் பொறுப்பல்ல.