History

leestott cfd74ebbf1 🌐 Update translations via Co-op Translator		4 weeks ago
..
README.md	🌐 Update translations via Co-op Translator	4 weeks ago

README.md

Wizualizacja proporcji


Wizualizacja proporcji - Sketchnote autorstwa @nitya

W tej lekcji użyjesz innego zestawu danych związanych z naturą, aby zwizualizować proporcje, na przykład ile różnych rodzajów grzybów występuje w danym zestawie danych o pieczarkach. Zbadajmy te fascynujące grzyby, korzystając z zestawu danych pochodzącego od Audubon, zawierającego szczegóły dotyczące 23 gatunków grzybów blaszkowych z rodzin Agaricus i Lepiota. Będziesz eksperymentować z apetycznymi wizualizacjami, takimi jak:

Wykresy kołowe 🥧
Wykresy pierścieniowe 🍩
Wykresy gofrowe 🧇

💡 Bardzo interesujący projekt Charticulator od Microsoft Research oferuje darmowy interfejs typu "przeciągnij i upuść" do wizualizacji danych. W jednym z ich tutoriali również używają tego zestawu danych o grzybach! Możesz więc eksplorować dane i jednocześnie uczyć się biblioteki: Tutorial Charticulator.

Quiz przed lekcją

Poznaj swoje grzyby 🍄

Grzyby są bardzo interesujące. Zaimportujmy zestaw danych, aby je zbadać:

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

Tabela zostaje wyświetlona z ciekawymi danymi do analizy:

klasa	kształt kapelusza	powierzchnia kapelusza	kolor kapelusza	siniaki	zapach	przyczepność blaszek	odstępy między blaszkami	rozmiar blaszek	kolor blaszek	kształt trzonu	korzeń trzonu	powierzchnia trzonu nad pierścieniem	powierzchnia trzonu pod pierścieniem	kolor trzonu nad pierścieniem	kolor trzonu pod pierścieniem	typ osłony	kolor osłony	liczba pierścieni	typ pierścienia	kolor zarodników	populacja	siedlisko
Trujące	Wypukły	Gładki	Brązowy	Siniaki	Ostry	Wolne	Bliskie	Wąskie	Czarny	Powiększający	Równy	Gładki	Gładki	Biały	Biały	Częściowa	Biały	Jeden	Wiszący	Czarny	Rozproszona	Miejska
Jadalne	Wypukły	Gładki	Żółty	Siniaki	Migdałowy	Wolne	Bliskie	Szerokie	Czarny	Powiększający	Maczugowaty	Gładki	Gładki	Biały	Biały	Częściowa	Biały	Jeden	Wiszący	Brązowy	Liczna	Trawy
Jadalne	Dzwonkowaty	Gładki	Biały	Siniaki	Anyżowy	Wolne	Bliskie	Szerokie	Brązowy	Powiększający	Maczugowaty	Gładki	Gładki	Biały	Biały	Częściowa	Biały	Jeden	Wiszący	Brązowy	Liczna	Łąki
Trujące	Wypukły	Łuskowaty	Biały	Siniaki	Ostry	Wolne	Bliskie	Wąskie	Brązowy	Powiększający	Równy	Gładki	Gładki	Biały	Biały	Częściowa	Biały	Jeden	Wiszący	Czarny	Rozproszona	Miejska
Jadalne	Wypukły	Gładki	Zielony	Bez siniaków	Brak	Wolne	Zatłoczone	Szerokie	Czarny	Zwężający	Równy	Gładki	Gładki	Biały	Biały	Częściowa	Biały	Jeden	Zanikający	Brązowy	Obfita	Trawy
Jadalne	Wypukły	Łuskowaty	Żółty	Siniaki	Migdałowy	Wolne	Bliskie	Szerokie	Brązowy	Powiększający	Maczugowaty	Gładki	Gładki	Biały	Biały	Częściowa	Biały	Jeden	Wiszący	Czarny	Liczna	Trawy

Od razu zauważasz, że wszystkie dane są tekstowe. Musisz je przekonwertować, aby móc użyć ich w wykresie. Większość danych jest w rzeczywistości reprezentowana jako obiekt:

names(mushrooms)

Wynik to:

[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"

Weź te dane i przekonwertuj kolumnę 'klasa' na kategorię:

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

Teraz, jeśli wydrukujesz dane o grzybach, zobaczysz, że zostały pogrupowane w kategorie według klasy trujące/jadalne:

View(grouped)

klasa	liczba
Jadalne	4208
Trujące	3916

Jeśli zastosujesz kolejność przedstawioną w tej tabeli do tworzenia etykiet kategorii klasy, możesz zbudować wykres kołowy.

Koło!

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

Voila, wykres kołowy pokazujący proporcje tych danych według dwóch klas grzybów. Bardzo ważne jest, aby kolejność etykiet była poprawna, szczególnie tutaj, więc upewnij się, że weryfikujesz kolejność, w jakiej budowana jest tablica etykiet!

Pierścienie!

Nieco bardziej interesującym wizualnie wykresem kołowym jest wykres pierścieniowy, czyli wykres kołowy z dziurą w środku. Przyjrzyjmy się naszym danym za pomocą tej metody.

Spójrz na różne siedliska, w których rosną grzyby:

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

Wynik to:

siedlisko	liczba
Trawy	2148
Liście	832
Łąki	292
Ścieżki	1144
Miejskie	368
Odpady	192
Drewno	3148

Tutaj grupujesz swoje dane według siedliska. Jest ich 7, więc użyj ich jako etykiet dla wykresu pierścieniowego:

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

Ten kod używa dwóch bibliotek - ggplot2 i webr. Korzystając z funkcji PieDonut z biblioteki webr, możemy łatwo stworzyć wykres pierścieniowy!

Wykresy pierścieniowe w R można również tworzyć, używając tylko biblioteki ggplot2. Możesz dowiedzieć się więcej na ten temat tutaj i spróbować samodzielnie.

Teraz, gdy wiesz, jak grupować dane i wyświetlać je jako koło lub pierścień, możesz eksplorować inne typy wykresów. Spróbuj wykresu gofrowego, który jest po prostu innym sposobem eksplorowania ilości.

Gofry!

Wykres typu 'gofrowy' to inny sposób wizualizacji ilości jako 2D tablicy kwadratów. Spróbuj zwizualizować różne ilości kolorów kapeluszy grzybów w tym zestawie danych. Aby to zrobić, musisz zainstalować pomocniczą bibliotekę waffle i użyć jej do wygenerowania wizualizacji:

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

Wybierz segment swoich danych do grupowania:

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

Stwórz wykres gofrowy, tworząc etykiety, a następnie grupując swoje dane:

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"))

Korzystając z wykresu gofrowego, możesz wyraźnie zobaczyć proporcje kolorów kapeluszy w tym zestawie danych o grzybach. Co ciekawe, jest wiele grzybów z zielonymi kapeluszami!

W tej lekcji nauczyłeś się trzech sposobów wizualizacji proporcji. Najpierw musisz pogrupować swoje dane w kategorie, a następnie zdecydować, który sposób ich wyświetlania jest najlepszy - koło, pierścień czy gofr. Wszystkie są apetyczne i dają użytkownikowi natychmiastowy wgląd w zestaw danych.

🚀 Wyzwanie

Spróbuj odtworzyć te apetyczne wykresy w Charticulator.

Quiz po lekcji

Przegląd i samodzielna nauka

Czasami nie jest oczywiste, kiedy użyć wykresu kołowego, pierścieniowego czy gofrowego. Oto kilka artykułów do przeczytania na ten temat:

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

Poszukaj więcej informacji na temat tej trudnej decyzji.

Zadanie

Spróbuj w Excelu

Zastrzeżenie:
Ten dokument został przetłumaczony za pomocą usługi tłumaczenia AI Co-op Translator. Chociaż dokładamy wszelkich starań, aby tłumaczenie było precyzyjne, prosimy pamiętać, że automatyczne tłumaczenia mogą zawierać błędy lub nieścisłości. Oryginalny dokument w jego rodzimym języku powinien być uznawany za autorytatywne źródło. W przypadku informacji o kluczowym znaczeniu zaleca się skorzystanie z profesjonalnego tłumaczenia przez człowieka. Nie ponosimy odpowiedzialności za jakiekolwiek nieporozumienia lub błędne interpretacje wynikające z użycia tego tłumaczenia.