History

leestott b83ba9ded4 🌐 Update translations via Co-op Translator		4 weeks ago
..
README.md	🌐 Update translations via Co-op Translator	4 weeks ago

README.md

Vizualizace proporcí


Vizualizace proporcí - Sketchnote od @nitya

V této lekci použijete jinou datovou sadu zaměřenou na přírodu k vizualizaci proporcí, například kolik různých druhů hub se nachází v dané datové sadě o houbách. Pojďme prozkoumat tyto fascinující houby pomocí datové sady pocházející od Audubona, která obsahuje podrobnosti o 23 druzích lupenatých hub z čeledí Agaricus a Lepiota. Vyzkoušíte si chutné vizualizace, jako jsou:

Koláčové grafy 🥧
Prstencové grafy 🍩
Waflové grafy 🧇

💡 Velmi zajímavý projekt s názvem Charticulator od Microsoft Research nabízí bezplatné rozhraní pro vizualizaci dat pomocí přetahování. V jednom ze svých tutoriálů také používají tuto datovou sadu o houbách! Můžete tak prozkoumat data a zároveň se naučit používat tuto knihovnu: Tutoriál Charticulator.

Kvíz před lekcí

Seznamte se s houbami 🍄

Houby jsou velmi zajímavé. Naimportujme si datovou sadu, abychom je mohli studovat:

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

Tabulka se zobrazí s několika skvělými daty pro analýzu:

třída	tvar klobouku	povrch klobouku	barva klobouku	modřiny	vůně	připojení lupenů	rozestup lupenů	velikost lupenů	barva lupenů	tvar třeně	kořen třeně	povrch třeně nad prstencem	povrch třeně pod prstencem	barva třeně nad prstencem	barva třeně pod prstencem	typ závoje	barva závoje	počet prstenců	typ prstence	barva výtrusů	populace	prostředí
Jedovatá	Konvexní	Hladký	Hnědá	Modřiny	Štiplavá	Volné	Těsné	Úzké	Černá	Zvětšující se	Rovný	Hladký	Hladký	Bílá	Bílá	Částečný	Bílá	Jeden	Visící	Černá	Rozptýlená	Městské
Jedlá	Konvexní	Hladký	Žlutá	Modřiny	Mandlová	Volné	Těsné	Široké	Černá	Zvětšující se	Kyjovitý	Hladký	Hladký	Bílá	Bílá	Částečný	Bílá	Jeden	Visící	Hnědá	Početná	Trávy
Jedlá	Zvoncovitý	Hladký	Bílá	Modřiny	Anýzová	Volné	Těsné	Široké	Hnědá	Zvětšující se	Kyjovitý	Hladký	Hladký	Bílá	Bílá	Částečný	Bílá	Jeden	Visící	Hnědá	Početná	Louky
Jedovatá	Konvexní	Šupinatý	Bílá	Modřiny	Štiplavá	Volné	Těsné	Úzké	Hnědá	Zvětšující se	Rovný	Hladký	Hladký	Bílá	Bílá	Částečný	Bílá	Jeden	Visící	Černá	Rozptýlená	Městské
Jedlá	Konvexní	Hladký	Zelená	Bez modřin	Žádná	Volné	Husté	Široké	Černá	Zúžený	Rovný	Hladký	Hladký	Bílá	Bílá	Částečný	Bílá	Jeden	Pomíjivý	Hnědá	Hojná	Trávy
Jedlá	Konvexní	Šupinatý	Žlutá	Modřiny	Mandlová	Volné	Těsné	Široké	Hnědá	Zvětšující se	Kyjovitý	Hladký	Hladký	Bílá	Bílá	Částečný	Bílá	Jeden	Visící	Černá	Početná	Trávy

Hned si všimnete, že všechna data jsou textová. Budete je muset převést, abyste je mohli použít v grafu. Většina dat je ve skutečnosti reprezentována jako objekt:

names(mushrooms)

Výstup je:

[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"

Vezměte tato data a převeďte sloupec 'třída' na kategorii:

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

Nyní, pokud si vytisknete data o houbách, uvidíte, že byla rozdělena do kategorií podle třídy jedovaté/jedlé:

View(grouped)

třída	počet
Jedlá	4208
Jedovatá	3916

Pokud budete postupovat podle pořadí uvedeného v této tabulce při vytváření štítků kategorií, můžete vytvořit koláčový graf.

Koláč!

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

Voila, koláčový graf zobrazující proporce těchto dat podle těchto dvou tříd hub. Je velmi důležité správně nastavit pořadí štítků, zejména zde, takže si ověřte pořadí, ve kterém je pole štítků vytvořeno!

Prstence!

O něco vizuálně zajímavější koláčový graf je prstencový graf, což je koláčový graf s otvorem uprostřed. Podívejme se na naše data touto metodou.

Podívejte se na různá prostředí, kde houby rostou:

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

Výstup je:

prostředí	počet
Trávy	2148
Listí	832
Louky	292
Cesty	1144
Městské	368
Odpad	192
Lesy	3148

Zde seskupujete svá data podle prostředí. Je jich uvedeno 7, takže je použijte jako štítky pro svůj prstencový graf:

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

Tento kód používá dvě knihovny - ggplot2 a webr. Pomocí funkce PieDonut z knihovny webr můžeme snadno vytvořit prstencový graf!

Prstencové grafy v R lze vytvořit i pouze pomocí knihovny ggplot2. Více se o tom můžete dozvědět zde a sami si to vyzkoušet.

Nyní, když víte, jak seskupit svá data a poté je zobrazit jako koláč nebo prstenec, můžete prozkoumat další typy grafů. Vyzkoušejte waflový graf, což je jen jiný způsob zobrazení množství.

Wafle!

Waflový graf je jiný způsob vizualizace množství jako 2D pole čtverců. Zkuste vizualizovat různé množství barev klobouků hub v této datové sadě. K tomu budete potřebovat nainstalovat pomocnou knihovnu s názvem waffle a použít ji k vytvoření své vizualizace:

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

Vyberte segment svých dat pro seskupení:

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

Vytvořte waflový graf vytvořením štítků a poté seskupením svých dat:

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"))

Pomocí waflového grafu můžete jasně vidět proporce barev klobouků v této datové sadě hub. Zajímavé je, že existuje mnoho hub se zelenými klobouky!

V této lekci jste se naučili tři způsoby vizualizace proporcí. Nejprve musíte svá data seskupit do kategorií a poté se rozhodnout, který způsob zobrazení dat je nejlepší - koláč, prstenec nebo wafle. Všechny jsou chutné a uživateli okamžitě poskytují přehled o datové sadě.

🚀 Výzva

Zkuste znovu vytvořit tyto chutné grafy v Charticulator.

Kvíz po lekci

Přehled a samostudium

Někdy není zřejmé, kdy použít koláčový, prstencový nebo waflový graf. Zde je několik článků, které si můžete přečíst na toto téma:

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

Proveďte vlastní výzkum a najděte více informací o tomto nelehkém rozhodování.

Zadání

Vyzkoušejte to v Excelu

Prohlášení:
Tento dokument byl přeložen pomocí služby pro automatický překlad Co-op Translator. Ačkoli se snažíme o přesnost, mějte prosím na paměti, že automatické překlady mohou obsahovat chyby nebo nepřesnosti. Původní dokument v jeho původním jazyce by měl být považován za autoritativní zdroj. Pro důležité informace doporučujeme profesionální lidský překlad. Neodpovídáme za žádná nedorozumění nebo nesprávné interpretace vyplývající z použití tohoto překladu.