Címke: grafikonok

Visszatér a Makeover Monday a leggyakoribb újévi fogadalmakkal

Sorozatunk a #MakeoverMonday közösségi adatvizualizációs projektet követi. Arról, hogy mi is ez, itt olvashatunk.

2024-ben folytatódik a Makeover Monday megújult honlappal és új csapattal. Az idei első kihívás témája a britek leggyakoribb újévi fogadalmai nemek és korcsoportok szerint bontva. Rengetegen tették közzé a saját munkájukat, különböző megközelítéseket alkalmazva. Sokan a bar chartok és a különbségeket bemutató vízszintes diagramok mellett döntöttek, voltak akik trellisben gondolkodtak, és a slope chart is népszerű volt.

Britons Most Common New Year's Resolutions

Andy Kriebel, a Makeover Monday egyik alapítója és korábbi házigazdája megfogadta, hogy idén minden héten elkészíti a saját vizualizációját a kihívásra.

Az újévi fogadalmakat abc sorrendben láthatjuk. Gyakoriságának nemek közötti eltérését Gantt diagramon ábrázolta, és színekkel jelölte, hogy a férfiak vagy a nők körében volt-e népszerűbb a fogadalom.

The Britons Most Common New Year's Resolutions for 2024

Minkó Mihály megragadta a Makeover Monday nyújtotta lehetőséget, hogy a Coloraide Python könyvtárral generáljon komplementer színeket a vizualizációjához.

A dumbbell charton szintén a nemek közötti eltéréseket láthatjuk, a fogadalmak népszerűségének csökkenő sorrendjében.

New Year's Resolutions

Varga Tamás a fogadalmak népszerűségének nemek és korcsoportok közötti megoszlását dotploton mutatta be.

A nagyobb, türkizkék körök mutatják az összesített előfordulását a fogadalmaknak, míg a kisebb színes körök az egyes csoportokon belüli népszerűségét.

New Year Resolutions

Chimdi Nwosu, a Makeover Monday csapat egyik új tagjának Tableau dashboardján két curvy bump chartot láthatunk, amelyek a fogadalmak korcsoportokon belüli előfordulását mutatják be.

Míg a baloldali chart interaktív, a jobb oldalon egy statikus ábrát látunk, amely a korcsoportok között leginkább növekedő, csökkenő, valamint azonos népszerűségű fogadalmakat emeli ki.

New Year Resolutions - Briton

Israel Ayoola small multiple waffle charton mutatta be a fogadalmak népszerűségét.

A sorokban a korosztályokat, az oszlopokban az egyes fogadalmakat láthatjuk. A "gófrikon" a színnel kitöltött pöttyök jelölik, hogy a korcsoportnak hány százaléka jelölte meg az adott újévi fogadalmat.

2024 Briton's New Year's Resolutions

Rado Zatovic trellisén a körök, vagy jobban mondva foltok méretével jelenítette meg a fogadalmak népszerűségét az egyes korcsoportokban.

Halvány rózsaszínnel jelölte a referenciát, ami a legnépszerűbb fogadalmak korcsoporton belüli előfordulása volt.

Korábbi Makeover Monday írásaink itt találhatóak.

Makeover Monday – 41. hét

Sorozatunk a #MakeoverMonday közösségi adatvizualizációs projektet követi. Arról, hogy mi is ez, itt olvashatunk.

A 41. hét témája az volt, hogy milyen stratégiák érdeklik a lakossági befektetőket a Public.com felmérése alapján.

What’s catching Retail Inventors’ eyes in 2023?

Az első vizualizáción felül oszlopdiagramon, alul pedig radial barcharton látjuk a stratégiák iránti érdeklődés mértékét csökkenő sorrendben.

Az alsó ábrán az azonos színű vonalak azonos szintű népszerűséget mutatnak. A radial barchart használata ellentmondásos, de érdekes megoldása a mostani egyszerű dataset ábrázolásának.

What Retail Inventors Are Focusing On in 2023

A második ábrán az eredeti vizualizáció átdolgozását láthatjuk, amely megőrizte annak színeit és stílusát.

A barok színei azonos metrikát jelölnek, mint a hosszúságuk, így kiemelve az értékek közötti eltérést. A meleg színek az alacsony, míg a hidegebb, sötétebb színek a befektetési területek iránti magas érdeklődést jelölik.

What Are Retail Inventors Interested in Buying in 2023?

A harmadik vizualizáción az előzőtől eltérő struktúrájú és színezésű barchartot használtak.

Itt a színekkel a csoportosítást jelenítették meg: a legnagyobb értéket kékkel kiemelve láthatjuk, az átlag felettieket sötét, míg az az alattiakat világos szürkével jelölték.

Korábbi Makeover Monday írásaink itt találhatóak.

Adatvizualizáció az 1890-es évekből

Az alábbi vizualizáció az 1890-es amerikai népszámlálás idején jelent meg, amelyet Henry Gannett készített.

Growth of the population: 1790 to 1890 - Henry Gannett

Az általa bemutatott adatvizualizáció ábrázolja az 1790-es évektől kezdődő amerikai népesség változást, és  bizonyítja, hogy az infografikák használatának az elmúlt évszázadokban is nagy hagyománya volt.

Henry Gannett - Growth of the population: 1790 to 1890

 

Adatvizualizációs önéletrajzok

A #DataDNA egy online közösségi adatvizualizációs projekt, melyben a szervezők hétről-hétre megosztanak adatokat, hogy a résztvevők ezeket felhasználva készítsenek vizualizációkat. A résztvevők ezután a saját verziójukat LinkedInen teszik közzé.
A novemberi DataDNA challenge BI eszközben készült szakmai (ön)életrajzokról szól.

Ezúttal a legjobb megoldások közül szemléztünk:

Resume Dashboard DataDNA Challenge

Az fenti vizualizáció a zsűri által a legjobbnak ítélt megoldásként szerepelt a novemberi kihívásban. A waffle chart látványosan szemlélteti a szakmai készségeket és program ismereteket.

November Resume Dashboard Challenge

Az második önéletrajzon könnyen érthetően szemlélhetjük meg a szakmai karrier során legfontosabb mérőszámokat. 

Gradients from Slicers

A radar chart használatával újabb izgalmas megoldást láthatunk arra, hogyan érdemes a szakmai készségeket szemléltetni.

További megoldások és inspirációk a Pomerol Partners gyűjteményében tekinthetőek meg.

Grafikonválasztás Lisa módra

A grafikonválasztók egyre hosszabb listájához érdemes hozzáadni Lisa  Mahapatra adatvizualizációs szakértő munkáját is, amely jól strukturált formában mutatja be a legnépszerűbb vizualizációs formákat.

Az ábra 5 nagyobb  csoportba sorolja be a különféle grafikonokat az adatmegjelenítés célja szerint.

Összesen 23 grafikontípus kerül bemutatásra, íme a lista:
Bar chart & column chart· Area charts · Line chart · Deviation bar · Bullet bar chart · Slope graph · Tree map · Barbell plot · Histogram · Heatmap · Density plot · Box-whisker plot · Joy plot · Scatterplot · Bubble chart · Small multiples · Sankey diagram · Gantt chart · Calendar heatmap · Choropleth map · Hexbin map · Bubble map · Dot distribution map

Az eredeti írás itt érhető el, a  további grafikonválaszókat itt lehet böngészni.

Vonaldiagramok – csak idősoros vizuáloknál jó?

Alberto Cairo cikke erre a kérdésre keresi a választ. Az egész bejegyzés egy twitter vitából indult, ahol az alábbi vizuálok hasznossága volt a téma.

 

 

A téma teljes elemzése, illetve további ötletek a szerzőtől ugyanezen adatok más vizualizálására elérhetőek itt.

Minden elvárásnak meg kell felelnünk munkakeresésnél?

TalentWorks elemzése szerint közel sem kell mindnek eleget tenni, férfiak esetében ha már a kiírt feltételeknek 50-60%-ban megfelelünk, szinte ugyanolyan eséllyel kapunk interjút, mintha mindnek megfelelnénk. Ugyanez az érték a nőknél valamivel alacsonyabb, már 40-50% is elég lehet egy interjúhoz.

 

A téma további részletes elemzése megtekinthető itt.

Tipp Gantt Chart használatára

Ritkán alkalmazott, azonban rendkívül hasznos vizuális forma lehet a Gantt chart ha például termékek élettartamára vagyunk kiváncsiak, az alábbi kép pont ezt ábrázolja, Apple termékek esetében.

 

 

A diagram egy másik alkalmazását mutatja be ez a cikk, ahol szerver folyamatok vannak ábrázolva.

 

 

Hogy válasszunk diagramtípust? – 4.rész

Sorozatunk utolsó részében Dr. Andrew Abela diagramválasztóját szeretnénk bemutatni.

Az első három részben bemutatott diagramválasztókkal ellentétben ezen az ábrán a kép közepéről kell indulnunk.

A ‘Mit szeretnél megmutatni?’ kérdés megválaszolása után négy irányba mehetünk tovább a választón (összehasonlítás, disztribúció, megoszlás és kapcsolat).

Amint a négy főág közül sikerült választani, úgy a további kisebb ágak elvezetnek minket az ajánlott diagramtípushoz.

A sorozat többi része a #grafikonvalaszto tag alatt érhető el.

Hogy válasszunk diagramtípust? – 3.rész

Diagramválasztó bejegyzés sorozatunk harmadik részében Stephen Few ajánlását mutatjuk be, amely a Show Me the Numbers című könyvéből származik.

Az egyes grafikontípusok aszerint vannak besorolva, hogy milyen jellegű információkat szeretnénk megjeleníteni (idősor, sorrend, eloszlás stb.).

Például a scatter plot plot csak a korreláció kategóriájába tartozik, ugyanakkor a oszlopdiagram nagyon sok különböző cél esetén is használható.

A sorozat többi része a #grafikonvalaszto tag alatt érhető el.

Hogy válasszunk diagramtípust? – 2.rész

Blogposzt sorozatunk második részében a Quadrigram chart választóját nézzük meg.

A diagramválasztót a szerző 3 lépésben javasolja használni:

Döntsd el az adat típusát!

  • Diszkrét
  • Folytonos
  • Időbeli diszkrét

Mennyi változód van?

Amint kiválasztottuk az adat típusát, illetve meghatároztuk a változók mennyiségét, addigra a legtöbb diagramtípust kizártuk.

Válassz diagramot!

Valószínű, hogy több mint egy diagramtípus marad lehetséges opcióként, de ezzel a 3 ponttal erősen korlátozhatjuk a felmerülő diagramtípusok számát.

A lépések felsorolása után a cikk alján elérhető egy link, ahonnan letölthető a diagramválasztó PDF-ben.

A sorozat többi része a #grafikonvalaszto tag alatt érhető el.

Hogy válasszunk diagramtípust? – 1.rész

Ezzel a résszel szeretnénk elindítani a 'Hogy válasszunk diagramtípust?' c. blogposzt sorozatunkat.

Adatvizualizáció során nagyon fontos, hogy milyen formában jelenítjük meg az adatokat. Azonban a megfelelő vizuális forma kiválasztása olykor nehéz feladat lehet, szerencsére azonban számos különböző hasznos online segédlet érhet el.

A data-to-viz.com adattípus szerint rendezett döntési fákkal segíti a választást.

Először meg kell adnunk az adataink típusát (numerikus, kategorikus, stb.),   majd ezután kövessük fentről lefelé ennek a választó fának az ágait, ami így  elvezet minket az ajánlott vizualizációs formához.

 

Kicsit lejjebb görgetve további segítséget kapunk, ebben a részben az  egyes diagramtípusokhoz találhatóak részletes magyarázatok, illetve a gyakori alkalmazási hibák is fel vannak sorolva.

Adatvizualizációs enciklopédia

Diagramválasztó poszt sorozatunkhoz hasonlóan ebben a bejegyzésben is chartokat fogunk bemutatni Roman Kamushken munkáján keresztül, ami ezen a linken elérhető.

Egy kicsit mégis más mint a ‘Hogy válassz diagramtípust?’ részei, mert itt nem egy választót nézünk, hanem az egyes diagramtípusokra látunk példát, azok vannak 1-2 mondatban elmagyarázva.

Íme három példa az említett enciklopédiából:

1.  Pie chart

 

2.  Line chart

 

3.  Bar chart

 

Forrás: Material design charts and Data visualization encyclopedia

A diagramválasztó cikksorozat részei itt érhetőek el:

  1. rész
  2. rész
  3. rész
  4. rész

Variációk plotokra – stripplot, jitterplot, wheatplot, beeswarm plot

Adatok pontokkal való megjelenítésre számos módszer létezik. Daniel Zvinca írása a különböző megoldások előnyeit és hátrányait mutatja be.

Stripplot:

Jitterplot:

Wheatplot:

És végül a beeswarm plot, ami újnak számít:

Forrás: In the pursuit of diversity in data visualization - Jittering data to access details

Az ívdiagram problémája

Az ívdiagramok nagyon látványosak, azonban vigyázni kell alkalmazásukkal,  mert megtévesztőek is lehetnek. Erre a problémára hívja fel Andy Kirk blogposztja a figyelmet.

Az alábbi ábra szemlélteti mennyire félrevezethet minket egy ívdiagram:

1

Az utolsó két értéket megfigyelve (5, 5) látjuk, hogy a két ív ugyanott végződik. Mivel a két érték megegyezik, a két hossznak azonosnak kell lennie, azonban ezen az ábrán ez nem így van, még ha elsőre úgy is néz ki.

2-3_corrected

A fenti ábrán az 'Arc Length Proportions'-nál a ‘Residental’ és ‘Office’ értékei azonosak, mégis különböző hosszúságúak az ívek. Alatta, a 'Corrected Bar Length Proportions'-nál látható hogy nézne ki helyesen.

További részletek a blogposztban.