Introduction à la visualisation de données

Visualisation de données dans Databricks

Gang Wang

Senior Data Scientist

Votre partenaire en visualisation de données

Gang Wang

Senior Data Scientist

Origin Energy, Australie (2021-Présent)

9+ ans d'expérience postdoctorale

Qu'est-ce que la visualisation de données ?

La visualisation de données consiste à représenter les données sous forme visuelle.

Formats : graphiques, diagrammes, cartes, infographies.

Objectif principal :

Rendre les données complexes plus accessibles.
Améliorer la compréhension et l'utilisation.

Un graphique linéaire montre l'évolution du PIB par habitant dans le temps.

Un diagramme en barres montre la répartition démographique par pays.

¹ Images : Economist Writing Every Day, The Economist

Pourquoi avons-nous besoin de visualisation de données ?

Avantages :

Simplifie les données complexes
Met en évidence les motifs et tendances clés
Renforce le traitement visuel
Améliore compréhension et mémorisation
Soutient la décision et la planification
Accroît l'accessibilité et la collaboration

Illustration conceptuelle montrant comment la visualisation simplifie les données, met en avant les tendances et facilite la décision en rendant l'information plus accessible et compréhensible.

¹ Images : Kovair

Notions statistiques clés pour la visualisation

Données discrètes vs. continues

Discrètes : valeurs dénombrables, distinctes
Continues : grandeurs mesurables sur un intervalle

Statistiques descriptives

Résument les données pour révéler tendances, motifs, valeurs aberrantes
Exemples : moyenne, médiane, distributions de fréquences

Données discrètes vs. continues

¹ Images : AgencyAnalytics

Databricks pour la visualisation de données

Avantages :

Gestion efficace de grands jeux de données
Options de visualisation intégrées
Tableaux de bord interactifs
Environnement collaboratif

Exemple de tableau de bord Databricks montrant des visualisations interactives, des insights en temps réel et des widgets personnalisables pour l'analyse et la décision.

Comprendre notre jeu de données

Jeu de données : NYC Taxi de Databricks

Contenu : lieux de prise en charge et dépose, horaires, distance, tarifs

Nom de colonne	Détails
tpep_pickup_datetime	Date et heure de début de course
tpep_dropoff_datetime	Date et heure de fin de course
trip_distance	Distance de la course (miles)
fare_amount	Montant du tarif (USD)
pickup_zip	Code ZIP de prise en charge
dropoff_zip	Code ZIP de dépose

Passons à la pratique !

Visualisation de données dans Databricks