Data Vizard

Dziś krótki, praktyczny wpis na temat jitteringu. Brzmi tajemniczo, ale jest (w zamyśle) proste i skuteczne. Na pewno nie raz spotkałeś się z problemem nakładania danych na mapie - czy to z powodu zbyt dużego zagęszczenia, zbyt małej dokładności danych (np. tylko nazwa miasta a nie konkretne współrzędne), czy po prostu w danych było kilka punktów o identycznych koordynatach. Co zrobić w takim momencie? Zabawa kolorem ani detalem nic nie da - unikniesz agregacji punktów ale dalej będą wyświetlane jeden pod drugim. Zawsze można też kombinować i używać pociętych custom shapów i podwójnej osi - nie jest to czytelne ani zazwyczaj nie wygląda dobrze - been there, done that. Poza tym coś takiego zadziała tylko, gdy nakładają się dwa punkty. W każdym z tych scenariuszy z pomocą przychodzi nam właśnie jittering. Jeśli czytasz bloga regularnie, to pewnie zauważyłeś pewne podobieństwo konceptu do hex binning. Cały proces prześledzimy na przykładzie danych dotyczących stadionów w Polsce...

Po ostatnich utarczkach z R i api przy zbieraniu danych o Black Sabbath postanowiłem wziąć się za coś lżejszego i bardziej skupionego na Tableau. W dzisiejszym wpisie będą ciekawe dane jak rozwiązaniu z Tableau. Skupię się na otwartych danych dotyczących drzew w Warszawie , pochodzących ze strony Urzędu Miasta. Pozyskanie danych Jak już wspomniałem dane pochodzą ze strony Urzędu Miasta. Aby z nich skorzystać nie trzeba się rejestrować (co się okazało przypadkiem przy odpalaniu skryptu). Pomimo uzyskania klucza do API skrypt działa bez niego. Poniżej uproszczona wersja skryptu R. Skrypt zapisuje dane do pliku CSV zawierającego 140 tysięcy rekordów. Dane są dosyć zanieczyszczone, jednak dla nas będą wystarczające. Wizualizacja Ostatecznie stworzyłem dwa dashboardy. Efekt końcowy (kliknij aby przejść do Tableau Public) Efekt końcowy (kliknij aby przejść do Tableau Public) Tym razem zastosowałem kilka ciekawych rozwiązań, wśród nich: wykres typu hexbin wybór ty...