Introduktion till datavisualisering

Datavisualisering i Databricks

Gang Wang

Senior Data Scientist

Din guide till datavisualisering

Gang Wang

Senior Data Scientist

Origin Energy, Australien (2021–nutid)

9+ års erfarenhet efter doktorsexamen

Vad är datavisualisering?

Datavisualisering är att representera data i visuellt format.

Format: Diagram, grafer, kartor och infografik.

Huvudmål:

Göra komplex data mer tillgänglig.
Förbättra förståelse och användbarhet.

Ett linjediagram visar hur BNP per capita har förändrats över tid.

Ett stapeldiagram visar den demografiska fördelningen i olika länder.

¹ Bilder: Economist Writing Every Day, The Economist

Varför behöver vi datavisualisering?

Fördelar:

Förenklar komplex data
Lyfter fram mönster och trender
Förbättrar visuell bearbetning
Ökar förståelse och retention
Stöder beslutsfattande och planering
Förbättrar datatillgänglighet och samarbete

En konceptuell illustration av datavisualisering som visar hur den förenklar komplex data, lyfter fram viktiga trender och stöder beslutsfattande genom att göra information mer tillgänglig och lättförståelig.

¹ Bilder: Kovair

Viktiga statistiska begrepp för visualisering

Diskreta och kontinuerliga data

Diskreta data: räknbara, distinkta värden
Kontinuerliga data: mätbara storheter med ett värdeintervall

Deskriptiv statistik

Sammanfattar data för att synliggöra trender, mönster och avvikare
Exempel: medelvärde, median, frekvensfördelningar

Diskreta kontra kontinuerliga data

¹ Bilder: AgencyAnalytics

Databricks för datavisualisering

Fördelar:

Hanterar stora datamängder effektivt
Inbyggda visualiseringsalternativ
Interaktiva dashboards
Samarbetsvänlig miljö

Exempel på en Databricks-dashboard med interaktiva visualiseringar, realtidsinsikter och anpassningsbara widgetar för dataanalys och beslutsfattande.

Förstå vår datamängd

Datamängd: NYC Taxi-datamängden från Databricks

Innehåller: hämtnings- och avlämningsplatser, tider, avstånd och priser

Kolumnnamn	Beskrivning
tpep_pickup_datetime	Datum och tid när resan påbörjades
tpep_dropoff_datetime	Datum och tid när resan avslutades
trip_distance	Resans avstånd i miles
fare_amount	Taxipris i dollar
pickup_zip	Postnummer för hämtningsplatsen
dropoff_zip	Postnummer för avlämningsplatsen

Nu kör vi en övning!

Datavisualisering i Databricks