Introduction à la visualisation de données

Visualisation des données dans Databricks

Gang Wang

Senior Data Scientist

Votre partenaire en visualisation de données

Gang Wang

Scientifique des données principal

Origin Energy, Australie (2021 à aujourd'hui)

Plus de 9 ans d'expérience postdoctorale

Qu'est-ce que la visualisation de données ?

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

Formats : graphiques, diagrammes, cartes et infographies.

Objectif principal :

Rendre les données complexes plus accessibles.
Mieux comprendre et utiliser l'information.

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

Un diagramme à barres montrant 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 tendances clés
Renforce le traitement visuel
Améliore la compréhension et la rétention
Appuie la prise de décision et la planification
Accroît l'accessibilité des données et la collaboration

Illustration conceptuelle de la visualisation de données montrant comment elle simplifie des données complexes, met en valeur 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 et continues

Données discrètes : valeurs dénombrables et distinctes
Données continues : grandeurs mesurables avec un intervalle de valeurs

Statistique descriptive

Résumer les données pour révéler tendances, motifs et 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 ensembles de données
Options de visualisation intégrées
Tableaux de bord interactifs
Environnement collaboratif

Exemple de tableau de bord Databricks avec visualisations interactives, analyses en temps réel et composants personnalisables pour l'analyse et la décision.

Comprendre notre ensemble de données

Ensemble de données : jeu de données des taxis de NYC de Databricks

Contenu : lieux d'embarquement et de débarquement, heures, distance et tarifs

Nom de la colonne	Détails
tpep_pickup_datetime	Date et heure du début de la course
tpep_dropoff_datetime	Date et heure de fin de la course
trip_distance	Distance de la course en milles
fare_amount	Tarif facturé pour la course en dollars
pickup_zip	Code ZIP du lieu d'embarquement
dropoff_zip	Code ZIP du lieu de débarquement

Passons à la pratique !

Visualisation des données dans Databricks