Een plot zegt meer dan duizend woorden
Data visualisatie begrijpen
Richie Cotton
Data Evangelist at DataCamp
Wat je gaat leren
- Hoe kies je een geschikte plot?
- Hoe interpreteer je veelvoorkomende plottypes?
- Wat zijn best practices voor het maken van plots?
Drie manieren om inzichten te krijgen
Samenvattende statistieken berekenen
gemiddelde, mediaan, standaarddeviatie
Modellen draaien
lineaire en logistische regressie
Plots maken
scatter, staaf, histogram
The Datasaurus Dozen
| away_x | away_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
Gemiddelde van x per gegevensset
| gegevensset | 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 |
| gegevensset | 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 |
Gemiddelde van x en y per gegevensset
| gegevensset | 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 |
| gegevensset | 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 |
Standaarddeviaties per gegevensset
| gegevensset | 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 |
| gegevensset | 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 |
Continue en categorische variabelen
Continue: meestal getallen
- lengtes, temperaturen, omzet
Continue en categorische variabelen
Continue: meestal getallen
- lengtes, temperaturen, omzet
Categorisch: meestal tekst
- oogkleuren, landen, sector
Continue en categorische variabelen
Continue: meestal getallen
- lengtes, temperaturen, omzet
Categorisch: meestal tekst
- oogkleuren, landen, sector
Kan beide zijn
- leeftijd is continu, maar leeftijdsgroep is categorisch
- tijd is continu, maar maand van het jaar is categorisch
Laten we oefenen!
Data visualisatie begrijpen
