Data-Science-For-Beginners/translations/tl/3-Data-Visualization/13-meaningful-visualizations

Paggawa ng Makahulugang Visualizations

Makahulugang Visualizations - Sketchnote ni @nitya

"Kung pahihirapan mo nang husto ang datos, aamin ito ng kahit ano" -- Ronald Coase

Isa sa mga pangunahing kasanayan ng isang data scientist ay ang kakayahang lumikha ng makahulugang data visualization na makakatulong sagutin ang mga tanong na maaaring mayroon ka. Bago mag-visualize ng iyong datos, kailangan mong tiyakin na ito ay nalinis at naihanda, tulad ng ginawa mo sa mga nakaraang aralin. Pagkatapos nito, maaari ka nang magdesisyon kung paano pinakamahusay na ipapakita ang datos.

Sa araling ito, iyong susuriin:

1. Paano pumili ng tamang uri ng tsart
2. Paano iwasan ang mapanlinlang na mga tsart
3. Paano gumamit ng kulay
4. Paano i-style ang iyong mga tsart para sa mas madaling mabasa
5. Paano gumawa ng animated o 3D na mga solusyon sa tsart
6. Paano gumawa ng malikhaing visualization

Pre-Lecture Quiz

Pumili ng tamang uri ng tsart

Sa mga nakaraang aralin, sinubukan mong gumawa ng iba't ibang uri ng mga data visualization gamit ang Matplotlib at Seaborn para sa paggawa ng tsart. Sa pangkalahatan, maaari mong piliin ang tamang uri ng tsart para sa tanong na iyong tinatanong gamit ang talahanayan na ito:

Kailangan mong:	Dapat mong gamitin:
Ipakita ang mga trend ng datos sa paglipas ng panahon	Line
Ihambing ang mga kategorya	Bar, Pie
Ihambing ang kabuuan	Pie, Stacked Bar
Ipakita ang mga relasyon	Scatter, Line, Facet, Dual Line
Ipakita ang mga distribusyon	Scatter, Histogram, Box
Ipakita ang mga proporsyon	Pie, Donut, Waffle

✅ Depende sa komposisyon ng iyong datos, maaaring kailanganin mong i-convert ito mula sa text patungo sa numeriko upang suportahan ang isang partikular na tsart.

Iwasan ang panlilinlang

Kahit na maingat ang isang data scientist sa pagpili ng tamang tsart para sa tamang datos, maraming paraan upang maipakita ang datos sa paraang nagpapatunay ng isang punto, madalas sa kapinsalaan ng datos mismo. Maraming halimbawa ng mapanlinlang na mga tsart at infographics!

🎥 I-click ang larawan sa itaas para sa isang talakayan tungkol sa mapanlinlang na mga tsart

Ang tsart na ito ay binabaliktad ang X axis upang ipakita ang kabaligtaran ng katotohanan, batay sa petsa:

Ang tsart na ito ay mas mapanlinlang pa, dahil ang mata ay naaakit sa kanan upang isipin na, sa paglipas ng panahon, ang mga kaso ng COVID ay bumaba sa iba't ibang mga county. Sa katunayan, kung titingnan mong mabuti ang mga petsa, makikita mong inayos ang mga ito upang magbigay ng mapanlinlang na pababang trend.

Ang kilalang halimbawa na ito ay gumagamit ng kulay AT isang baliktad na Y axis upang manlinlang: sa halip na isipin na ang mga pagkamatay dahil sa baril ay tumaas pagkatapos ng pagpasa ng batas na pabor sa baril, ang mata ay nalilinlang upang isipin ang kabaligtaran:

Ang kakaibang tsart na ito ay nagpapakita kung paano maaaring manipulahin ang proporsyon, sa nakakatawang paraan:

Ang paghahambing ng mga bagay na hindi maihahambing ay isa pang mapanlinlang na taktika. Mayroong isang kahanga-hangang website tungkol sa 'spurious correlations' na nagpapakita ng mga 'katotohanan' na nag-uugnay sa mga bagay tulad ng rate ng diborsyo sa Maine at ang pagkonsumo ng margarina. Ang isang Reddit group ay nangongolekta rin ng pangit na paggamit ng datos.

Mahalagang maunawaan kung gaano kadaling malinlang ang mata ng mga mapanlinlang na tsart. Kahit na mabuti ang intensyon ng data scientist, ang pagpili ng maling uri ng tsart, tulad ng pie chart na nagpapakita ng masyadong maraming kategorya, ay maaaring mapanlinlang.

Kulay

Makikita mo sa 'Florida gun violence' chart sa itaas kung paano ang kulay ay maaaring magbigay ng karagdagang kahulugan sa mga tsart, lalo na ang mga hindi dinisenyo gamit ang mga library tulad ng Matplotlib at Seaborn na may iba't ibang na-vet na mga library ng kulay at palette. Kung ikaw ay gumagawa ng tsart nang manu-mano, maglaan ng kaunting oras upang pag-aralan ang teorya ng kulay.

✅ Maging maingat, kapag nagdidisenyo ng mga tsart, na ang accessibility ay isang mahalagang aspeto ng visualization. Ang ilan sa iyong mga user ay maaaring may color blindness - nagpapakita ba nang maayos ang iyong tsart para sa mga user na may kapansanan sa paningin?

Mag-ingat sa pagpili ng mga kulay para sa iyong tsart, dahil ang kulay ay maaaring magdala ng kahulugan na maaaring hindi mo sinasadya. Ang 'pink ladies' sa 'height' chart sa itaas ay nagdadala ng isang natatanging 'pambabae' na kahulugan na nagdaragdag sa kakaibang katangian ng tsart mismo.

Habang ang kahulugan ng kulay ay maaaring magkaiba sa iba't ibang bahagi ng mundo, at may posibilidad na magbago depende sa lilim nito. Sa pangkalahatan, ang mga kahulugan ng kulay ay kinabibilangan ng:

Kulay	Kahulugan
pula	kapangyarihan
asul	tiwala, katapatan
dilaw	kasiyahan, babala
berde	ekolohiya, swerte, inggit
lila	kasiyahan
kahel	kasiglahan

Kung ikaw ay inatasang gumawa ng tsart na may mga custom na kulay, tiyakin na ang iyong mga tsart ay parehong accessible at ang kulay na iyong pinili ay tumutugma sa kahulugan na nais mong iparating.

Pag-style ng iyong mga tsart para sa mas madaling mabasa

Ang mga tsart ay hindi magiging makahulugan kung hindi ito madaling mabasa! Maglaan ng oras upang isaalang-alang ang pag-style ng lapad at taas ng iyong tsart upang magkasya nang maayos sa iyong datos. Kung ang isang variable (tulad ng lahat ng 50 estado) ay kailangang ipakita, ipakita ang mga ito nang patayo sa Y axis kung maaari upang maiwasan ang isang tsart na kailangang i-scroll nang pahalang.

Lagyan ng label ang iyong mga axis, magbigay ng legend kung kinakailangan, at mag-alok ng mga tooltip para sa mas mahusay na pag-unawa sa datos.

Kung ang iyong datos ay tekstuwal at mahaba sa X axis, maaari mong i-anggulo ang teksto para sa mas madaling mabasa. Ang Matplotlib ay nag-aalok ng 3D plotting, kung sinusuportahan ito ng iyong datos. Ang mga sopistikadong data visualization ay maaaring gawin gamit ang mpl_toolkits.mplot3d.

Animation at 3D na pagpapakita ng tsart

Ang ilan sa mga pinakamahusay na data visualization ngayon ay animated. Si Shirley Wu ay may mga kamangha-manghang gawa gamit ang D3, tulad ng 'film flowers', kung saan ang bawat bulaklak ay isang visualization ng isang pelikula. Isa pang halimbawa para sa Guardian ay 'bussed out', isang interactive na karanasan na pinagsasama ang mga visualization gamit ang Greensock at D3 kasama ang isang scrollytelling na format ng artikulo upang ipakita kung paano hinahawakan ng NYC ang problema nito sa mga walang tirahan sa pamamagitan ng pagpapadala ng mga tao palabas ng lungsod.

"Bussed Out: Paano Inililipat ng Amerika ang mga Walang Tirahan" mula sa the Guardian. Mga visualization nina Nadieh Bremer & Shirley Wu

Bagama't hindi sapat ang araling ito upang talakayin nang malalim ang mga makapangyarihang library ng visualization, subukan ang iyong kakayahan sa D3 sa isang Vue.js app gamit ang isang library upang ipakita ang visualization ng aklat na "Dangerous Liaisons" bilang isang animated na social network.

Ang "Les Liaisons Dangereuses" ay isang epistolaryong nobela, o isang nobela na ipinakita bilang isang serye ng mga liham. Isinulat noong 1782 ni Choderlos de Laclos, ito ay nagsasalaysay ng kuwento ng masama at walang moral na mga galaw ng dalawang pangunahing tauhan ng aristokrasya ng Pransya noong huling bahagi ng ika-18 siglo, ang Vicomte de Valmont at ang Marquise de Merteuil. Pareho silang nagwawakas sa trahedya ngunit hindi bago magdulot ng malaking pinsala sa lipunan. Ang nobela ay nagbubukas bilang isang serye ng mga liham na isinulat sa iba't ibang tao sa kanilang mga bilog, nagpaplano ng paghihiganti o simpleng gumagawa ng gulo. Gumawa ng isang visualization ng mga liham na ito upang matuklasan ang mga pangunahing tauhan ng kuwento, sa biswal na paraan.

Ikukumpleto mo ang isang web app na magpapakita ng isang animated na view ng social network na ito. Gumagamit ito ng isang library na ginawa upang lumikha ng isang visual ng isang network gamit ang Vue.js at D3. Kapag tumatakbo na ang app, maaari mong hilahin ang mga node sa screen upang i-shuffle ang datos.

Proyekto: Gumawa ng tsart upang ipakita ang isang network gamit ang D3.js

Ang folder ng araling ito ay may kasamang solution folder kung saan maaari mong makita ang kumpletong proyekto, para sa iyong sanggunian.

1. Sundin ang mga tagubilin sa README.md file sa root ng starter folder. Siguraduhing may NPM at Node.js na tumatakbo sa iyong makina bago i-install ang mga dependency ng proyekto.

2. Buksan ang starter/src folder. Makikita mo ang isang assets folder kung saan mayroong .json file na naglalaman ng lahat ng mga liham mula sa nobela, na may bilang, at may anotasyon na 'to' at 'from'.

3. Kumpletuhin ang code sa components/Nodes.vue upang paganahin ang visualization. Hanapin ang method na tinatawag na createLinks() at idagdag ang sumusunod na nested loop.

I-loop ang .json object upang makuha ang 'to' at 'from' na datos para sa mga liham at buuin ang links object upang magamit ito ng visualization library:

//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 });
      }

Patakbuhin ang iyong app mula sa terminal (npm run serve) at tamasahin ang visualization!

🚀 Hamon

Maglibot sa internet upang matuklasan ang mga mapanlinlang na visualization. Paano nililinlang ng may-akda ang user, at ito ba ay sinadya? Subukang itama ang mga visualization upang ipakita kung paano dapat ang mga ito.

Post-lecture quiz

Pagsusuri at Pag-aaral sa Sarili

Narito ang ilang mga artikulo na maaaring basahin tungkol sa mapanlinlang na data visualization:

https://gizmodo.com/how-to-lie-with-data-visualization-1563576606

http://ixd.prattsi.org/2017/12/visual-lies-usability-in-deceptive-data-visualizations/

Tingnan ang mga interesanteng visualization para sa mga makasaysayang asset at artifact:

https://handbook.pubpub.org/

Basahin ang artikulong ito tungkol sa kung paano maaaring mapahusay ng animation ang iyong mga visualization:

https://medium.com/@EvanSinar/use-animation-to-supercharge-data-visualization-cd905a882ad4

Takdang-Aralin

Gumawa ng sarili mong custom na visualization

---

Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagama't sinisikap naming maging tumpak, pakitandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang orihinal na wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na maaaring magmula sa paggamit ng pagsasaling ito.