Ein Diagramm sagt mehr als tausend Worte
Datenvisualisierung verstehen
Richie Cotton
Data Evangelist at DataCamp
Was du lernen wirst
- Wie wählst du ein geeignetes Diagramm aus?
- Wie interpretierst du die gängigen Arten von Diagrammen?
- Was sind die Best Practices zum Erstellen von Diagrammen?
Drei Möglichkeiten, Erkenntnisse zu erhalten
Berechnung zusammenfassender Kennwerte
Mittelwert, Median, Standardabweichung
Laufende Modelle
Lineare und logistische Regression
Erstellen von Diagrammen
Streudiagramm, Balkendiagramm, Histogramm
Das Datasaurus-Dutzend
| away_x | weg_y | bullseye_x | bullseye_y | ... | x_shape_x | x_shape_y |
|---|---|---|---|---|---|---|
| 32,33 | 61,41 | 51,20 | 83,34 | ... | 38,34 | 92,47 |
| 53,42 | 26,19 | 58,97 | 85,50 | ... | 35,75 | 94,12 |
| 63,92 | 30,83 | 51,87 | 85,83 | ... | 32,77 | 88,52 |
| 70,29 | 82,53 | 48,18 | 85,05 | ... | 33,73 | 88,62 |
| 34,12 | 45,73 | 41,68 | 84,02 | ... | 37,24 | 83,72 |
| 67,67 | 37,11 | 37,89 | 82,57 | ... | 36,03 | 82,04 |
1 Matejka, J., & Fitzmaurice, G. (2017) https://www.autodeskresearch.com/publications/samestats
Mittelwert von x für jeden Datensatz
| Datensatz | mean(x) |
|---|---|
| away | 54,27 |
| bullseye | 54,27 |
| circle | 54,27 |
| dino | 54,26 |
| dots | 54,26 |
| h_lines | 54,26 |
| high_lines | 54,27 |
| Datensatz | mean(x) |
|---|---|
| slant_down | 54,27 |
| slant_up | 54,27 |
| star | 54,27 |
| v_lines | 54,27 |
| wide_lines | 54,27 |
| x_shape | 54,26 |
Mittelwert von x und y für jeden Datensatz
| Datensatz | mean(x) | mean(y) |
|---|---|---|
| away | 54,27 | 47,83 |
| bullseye | 54,27 | 47,83 |
| circle | 54,27 | 47,84 |
| dino | 54,26 | 47,83 |
| dots | 54,26 | 47,84 |
| h_lines | 54,26 | 47,83 |
| high_lines | 54,27 | 47,84 |
| Datensatz | mean(x) | mean(y) |
|---|---|---|
| slant_down | 54,27 | 47,84 |
| slant_up | 54,27 | 47,83 |
| star | 54,27 | 47,84 |
| v_lines | 54,27 | 47,84 |
| wide_lines | 54,27 | 47,83 |
| x_shape | 54,26 | 47,84 |
Standardabweichungen für jeden Datensatz
| Datensatz | std_dev(x) | std_dev(y) |
|---|---|---|
| away | 16,77 | 26,94 |
| bullseye | 16,77 | 26,94 |
| circle | 16,76 | 26,93 |
| dino | 16,77 | 26,94 |
| dots | 16,77 | 26,93 |
| h_lines | 16,77 | 26,94 |
| high_lines | 16,77 | 26,94 |
| Datensatz | std_dev(x) | std_dev(y) |
|---|---|---|
| slant_down | 16,77 | 26,94 |
| slant_up | 16,77 | 26,94 |
| star | 16,77 | 26,93 |
| v_lines | 16,77 | 26,94 |
| wide_lines | 16,77 | 26,94 |
| x_shape | 16,77 | 26,93 |
Kontinuierliche und kategoriale Variablen
Kontinuierlich: meist Zahlen
- Höhen, Temperaturen, Einnahmen
Kontinuierliche und kategoriale Variablen
Kontinuierlich: meist Zahlen
- Höhen, Temperaturen, Einnahmen
Kategorial: meist Text
- Augenfarben, Länder, Industrie
Kontinuierliche und kategoriale Variablen
Kontinuierlich: meist Zahlen
- Höhen, Temperaturen, Einnahmen
Kategorial: meist Text
- Augenfarben, Länder, Industrie
Kann beides sein
- Alter ist kontinuierlich, aber die Altersgruppe ist kategorial
- Zeit ist kontinuierlich, Monat des Jahres ist kategorial
Lass uns üben!
Datenvisualisierung verstehen
