|
2 weeks ago | |
---|---|---|
.. | ||
09-visualization-quantities | 2 weeks ago | |
10-visualization-distributions | 2 weeks ago | |
11-visualization-proportions | 2 weeks ago | |
12-visualization-relationships | 2 weeks ago | |
13-meaningful-visualizations | 2 weeks ago | |
R | 3 weeks ago | |
README.md | 3 weeks ago |
README.md
Visualiseringer
At visualisere data er en af de vigtigste opgaver for en dataforsker. Billeder siger mere end 1000 ord, og en visualisering kan hjælpe dig med at identificere alle mulige interessante aspekter af dine data, såsom spidser, afvigere, grupperinger, tendenser og meget mere, der kan hjælpe dig med at forstå den historie, dine data forsøger at fortælle.
I disse fem lektioner vil du udforske data fra naturen og skabe interessante og smukke visualiseringer ved hjælp af forskellige teknikker.
Emnenummer | Emne | Linket Lektion | Forfatter |
---|---|---|---|
1. | Visualisering af mængder | ||
2. | Visualisering af fordeling | ||
3. | Visualisering af proportioner | ||
4. | Visualisering af relationer | ||
5. | Skabe meningsfulde visualiseringer |
Kreditering
Disse visualiseringslektioner er skrevet med 🌸 af Jen Looper, Jasleen Sondhi og Vidushi Gupta.
🍯 Data for honningproduktion i USA er hentet fra Jessica Lis projekt på Kaggle. Dataene stammer fra United States Department of Agriculture.
🍄 Data for svampe er også hentet fra Kaggle revideret af Hatteras Dunton. Dette datasæt indeholder beskrivelser af hypotetiske prøver, der svarer til 23 arter af lamelsvampe i Agaricus- og Lepiota-familien. Svampene er hentet fra The Audubon Society Field Guide to North American Mushrooms (1981). Dette datasæt blev doneret til UCI ML 27 i 1987.
🦆 Data for fugle i Minnesota er fra Kaggle skrabet fra Wikipedia af Hannah Collins.
Alle disse datasæt er licenseret som CC0: Creative Commons.
Ansvarsfraskrivelse:
Dette dokument er blevet oversat ved hjælp af AI-oversættelsestjenesten Co-op Translator. Selvom vi bestræber os på nøjagtighed, skal du være opmærksom på, at automatiserede oversættelser kan indeholde fejl eller unøjagtigheder. Det originale dokument på dets oprindelige sprog bør betragtes som den autoritative kilde. For kritisk information anbefales professionel menneskelig oversættelse. Vi påtager os intet ansvar for misforståelser eller fejltolkninger, der måtte opstå som følge af brugen af denne oversættelse.