Risorse per imparare a creare visualizzazioni di dati?

Sono interessato a imparare come creare il tipo di visualizzazioni che vedi su http://flowingdata.com e informationisbeautiful. EDIT: Significato, visualizzazioni che sono interessanti di per sé - un po 'come la grafica del NY Times, al contrario di qualcosa di veloce per un rapporto.

Quali tipi di strumenti vengono utilizzati per crearli - è principalmente un sacco di Adobe Illustrator / Photoshop? Quali sono le buone risorse (libri, siti Web, ecc.) Per imparare a utilizzare questi strumenti in particolare per la visualizzazione dei dati?

So come voglio che vengano visualizzate le visualizzazioni (e ho familiarità con i principi di progettazione, ad esempio, dai libri di Tufte), ma non ho idea di come crearli.

I dati fluidi discutono regolarmente degli strumenti che utilizza. Vedi, per esempio:

• 40 Strumenti e risorse essenziali per visualizzare i dati
• Quale strumento / software di visualizzazione dovresti usare? - Iniziare

Mostra anche in modo molto dettagliato come crea grafica in occasioni, come:

• Come creare una mappa tematica della contea degli Stati Uniti utilizzando strumenti gratuiti
• Come creare un grafico in Adobe Illustrator
• Come creare una Heatmap: una soluzione semplice e veloce

Ci sono anche altre domande su questo sito:

• Librerie di visualizzazione consigliate per applicazioni autonome
• Librerie di visualizzazione Web

IMO, prova:

1. R e ggplot2: questo è un buon video introduttivo , ma il sito web ggplot2 ha molte risorse.
2. Elaborazione: molti buoni tutorial sulla homepage .
3. Protovis: anche una pletora di grandi esempi sulla homepage .

In seguito puoi usare Adobe per ripulirli.

Puoi anche guardare il webvispacchetto R , anche se non è completo come ggplot2. Da R, puoi eseguire questo comando per vedere l'esempio del grano di Playfair:

install.packages("webvis")
library(webvis)
demo("playfairs.wheat")

Infine, le mie applicazioni commerciali preferite per la visualizzazione interattiva sono:

• quadro
• Spotfire
• QlikView

L'elaborazione già menzionata ha una buona serie di libri disponibili. Vedi: 1 , 2 , 3 , 4 , 5 , 6 , 7

Troverai molte cose sul web per aiutarti a iniziare con R. Come passo successivo, ggplot2 ha un'eccellente documentazione web . Ho anche trovato molto utile il libro di Hadley .

Python potrebbe essere un altro modo di procedere. Soprattutto con strumenti come:

• matplotlib
• NetworkX
• IGRAPH
• Chaco
• Mayavi

Tutti i progetti sono ben documentati sul web. Potresti anche considerare di sbirciare in alcuni libri .

Infine, anche il libro Graphics of Large Dataset potrebbe essere di aiuto.

Passerai molto tempo ad alzarti per accelerare con R.

RapidMiner è gratuito, open source e grafico, ha molte visualizzazioni valide e puoi esportarle.

Se hai soldi da risparmiare, o sei uno staff / studente universitario, anche JMP è molto simpatico. Può creare dei grafici molto belli, molto facilmente. Puoi esportare in flash, PNG o PDF o cosa hai.

Un'altra buona alternativa è la libreria protovis http://vis.stanford.edu/protovis/

È una libreria JavaScript molto ben realizzata che può creare delle splendide visualizzazioni se hai il tempo e la capacità di scrivere la modesta quantità di codice JavaScript necessario.

Consiglio vivamente anche Tableau http://www.tableausoftware.com . È ottimo per esplorare rapidamente set di dati e creare molte visualizzazioni diverse.

Entrambi i prodotti hanno radici nel Stanford Visualization Group.

Qui sono state fornite molte risposte eccellenti e le lingue / librerie che scegli di imparare dipenderanno dal tipo di visualizzazione che vorresti fare.

Tuttavia, se si utilizza Python regolarmente, consiglio vivamente Seaborn . È molto sofisticato quando si tratta di visualizzazione di dati statistici, ma sembra anche abbastanza sofisticato dal punto di vista della presentazione.

Facciamo un esempio. Supponiamo che tu stia cercando di tracciare il consumo di elettricità per un edificio commerciale per mese. A tale scopo è possibile generare un grafico a linee semplice in matplotlib.

Tuttavia, se volessimo rendere la visualizzazione più sofisticata e informativa, potremmo generare una mappa di calore con Seaborn:

Una mappa di calore è solo un esempio. Alcuni altri usi comuni con Seaborn includono:

• Grafici di KDE
• Trame di sciami
• Trame di violino

L'idea alla base di Seaborn è quella di presentare i dati in un modo più intuitivo di quanto sarebbe possibile utilizzando grafici più semplici, ad esempio linea, barra, grafico a torta, ecc.

Se ti interessa, puoi trovare maggiori informazioni su Seaborn qui: https://seaborn.pydata.org/

Ecco una buona serie di collegamenti con risorse per iniziare a imparare:

• http://blog.cartodb.com/learning-data-visualization

R è grande, ma non è che R è difficile da imparare è che la documentazione è impossibile per la ricerca di qualsiasi altro nome come Rq sarebbe grande. Quindi, quando hai un problema, cercare una soluzione è un incubo e neanche la documentazione è eccezionale. Matlab o Octave saranno fantastici. E ottenere quelle trame in R o Matlab sarebbe molto noioso.

Gli elementi visivi di post-elaborazione IMHO sono il percorso migliore. Molti di questi dati vengono trasmessi tramite Adobe Illustrator o Gimp. È più veloce. Una volta ottenuta la struttura della trama, quindi modificare i dettagli in un editor. L'uso di R come editor non ti offre la flessibilità che desideri. Ti troverai sempre alla ricerca di nuovi pacchetti.

Ecco un tutorial di YouTube su D3.js che insegna le basi di HTML, SVG, CSS e JavaScript, oltre a come caricare i dati e creare un grafico a barre, un grafico a linee e un diagramma a dispersione con D3.js.

ecco una risorsa pratica per iniziare con d3. Include un codice demo e un esempio passo-passo su come caricare, organizzare e visualizzare un set di dati in d3.

https://www.edx.org/course/web-app-development-with-the-power-of-nodejs

Ci sono infinite risorse, ma puoi restringerle in base a come vuoi che i tuoi dati vengano trasformati, quante fonti di dati hai a che fare, come devono essere condivise, ecc.

Ecco una guida su come scegliere la risorsa giusta che potrebbe aiutarti a orientarti nella giusta direzione.