Dinamik (/ etkileşimli) istatistiksel görselleştirmeyi kullanmayı öğrenmek (/ oluşturmak) için kaynaklar

Etkileşimli veri görselleştirme (yakınlaştırma, işaretleme, fırçalama, nokta eşleme vb.) Hakkında biraz daha fazla bilgi edinmek istiyorum. Herhangi bir karşılama:

1. İstatistiksel keşif için bu yöntemlerin nasıl kullanılacağına dair öğretici / rehber / kitap (?) / Video .
2. İyi / ilginç etkileşimli veri-viz paketleri için işaretçiler (R ve dışında)

Sadece top yuvarlamaya başlamak için, R'de rggobi , yeni googleViz R paketi , animasyon paketi ve diğerleri gibi etkileşimli görselleştirme almanın çeşitli yolları olduğunu biliyorum . Ancak keşfetmeye değer başka paketler varsa (R'nin yapmadığı şeyler sunmak), onları bilmek isterim (jmp, mathlab, spss, sas, excel ve benzeri).

ps: "interaktif görselleştirme" etiketini kullanan ilk soru budur

Bunun dışında Protovis (HTML + JS) veya Mayavi (Python), ben tavsiye ederim İşleme olan

resim, animasyon ve etkileşim oluşturmak isteyen insanlar için açık kaynaklı bir programlama dili ve ortamı. Başlangıçta bir yazılım eskiz defteri olarak hizmet etmek ve bilgisayar programlamanın temellerini görsel bir bağlamda öğretmek için geliştirilmiştir.

Http://www.openprocessing.org/ adresinde çok sayıda açık kaynaklı komut dosyası ve İşleme ile ilgili veri de görselleştirme ile ilgili birçok ilgili kitap bulunmaktadır.

Yeniden işleme , bir R arayüzü sağlamak için bir proje olduğunu biliyorum , ama nasıl gittiğini bilmiyorum. Ayrıca clojure / incanter ile bir arayüz vardır (bkz. Örn . Clojure ve Incanter ile İşleme Görselleştirmeleri Oluşturma ).

Stanford sınıf notları, örneğin CS448B veya Bilmediğinizi Açıkça İtiraf Etmek İsteyebileceğiniz 7 Klasik Temel Vis Belgesi gibi birçok çevrimiçi kaynak vardır .

Etkileşimli görselleştirmeler oluşturmak için Chl'nin İşleme önerisine eklemek için biraz daha paket. Tüm bunlar javascript tabanlıdır ve bir tarayıcıda çalışabilir, bu nedenle yayınlama ve kendi analiziniz için kullanılabilir:

• D3.js , Protovis'in halefidir. Oluşturulan nesneler üzerinde daha fazla kontrole sahip olmanız daha güçlüdür (uygun DOM nesneleridir, yani javascript kullanarak bunlar üzerinde tam kontrole sahipsiniz), ancak bazıları basitlik için Protokolü tercih eder. Teknik D3 vs Protovis tartışması burada .
• Raphael.js , hem gelecekteki kanıtı (flaşsız) hem de IE6 kadar eski tarayıcılarda çalıştığı için (son derece özelleştirilmiş kitle pazarı web etkileşimi için iyi bir seçenektir. Android tarayıcı). D3 gibi, her şey hedeflenebilir bir DOM nesnesidir ve animasyon ve etkileşim için iyi inşa edilmiş api kontrollerine sahiptir. Görselleştirmeye özgü hiçbir şey sunmuyor: çok güçlü ve esnek bir boş sayfa, özel görselleştirmeler tasarlamak için mükemmel bir seçim, ancak kendi ilk keşif analiziniz için değil. Önce verilerinizle tanışın.
• gRaphael.js , Raphael için standart çizelgelerdir (bar, çizgi vb.). Bu basit ama çalışıyor ve üzerine inşa edilebilir - kendi süitinizi inşa ediyorsanız faydalı bir bileşen olabilir.

Öğrenmeyle ilgili diğer sorunuzla ilgili olarak, genel ilkeler için, bilgi panosu tasarımı , verileriniz için bir dizi genel amaçlı etkileşimli standart araç yapmaksa, bir sözü hak ediyor.

Etkileşimli görselleştirmeler, istatistikler ve etkileşim tasarımı arasındaki çizgi üzerindedir : bu nedenle bununla ilgili kitaplar yararlı olabilir. Birçok etkileşim tasarımı ders kitabından herhangi bir kişisel deneyimim yok, ancak Evrensel Tasarım İlkeleri'nin büyük bir hayranıyım . İhtiyaçlarınız için aşırı olabilir, ancak mükemmel Kategorik İçerik sayfasındaki Kullanılabilirlik sütununa bakmayı ve listelenen bölümleri okumayı (aşamalı açıklama, gürültüye sinyal vb.) Düşünün.

Ayrıca, programlamaya yeni başlayan herkes için, Programlama Etkileşimi , teknik becerileri güçlendirmek için iyi bir yerdir (aynı zamanda İşleme hakkında ağır bir bölüm içerir).

Ama bildiği için neyin işe yarayıp neyin mümkün, öğreniyorsun yenemezsin yaparak ve iyi bir vuruş başlatma gibi büyük isim büyük fiyat etiketi genel amaçlı interaktif görselleştirme paketleri sondaki ve analiz dikkate olabilir tablosunu ve JMP ve özelliklerinin neden oldukları gibi tasarlandığını düşünün.

İşleme ek olarak, İşleme'den ilham alan Python tabanlı Düğüm Kutusuna (1, 2, OpenGL) bakın:

• http://nodebox.net
• http://beta.nodebox.net/
• www.cityinabottle.org/nodebox/

Nodebox 1 yalnızca Mac, Nodebox 2 ve OpenGL sürümü çapraz platformdur.

Python, Nodebox'a aktarılabilecek bir ton veri sıkıştırma kütüphanesine sahiptir, örn. Scipy.org

Mevcut cevaplara ayrı bir yaklaşım olarak, ilk uzun listemi yayınladıktan kısa bir süre sonra, WEAVE ortaya çıktı: açık kaynaklı bir veri görüntüleme paketi. İşte Flowing Data ile ilgili önde gelen veriler hakkında WEAVE hakkında kısa bir yazı

Süreçte bulunduğunuz yere bağlı olarak veri görselleştirmesine farklı bir yaklaşım uygulamak akıllıca olacaktır. Ne kadar erken olursanız - verileriniz o kadar ham ve keşfedilmemiş - WEAVE gibi önceden oluşturulmuş, esnek, genel amaçlı süitlerden yararlanma olasılığınız daha yüksektir ve Tableau ve JMP gibi kapalı kaynaklı ticari meslektaşları - hızlı bir şekilde deneyebilirsiniz ve Verileri tanımak ve bundan en iyi şekilde yararlanmak için hangi saldırı hatlarının kullanılacağını anlamak.

Veriler hakkında daha fazla şey keşfettikçe, odağınızın iletişim veya 'güdümlü keşif' e doğru kayması muhtemeldir - verilerde keşfettiğiniz uyarılar, nüanslar ve ilgi alanlarına dayalı olarak tasarlanmış daha özelleştirilmiş keşif verileri görselleştirmeleri. Burada, yukarıda listelenen programlı vektör çizim araçları gibi boş arduvaz ürünleri kendi haline gelir.