五个技巧教你用编程实现数据可视化
点击音乐 舒心阅读
导读:数据可视化可以通过视觉形式来呈现抽象的数据信息,有利于对数据进行更深入的观察和分析,除了使用现有的可视化软件和工具,也可以用编程定制属于自己的数据可视化,本文推荐五个技巧教你用编程实现数据可视化。
全文较长,建议阅读时间4分钟。
往期回顾:干货 | 大数据标准化白皮书(2016)PDF
1. 使用你最熟悉的软件
学习用编程建立数据可视化不代表要摒弃你已经熟悉的工具。我一般使用任何能够最快速解决问题的工具,这个工具可以是Excel,GoogleSheets,或者是Python。
你不需要只用R或者只用JavaScript做完所有工作,在一项工作中囊括不同的工具是有好处的。你的最终目的是制作可视化图表,每一步的结果会引导你进行到下一步,所以不要太纠结于用“正确”的方法做事。
2. 从基础做起
不要期待你第一次尝试就会做出非常高级非常惊艳的视觉效果。尤其在学习的初期,你是有很多路要走的,所以要从基础做起,再慢慢去使用更加高级的技巧。这样你才不会一开始就感到备受打击,从而放弃学习的希望。
在R语言中,有很多工具包可以帮助你做事情,甚至有时候你只要使用一个函数就行了。但是如果你不熟悉R的编程句法,我还是建议你从最基本的R语言学起,即便可能会有些难。
就好比我之前提到的d3.js这个JacaScript函式库,如果你不熟悉JavaScript,或者刚刚开始学习编程,很多类似的东西都会看起来很难。我建议你从MikeBostock写的基础教程学起,慢慢开始了解你做的东西。
3. 找一个项目去完成
不要认为要把所有的东西学完再开始做项目,这样你会被耽搁。先学习一些基础知识就可以开始了,这至少可以保证,日后当你遇到问题在网上搜索的时候,能够看懂那些解决方法。
选择一些数据,然后开始着手尝试可视化吧。一开始的进展肯定非常缓慢,你也会觉得很困惑,这都是很正常的。我直到现在还经常因为一些问题感到困惑,但你一定要坚持做完。
做项目的受益之处,在于它逼着你去学习你需要知道的。你每做完一个项目,下一个就会变得容易一些了。
通常一个数据可视化的项目会分成以下的步骤。
1.处理和格式化数据
Python
当我有一个非矩形分隔的文件 , 或数据比较凌乱时,我会写一些特别的Python脚本。幸运的话,我会找到并重新利用过去已有的脚本。有时会用Beautiful Soup来修饰,有时会用csvkit 。
R
我只有在需要加载csv格式表格时才会用到R,通常只是做数据聚合,合并,或处理从原来的数据中派生的部分。
Tabula
多用于公开的政府数据,包括在 PDF 文件中涉及的数据。没有 Tabula 的话这个过程将非常痛苦。
Microsoft Excel
只有在有需求的时候才会用到它。数据读入Excel中,然后再导入像Numbers或是OpenOffice这样的工具中。
Google Sheets
有时使用电子表格比写脚本更快,我很喜欢这样简洁的过程。
2.分析数据
在你去做最后的图形之前,你需要先了解这个数据集。
R
这里我想到的是R。 因为R作为一个开源的统计计算语言,它有一个很丰富的社区,数不尽的扩展包,以及在Stack Overflow上大量的已解答的问题。
3.制作静态图形
这对我来说通常包含两个阶段:(i)在R中进行可视化; (ii)在Illustrator中润色。
R
在R中有可视化工具包,如ggplot2,但我几乎全部使用R自带的那些功能,即base R。对此我写过很多教程。
Adobe Illustrator
如果图形要发布给别人看,我会以PDF格式保存R生成的图形,并在Illustrator中编辑。虽然有些矫枉过正,但效果还不错。我也在考虑试着用Sketch。
4.制作交互式图形
Flash已经过时了,而JavaScript是新的宠儿。R在这里应用不广。
d3.js
我用数据驱动的文档来做交互式的数据可视化(我还在学习中)。有许多例子可以用来试手。但如果我想快速完成一个图表,我有时也会尝试用 Vega-Lite 。
4.认真阅读编程指南和范例
编程指南是很有用的。一开始可能会有些难,但你必须要适应。如果你的程序出了问题,很大可能是因为你写的不对,而不是代码的实现有问题。所以这个时候你就需要仔细阅读指南,确认你的函数运用是正确的。
在R语言中,所有函数的指南都是用相同的格式写的,它会告诉你这个函数有哪些参数,返回值是什么,并且之后会给出使用的范例,这些范例都非常经典。
d3.js函式库的创建者MikeBostock就写了非常好的指南,在网上也有很多其他教程。Bostock在指南中收录的大量范例是非常有用的,每当我遇到问题,在网上搜索解决方法的时候,我一般都会把出现的问题和“mbostock”放在一起搜索。
5. 着手去做
我有时会也会因为想太多而迟迟不开始,但是只要你能着手按照以上的小提示去做,能节省很多时间。用工具进行数据可视化,一般会有一个最优的做法,但没有必要从一开始就去寻找它。先把形状和颜色在屏幕上试下,然后将数据编译进去,让数据在大体上看起来没问题。如果有些不对劲(尤其是对于含有互用和动画的可视化项目),你再去寻求更优化的做法。一般情况下,即使不是最优,你的图表也是没错的。
来源:芝诺数据分析
激活工业数据资产 完善工业发展生态
有内容的公众号,才是值得你关注的公众号
往期干货下载:
钱塘数据坚持“激活工业数据资产,完善工业发展生态”的核心理念,以“产业+金融+大数据”协同发展为主攻方向,积极打造工业领域最全面、最强大垂直搜索平台和用户工具平台,并逐步演化为国内最大的“工业大数据中央厨房”,成为推动企业大数据应用和产业金融应用加快发展的“核心动能”,从而真正实现企业大数据资产化,激活企业传统要素资产和新