Recursos para aprender a criar visualizações de dados?

Estou interessado em aprender a criar o tipo de visualização que você vê em http://flowingdata.com e em informações é lindas . EDIT: Significado, visualizações que são interessantes por si só - como os gráficos do NY Times, em vez de algo rápido para um relatório.

Que tipos de ferramentas são usadas para criá-las - é principalmente um monte de Adobe Illustrator / Photoshop? Quais são os bons recursos (livros, sites, etc.) para aprender como usar essas ferramentas para visualização de dados em particular?

Eu sei como eu quero que as visualizações sejam (e eu estou familiarizado com os princípios de design, por exemplo, dos livros da Tufte), mas não tenho idéia de como criá-las.

Os dados fluidos discutem regularmente as ferramentas que ele usa. Veja, por exemplo:

• 40 ferramentas e recursos essenciais para visualizar dados
• Qual ferramenta / software de visualização você deve usar? - Começando

Ele também mostra em detalhes como ele cria gráficos de vez em quando, como:

• Como fazer um mapa temático do condado dos EUA usando ferramentas gratuitas
• Como criar um gráfico no Adobe Illustrator
• Como fazer um mapa de calor - uma solução rápida e fácil

Há também outras perguntas neste site:

• Bibliotecas de visualização recomendadas para aplicativos independentes
• Bibliotecas de visualização da Web

IMO, tente:

1. R e ggplot2: este é um bom vídeo introdutório , mas o site ggplot2 possui muitos recursos.
2. Processamento: muitos bons tutoriais na página inicial .
3. Protovis: também uma infinidade de ótimos exemplos na página inicial .

Você pode usar a Adobe posteriormente para limpá-las.

Você também pode olhar para o webvispacote R , embora não seja tão completo quanto ggplot2. No R, você pode executar este comando para ver o exemplo do Playfair's Wheat:

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

Por fim, meus aplicativos comerciais favoritos para visualização interativa são:

• Quadro
• Spotfire
• Qlikview

O processamento já mencionado tem um bom conjunto de livros disponíveis. Veja: 1 , 2 , 3 , 4 , 5 , 6 , 7

Você encontrará muitas coisas na web para ajudá-lo a começar com R. Como próximo passo, o ggplot2 possui uma excelente documentação da web . Também achei o livro de Hadley muito útil.

Python pode ser outro caminho a percorrer. Especialmente com ferramentas como:

• matplotlib
• NetworkX
• igraph
• Chaco
• Mayavi

Todos os projetos estão bem documentados na web. Você também pode considerar espreitar alguns livros .

Por fim, o livro Gráficos de grandes conjuntos de dados também pode ajudar.

Você gastará muito tempo se familiarizando com R.

O RapidMiner é gratuito, de código aberto e gráfico, e possui muitas boas visualizações, e você pode exportá-las.

Se você tem dinheiro de sobra ou é um estudante / funcionário da universidade, o JMP também é muito legal. Pode fazer alguns gráficos muito bonitos, com muita facilidade. Pode exportar para flash ou PNG ou PDF ou o que você tem.

Outra boa alternativa é a biblioteca protovis http://vis.stanford.edu/protovis/

É uma biblioteca JavaScript muito bem criada que pode criar belas visualizações se você tiver tempo e capacidade para escrever a quantidade modesta de código JavaScript necessário.

Eu também recomendo o Tableau http://www.tableausoftware.com . É ótimo para explorar rapidamente conjuntos de dados e criar muitas visualizações diferentes.

Ambos os produtos têm raízes no Stanford Visualization Group.

Muitas respostas excelentes foram fornecidas aqui, e os idiomas / bibliotecas que você escolhe aprender dependerão do tipo de visualização que você gostaria de fazer.

No entanto, se você usa o Python regularmente, recomendo o transporte marítimo . É muito sofisticado quando se trata de visualização de dados estatísticos, mas também parece bastante sofisticado do ponto de vista da apresentação.

Vamos dar um exemplo. Suponha que você esteja tentando planejar o consumo de eletricidade de um edifício comercial por mês. Um gráfico de linhas simples pode ser gerado no matplotlib para essa finalidade.

No entanto, se quiséssemos tornar a visualização mais sofisticada e informativa, poderíamos gerar um mapa de calor com o transporte marítimo:

Um mapa de calor é apenas um exemplo. Alguns outros usos comuns com o transporte marítimo incluem:

• Gráficos do KDE
• Parcelas de enxame
• Parcelas de violino

A idéia por trás do transporte marítimo é apresentar dados de uma maneira mais intuitiva do que seria possível usando gráficos mais simples, como linhas, barras, torta etc.

Se for do seu interesse - você pode encontrar mais informações sobre seaborn aqui: https://seaborn.pydata.org/

Aqui está um bom conjunto de links com recursos para começar a aprender:

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

R é grande, mas não é que R é difícil de aprender é que a documentação é impossível procurar qualquer outro nome como Rq seria ótimo. Portanto, quando você tem um problema, procurar uma solução é um pesadelo, e a documentação também não é ótima. Matlab ou Octave será ótimo. E obter esses lotes em R ou Matlab seria muito, muito entediante.

IMHO pós-processamento visual é a melhor rota. Muitos deles a partir de dados fluidos são inseridos no Adobe Illustrator ou Gimp. É mais rápido. Depois de obter a estrutura do gráfico, altere os detalhes em um editor. Usar R como editor não oferece a flexibilidade que você deseja. Você se encontrará procurando novos pacotes o tempo todo.

Aqui está um tutorial do YouTube sobre D3.js., que ensina o básico de HTML, SVG, CSS e JavaScript, além de como carregar dados e criar um gráfico de barras, gráfico de linhas e gráfico de dispersão com D3.js.

aqui está um recurso prático para você começar com o d3. Ele inclui um código de demonstração e um exemplo passo a passo de como carregar, organizar e visualizar um conjunto de dados no d3.

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

Existem infinitos recursos, mas você pode reduzi-los com base em como deseja que seus dados sejam transformados, em quantas fontes de dados você está lidando, em que precisam ser compartilhadas etc.

Aqui está um guia sobre como escolher o recurso certo que pode ajudar a direcioná-lo na direção certa.