You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
175 lines
24 KiB
175 lines
24 KiB
# అర్థవంతమైన విజువలైజేషన్లు చేయడం
|
|
|
|
| ద్వారా ](../../sketchnotes/13-MeaningfulViz.png)|
|
|
|:---:|
|
|
| అర్థవంతమైన విజువలైజేషన్లు - _స్కెచ్ నోట్ [@nitya](https://twitter.com/nitya) ద్వారా_ |
|
|
|
|
> "మీరు డేటాను ఎంతకాలం పీడిస్తే, అది ఏదైనా ఒప్పుకుంటుంది" -- [Ronald Coase](https://en.wikiquote.org/wiki/Ronald_Coase)
|
|
|
|
డేటా సైంటిస్ట్ యొక్క ప్రాథమిక నైపుణ్యాలలో ఒకటి, మీరు కలిగి ఉండవచ్చునని అనుకునే ప్రశ్నలకు సహాయం చేసే అర్థవంతమైన డేటా విజువలైజేషన్ సృష్టించే సామర్థ్యం. మీ డేటాను విజువలైజ్ చేయడానికి ముందు, మీరు గత పాఠాలలో చేసినట్లుగా అది శుభ్రపరచబడినదిగా మరియు సిద్ధంగా ఉందని నిర్ధారించుకోవాలి. ఆ తర్వాత, మీరు డేటాను ఎలా ఉత్తమంగా ప్రదర్శించాలో నిర్ణయించుకోవచ్చు.
|
|
|
|
ఈ పాఠంలో, మీరు సమీక్షించబోతున్నారు:
|
|
|
|
1. సరైన చార్ట్ రకాన్ని ఎలా ఎంచుకోవాలి
|
|
2. మోసపూరిత చార్టింగ్ను ఎలా నివారించాలి
|
|
3. రంగులతో ఎలా పని చేయాలి
|
|
4. చదవడానికి సులభంగా మీ చార్టులను ఎలా స్టైల్ చేయాలి
|
|
5. యానిమేటెడ్ లేదా 3D చార్టింగ్ పరిష్కారాలను ఎలా నిర్మించాలి
|
|
6. సృజనాత్మక విజువలైజేషన్ను ఎలా నిర్మించాలి
|
|
|
|
## [ప్రీ-లెక్చర్ క్విజ్](https://ff-quizzes.netlify.app/en/ds/quiz/24)
|
|
|
|
## సరైన చార్ట్ రకాన్ని ఎంచుకోండి
|
|
|
|
మునుపటి పాఠాలలో, మీరు Matplotlib మరియు Seaborn ఉపయోగించి అన్ని రకాల ఆసక్తికరమైన డేటా విజువలైజేషన్లను నిర్మించడంలో ప్రయోగించారు. సాధారణంగా, మీరు అడుగుతున్న ప్రశ్నకు సరిపోయే [సరైన రకమైన చార్ట్](https://chartio.com/learn/charts/how-to-select-a-data-vizualization/) ను ఈ పట్టిక ఉపయోగించి ఎంచుకోవచ్చు:
|
|
|
|
| మీరు చేయాలి: | మీరు ఉపయోగించాలి: |
|
|
| -------------------------- | ------------------------------- |
|
|
| సమయానుగుణంగా డేటా ధోరణులను చూపించండి | లైన్ |
|
|
| వర్గాలను పోల్చండి | బార్, పై |
|
|
| మొత్తం మొత్తాలను పోల్చండి | పై, స్టాక్డ్ బార్ |
|
|
| సంబంధాలను చూపించండి | స్కాటర్, లైన్, ఫేసెట్, డ్యూయల్ లైన్ |
|
|
| పంపిణీలను చూపించండి | స్కాటర్, హిస్టోగ్రామ్, బాక్స్ |
|
|
| భాగాలను చూపించండి | పై, డోనట్, వాఫుల్ |
|
|
|
|
> ✅ మీ డేటా నిర్మాణం ఆధారంగా, మీరు ఒక నిర్దిష్ట చార్ట్కు మద్దతు ఇవ్వడానికి దాన్ని టెక్స్ట్ నుండి సంఖ్యాత్మకంగా మార్చుకోవాల్సి ఉండవచ్చు.
|
|
|
|
## మోసాన్ని నివారించండి
|
|
|
|
డేటా సైంటిస్ట్ సరైన డేటాకు సరైన చార్ట్ ఎంచుకోవడంలో జాగ్రత్తగా ఉన్నా కూడా, డేటాను ఒక పాయింట్ నిరూపించడానికి ప్రదర్శించే అనేక మార్గాలు ఉన్నాయి, తరచుగా డేటాను తక్కువగా చూపించే ఖర్చుతో. మోసపూరిత చార్టులు మరియు ఇన్ఫోగ్రాఫిక్స్ అనేక ఉదాహరణలు ఉన్నాయి!
|
|
|
|
[](https://www.youtube.com/watch?v=oX74Nge8Wkw "How charts lie")
|
|
|
|
> 🎥 మోసపూరిత చార్టుల గురించి కాన్ఫరెన్స్ టాక్ కోసం పై చిత్రం క్లిక్ చేయండి
|
|
|
|
ఈ చార్ట్ X అక్షాన్ని తిరగబెడుతుంది, తేదీ ఆధారంగా నిజానికి వ్యతిరేకంగా చూపించడానికి:
|
|
|
|
|
|
|
|
[ఈ చార్ట్](https://media.firstcoastnews.com/assets/WTLV/images/170ae16f-4643-438f-b689-50d66ca6a8d8/170ae16f-4643-438f-b689-50d66ca6a8d8_1140x641.jpg) మరింత మోసపూరితంగా ఉంది, కళ్ళు కుడి వైపు ఆకర్షించబడి, కాలక్రమేణా COVID కేసులు వివిధ కౌంటీలలో తగ్గాయని తేల్చుకుంటుంది. నిజానికి, తేదీలను జాగ్రత్తగా పరిశీలిస్తే, అవి మోసపూరిత దిగువ ధోరణిని ఇవ్వడానికి తిరగబడినట్లు కనుగొంటారు.
|
|
|
|
|
|
|
|
ఈ ప్రసిద్ధ ఉదాహరణ రంగు మరియు తిరగబడిన Y అక్షాన్ని ఉపయోగించి మోసం చేస్తుంది: తుపాకీ మిత్ర చట్టం ఆమోదం తర్వాత తుపాకీ మరణాలు పెరిగాయని తేల్చుకోవడం కాకుండా, కళ్ళు వ్యతిరేకం నిజమని భావించడానికి మోసం చేస్తాయి:
|
|
|
|
|
|
|
|
ఈ విచిత్ర చార్ట్ భాగస్వామ్యాన్ని ఎలా మోసం చేయవచ్చో హాస్యాస్పదంగా చూపిస్తుంది:
|
|
|
|
|
|
|
|
అసమానమైన వాటిని పోల్చడం మరొక మోసపూరిత ట్రిక్. 'స్పూరియస్ కారెలేషన్స్' గురించి ఒక [అద్భుతమైన వెబ్ సైట్](https://tylervigen.com/spurious-correlations) ఉంది, ఇది మైన్లో విడాకుల రేటు మరియు మార్జరిన్ వినియోగం వంటి విషయాలను కలిపి 'వాస్తవాలు' చూపిస్తుంది. Reddit గ్రూప్ కూడా డేటా యొక్క [అందం లేని ఉపయోగాలను](https://www.reddit.com/r/dataisugly/top/?t=all) సేకరిస్తుంది.
|
|
|
|
మోసపూరిత చార్టుల ద్వారా కళ్ళు ఎంత సులభంగా మోసపోయే అవకాశం ఉందో అర్థం చేసుకోవడం ముఖ్యం. డేటా సైంటిస్ట్ ఉద్దేశ్యం మంచిదైనా, చాలా వర్గాలను చూపించే పై చార్ట్ వంటి చెడు రకమైన చార్ట్ ఎంపిక మోసపూరితంగా ఉండవచ్చు.
|
|
|
|
## రంగు
|
|
|
|
పై 'ఫ్లోరిడా తుపాకీ హింస' చార్ట్లో మీరు చూసినట్లుగా, రంగు చార్టులకు అదనపు అర్థాన్ని అందిస్తుంది, ముఖ్యంగా Matplotlib మరియు Seaborn వంటి లైబ్రరీలు ఉపయోగించని చార్టులకు, ఇవి వివిధ ధృవీకరించబడిన రంగు లైబ్రరీలు మరియు ప్యాలెట్లతో వస్తాయి. మీరు చేతితో చార్ట్ తయారు చేస్తుంటే, [రంగు సిద్ధాంతం](https://colormatters.com/color-and-design/basic-color-theory) గురించి కొంత అధ్యయనం చేయండి
|
|
|
|
> ✅ చార్టులను డిజైన్ చేసే సమయంలో, విజువలైజేషన్లో ప్రాప్యత ఒక ముఖ్యమైన అంశం అని గుర్తుంచుకోండి. మీ వినియోగదారుల్లో కొంతమంది రంగు దృష్టి లోపం కలిగి ఉండవచ్చు - మీ చార్ట్ దృష్టి లోపం ఉన్న వినియోగదారులకు బాగా ప్రదర్శించబడుతుందా?
|
|
|
|
మీ చార్ట్ కోసం రంగులను ఎంచుకునేటప్పుడు జాగ్రత్త వహించండి, ఎందుకంటే రంగు మీరు ఉద్దేశించని అర్థాన్ని కూడా వ్యక్తం చేయవచ్చు. పై 'ఎత్తు' చార్ట్లో 'పింక్ లేడీస్' స్పష్టంగా 'స్త్రీలింగ' అర్థాన్ని వ్యక్తం చేస్తాయి, ఇది చార్ట్ యొక్క విచిత్రతకు మరింత జోడిస్తుంది.
|
|
|
|
[రంగు అర్థం](https://colormatters.com/color-symbolism/the-meanings-of-colors) ప్రపంచంలోని వివిధ భాగాల్లో భిన్నంగా ఉండవచ్చు, మరియు వాటి షేడ్ల ప్రకారం అర్థం మారవచ్చు. సాధారణంగా, రంగుల అర్థాలు:
|
|
|
|
| రంగు | అర్థం |
|
|
| ------ | ------------------- |
|
|
| ఎరుపు | శక్తి |
|
|
| నీలం | నమ్మకం, విశ్వాసం |
|
|
| పసుపు | సంతోషం, జాగ్రత్త |
|
|
| ఆకుపచ్చ | పర్యావరణం, అదృష్టం, ఈర్ష్య |
|
|
| గులాబీ | సంతోషం |
|
|
| కమలం | ఉత్సాహం |
|
|
|
|
మీకు కస్టమ్ రంగులతో చార్ట్ నిర్మించమని బాధ్యత ఉంటే, మీ చార్టులు ప్రాప్యత కలిగి ఉండాలని మరియు మీరు వ్యక్తం చేయదలచిన అర్థంతో రంగు సరిపోవాలని నిర్ధారించుకోండి.
|
|
|
|
## చదవడానికి సులభంగా మీ చార్టులను స్టైల్ చేయడం
|
|
|
|
చార్టులు చదవడానికి సులభంగా లేకపోతే అర్థవంతంగా ఉండవు! మీ డేటాతో బాగా సరిపడేలా మీ చార్ట్ యొక్క వెడల్పు మరియు ఎత్తును స్టైల్ చేయడానికి కొంత సమయం తీసుకోండి. ఒక వేరియబుల్ (ఉదాహరణకు అన్ని 50 రాష్ట్రాలు) ప్రదర్శించాల్సిన అవసరం ఉంటే, అవి Y అక్షంపై నిలువుగా చూపించండి, తద్వారా ఆడంబరంగా స్క్రోల్ అయ్యే చార్ట్ తప్పించవచ్చు.
|
|
|
|
మీ అక్షాలను లేబుల్ చేయండి, అవసరమైతే లెజెండ్ ఇవ్వండి, మరియు డేటా మెరుగైన అవగాహన కోసం టూల్టిప్స్ అందించండి.
|
|
|
|
మీ డేటా X అక్షంపై వర్ణనాత్మకంగా ఉంటే, చదవడానికి మెరుగ్గా ఉండేందుకు టెక్స్ట్ను కోణంలో చూపించవచ్చు. [Matplotlib](https://matplotlib.org/stable/tutorials/toolkits/mplot3d.html) 3D ప్లాటింగ్ అందిస్తుంది, మీ డేటా మద్దతు ఇస్తే. సున్నితమైన డేటా విజువలైజేషన్లు `mpl_toolkits.mplot3d` ఉపయోగించి తయారు చేయవచ్చు.
|
|
|
|
|
|
|
|
## యానిమేషన్ మరియు 3D చార్ట్ ప్రదర్శన
|
|
|
|
ఈ రోజుల్లో కొన్ని ఉత్తమ డేటా విజువలైజేషన్లు యానిమేటెడ్ ఉంటాయి. షిర్లీ వూ D3 తో అద్భుతమైనవి చేసింది, ఉదాహరణకు '[ఫిల్మ్ ఫ్లవర్స్](http://bl.ocks.org/sxywu/raw/d612c6c653fb8b4d7ff3d422be164a5d/)', ఇందులో ప్రతి పువ్వు ఒక సినిమా విజువలైజేషన్. గార్డియన్ కోసం మరో ఉదాహరణ 'బస్స్డ్ అవుట్', ఇది గ్రీన్సాక్ మరియు D3 తో విజువలైజేషన్లను కలిపి స్క్రోలిటెల్లింగ్ ఆర్టికల్ ఫార్మాట్లో ఇంటరాక్టివ్ అనుభవం, NYC తన హోంలెస్ సమస్యను నగరానికి బయటికి బస్సు ద్వారా ఎలా నిర్వహిస్తుందో చూపిస్తుంది.
|
|
|
|
|
|
|
|
> "బస్స్డ్ అవుట్: హౌ అమెరికా మూవ్స్ ఇట్ హోంలెస్" [గార్డియన్](https://www.theguardian.com/us-news/ng-interactive/2017/dec/20/bussed-out-america-moves-homeless-people-country-study) నుండి. విజువలైజేషన్లు: నాడీహ్ బ్రెమర్ & షిర్లీ వూ
|
|
|
|
ఈ పాఠం ఈ శక్తివంతమైన విజువలైజేషన్ లైబ్రరీలను లోతుగా నేర్పడానికి తగినంత కాదు, Vue.js యాప్లో D3 తో ప్రయత్నించండి, "Dangerous Liaisons" పుస్తకాన్ని యానిమేటెడ్ సోషల్ నెట్వర్క్గా ప్రదర్శించడానికి లైబ్రరీ ఉపయోగించి.
|
|
|
|
> "Les Liaisons Dangereuses" అనేది ఎపిస్టోలరీ నవల, లేదా లేఖల సిరీస్గా ప్రదర్శించబడిన నవల. 1782లో చోడర్లోస్ డి లాక్లోస్ రాసినది, ఇది 18వ శతాబ్దం చివరలో ఫ్రెంచ్ అరిస్టోక్రసీ యొక్క రెండు ప్రత్యర్థుల, వికోంట్ డి వాల్మోంట్ మరియు మార్క్విస్ డి మెర్టోయిల్ యొక్క దుర్మార్గ, నైతికంగా పాడైన సామాజిక వ్యూహాల కథను చెపుతుంది. ఇద్దరూ చివరికి మరణిస్తారు కానీ చాలా సామాజిక నష్టం కలిగిస్తారు. నవల వివిధ వ్యక్తులకు రాసిన లేఖల సిరీస్గా విస్తరించబడుతుంది, ప్రతీకారం కోసం లేదా కేవలం సమస్య సృష్టించడానికి. ఈ లేఖల విజువలైజేషన్ సృష్టించి కథలో ప్రధాన పాత్రధారులను దృశ్యమానంగా కనుగొనండి.
|
|
|
|
మీరు ఈ సోషల్ నెట్వర్క్ యొక్క యానిమేటెడ్ వీక్షణను ప్రదర్శించే వెబ్ యాప్ను పూర్తి చేస్తారు. ఇది Vue.js మరియు D3 ఉపయోగించి [నెట్వర్క్ విజువల్](https://github.com/emiliorizzo/vue-d3-network) సృష్టించడానికి రూపొందించిన లైబ్రరీని ఉపయోగిస్తుంది. యాప్ నడుస్తున్నప్పుడు, మీరు స్క్రీన్పై నోడ్లను తీయవచ్చు, డేటాను తిరగరాయడానికి.
|
|
|
|
|
|
|
|
## ప్రాజెక్ట్: D3.js ఉపయోగించి నెట్వర్క్ చూపించే చార్ట్ నిర్మించండి
|
|
|
|
> ఈ పాఠం ఫోల్డర్లో `solution` ఫోల్డర్ ఉంది, మీరు పూర్తి చేసిన ప్రాజెక్ట్ను మీ సూచన కోసం చూడవచ్చు.
|
|
|
|
1. స్టార్టర్ ఫోల్డర్ రూట్లో ఉన్న README.md ఫైల్లో సూచనలను అనుసరించండి. మీ మెషీన్లో NPM మరియు Node.js నడుస్తున్నాయని నిర్ధారించుకోండి, ఆపై ప్రాజెక్ట్ డిపెండెన్సీలను ఇన్స్టాల్ చేయండి.
|
|
|
|
2. `starter/src` ఫోల్డర్ను తెరవండి. అక్కడ మీరు నవల నుండి అన్ని లేఖలతో కూడిన .json ఫైల్ ఉన్న `assets` ఫోల్డర్ను కనుగొంటారు, సంఖ్యలతో, 'to' మరియు 'from' అనోటేషన్తో.
|
|
|
|
3. `components/Nodes.vue` లో కోడ్ను పూర్తి చేయండి, విజువలైజేషన్ను సక్రియం చేయడానికి. `createLinks()` అనే మెథడ్ను వెతకండి మరియు క్రింది నెస్టెడ్ లూప్ను జోడించండి.
|
|
|
|
.json ఆబ్జెక్ట్ ద్వారా లూప్ చేసి లేఖల 'to' మరియు 'from' డేటాను పట్టుకోండి మరియు `links` ఆబ్జెక్టును నిర్మించండి, తద్వారా విజువలైజేషన్ లైబ్రరీ దాన్ని వినియోగించగలదు:
|
|
|
|
```javascript
|
|
//అక్షరాల ద్వారా లూప్ చేయండి
|
|
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 });
|
|
}
|
|
```
|
|
|
|
టెర్మినల్ నుండి మీ యాప్ను నడపండి (npm run serve) మరియు విజువలైజేషన్ను ఆస్వాదించండి!
|
|
|
|
## 🚀 సవాలు
|
|
|
|
ఇంటర్నెట్లో మోసపూరిత విజువలైజేషన్లను కనుగొనండి. రచయిత ఎలా వినియోగదారుని మోసం చేస్తాడు, అది ఉద్దేశపూర్వకమా? విజువలైజేషన్లను సరిచేసి అవి ఎలా ఉండాలో చూపించండి.
|
|
|
|
## [పోస్ట్-లెక్చర్ క్విజ్](https://ff-quizzes.netlify.app/en/ds/quiz/25)
|
|
|
|
## సమీక్ష & స్వీయ అధ్యయనం
|
|
|
|
ఇక్కడ మోసపూరిత డేటా విజువలైజేషన్ గురించి చదవడానికి కొన్ని వ్యాసాలు ఉన్నాయి:
|
|
|
|
https://gizmodo.com/how-to-lie-with-data-visualization-1563576606
|
|
|
|
http://ixd.prattsi.org/2017/12/visual-lies-usability-in-deceptive-data-visualizations/
|
|
|
|
చరిత్రాత్మక ఆస్తులు మరియు కళాఖండాల కోసం ఈ ఆసక్తికరమైన విజువలైజేషన్లను చూడండి:
|
|
|
|
https://handbook.pubpub.org/
|
|
|
|
యానిమేషన్ మీ విజువలైజేషన్లను ఎలా మెరుగుపరుస్తుందో ఈ వ్యాసం ద్వారా తెలుసుకోండి:
|
|
|
|
https://medium.com/@EvanSinar/use-animation-to-supercharge-data-visualization-cd905a882ad4
|
|
|
|
## అసైన్మెంట్
|
|
|
|
[మీ స్వంత కస్టమ్ విజువలైజేషన్ను నిర్మించండి](assignment.md)
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**అస్పష్టత**:
|
|
ఈ డాక్యుమెంట్ను AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. అసలు డాక్యుమెంట్ దాని స్వదేశీ భాషలోనే అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |