Een plot zegt meer dan duizend woorden
Datavisualisatie begrijpen
Richie Cotton
Data Evangelist at DataCamp
Wat je leert
- Hoe kies je een passende visualisatie?
- Hoe interpreteer je veelvoorkomende grafieken?
- Wat zijn best practices voor grafieken tekenen?
Drie manieren om inzichten te krijgen
Samenvattende statistieken berekenen
gemiddelde, mediaan, standaarddeviatie
Modellen draaien
lineaire en logistische regressie
Grafieken maken
scatter, staaf, histogram
De Datasaurus Dozijn
| 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 dataset
| dataset | 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 |
| dataset | 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 dataset
| dataset | 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 |
| dataset | 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 dataset
| dataset | 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 |
| dataset | 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, omzetten
Continue en categorische variabelen
Continue: meestal getallen
- lengtes, temperaturen, omzetten
Categorisch: meestal tekst
- oogkleuren, landen, sector
Continue en categorische variabelen
Continue: meestal getallen
- lengtes, temperaturen, omzetten
Categorisch: meestal tekst
- oogkleuren, landen, sector
Kan beide zijn
- leeftijd is continu, maar leeftijdsgroep is categorisch
- tijd is continu, maand van het jaar is categorisch
Laten we oefenen!
Datavisualisatie begrijpen
