如是说
“Visualization gives you answers to questions you didn’t know you had.”
– Ben Shneiderman
我投身于统计数据自然科学应用领域已经一两年，但因为对个人大背景问题我花了一两年才或者说过渡到统计数据自然科学。
我的观念形式发生的最变动众所周知是我怎样审视统计数据的形式。起初，当我的副经理明确要求我预测这类统计数据时，我曾明确提出过一般的统计数据建模（厚边，displayed等）。
我不能努力做到下面评注Ben Shneiderman说得那般。但或者说掌控统计数据建模控制技术会关上了你从前从不曾Dharmapuri的世界的正门，建模能拆分原始统计数据集周遭的渐变。
这一般而言是获得成功和理想的统计数据自然科学工程项目之间的差别。
因此，在责任编辑中，我的最终目标是向你展现统计数据建模的强悍机能。我重新整理了11个令人激动的建模，囊括了各式各样主轴。为的是说明你能在你优先选择的任何人辅助工具中继续执行此操作方式，我们将在Python，R，Tableau以及D3.js中如是说那些建模。
而你遭遇的考验是优先选择建模（早已为大部份那些提供更多的标识符）并在你优先选择的辅助工具中提供更多你他们的版。
R中的统计数据建模
ggplot2库的建立使R成为统计数据建模的必选辅助工具（最少对于程序员而言！）。我使用R开始他们的统计数据自然科学之旅时就立刻被ggplot的迷人和强悍所招揽。
风尚的建模，即刻看法，发掘商业模式，大部份这所有人只需录于标识符。不无怪异，即便是庞克Python开发人员也会在他们的Jupyter notebooks中导入ggplot2（是的，现在能努力做到）。
如果你正在使用R并且没有探索过ggplot2,那今天请这么做：
R中统计数据建模综合指南[1]使用ggplot2包时用户总是会问的10个问题[2]在R中建立BBC样式的建模
BBC数据团队实际上早已开发并发布了R包和R cookbook ，用于生成如上所述的建模。R包称为bbplot。它提供更多了以BBC统计数据团队使用的样式建立和导出ggplot中建模的函数。
以下是帮你解决问题的关键资源：
bbplot包[3]BBC的R cookbook[4]R中的交互式图
交互式是演示中最招揽人的一个方面（如果使用正确）。这种建模向我们展现了不同的大陆多年来预期寿命相对于人均GDP的变动情况。
如此多的信息都挤进了这么小的空间。用于建立上述建模的包叫gganimate！不无怪异，ggplot的强悍机能扩展到另一种令人敬畏的建模类型。
你能查看我们在R中构建交互式图的指南：
怎样在R中构建动画图来预测健身统计数据[5]R的Sankey图
这是Sankey图的典型示例。它基本上显示了信息流，其中箭头的宽度与流量成比例。下面的建模显示了Facebook的自定义列表广告的相关性。
这种建模是使用R中的ggalluvial包建立的。它结合了原始alluvial包的风格和灵活性以及tidyverse的强悍机能。
完整的标识符，只需录于，能参考这里[6]。
Tableau中的统计数据建模
“In good information visualization, there are no rules, no guidelines, no templates, no standard technologies, no stylebooks. You must simply do what it takes.”
– Edward Tufte
Edward Tufte是统计数据建模应用领域的先驱。我觉得这句话真的适用于我们使用Tableau生成的建模。Tableau提供更多的众多机能和自定义机能几乎是无与伦比的。
如果你有兴趣开始使用Tableau，那么你来对地方了！以下是一系列文章，可帮助你从Tableau初学者过渡到专家：
初学者学Tableau，让统计数据建模变得简单[7]统计数据自然科学和商业智能专业人员中级Tableau指南[8]学习高级Tableau的循序渐进指南[9]世界上最大的选举–印度的选举建模
这是一个真正惊人的建模。我只采用了完整仪表板的一部分。这种建模的范围和所囊括的统计数据量是惊人的，对于对此类预测感兴趣的任何人人都非常有用。
每个统计数据点代表有关每个席位的详细信息，包括获胜者的姓名，州，政党和选区。看看这个建模是多么整洁，尽管包装在一堆信息中。这是我们在每日/每周/每月报告中都能追求的，对吗？
能从这里[10]下载的完整Tableau仪表板。
使用Tableau监控销售业绩
我想要包含一个真实的业务仪表板。如果你正在努力想象能在现实世界中使用那些建模的地方（使用你的想象力！），你会发现这非常有用。
这是对销售统计数据的预测，用于衡量与原始配额的距离。我特别喜欢第一个水平标签，它整齐地总结了客户或利益相关者需要知道的关键数字。
完整的Tableau工作表包含五个完整的仪表板，从不同的角度查看那些销售统计数据。如果你在销售或营销应用领域工作，我真的觉得你应该将此作为参考。
1910-2018电影类型流行度建模
我是一个大电影迷，所以这个建模立刻引起了我对Tableau Public库的注意。请记住，随着时间的推移，电影类型的流行度的变动，每种类型都有不同的轴范围。
对我而言最突出的是，你能将其视为具有多个统计数据点的仪表板。你是否能想到类似的用例，这样的仪表板是否能派上用场？
你能下载整个工作表[11]并在Tableau中使用它。
D3.js中的统计数据建模
如果你想创造令人惊叹的动画建模，D3.js应该是你的必选辅助工具。它是一个机能强悍的库，使你能够为你能想象的任何人类型的故事情节构建自定义建模。
这部分可能是我在责任编辑中如是说的四个部分中最喜欢的部分。你应该强烈考虑将D3.js添加到你的技能组中，特别是如果你想要定期处理统计数据建模。
以下是有关怎样开始使用D3.js的两篇热门文章：
初学者使用D3.js在Web上构建统计数据建模的指南[12]怎样使用D3.js在Web上建立令人印象深刻的统计数据建模？[13]概念图 – 概念之间的关系
我经常使用概念图。我能很容易地描绘不同概念或知识点之间的关系。正如维基百科所说，“概念图一般而言将想法和信息表示为方框或圆圈，它与向下分支的分层结构中的标记箭头相连接”。
你会发现它可用于映射业务决策，流程图，信息设计，知识建模等。这是一个评价不足但又有用的辅助工具，可用于装备你的武器库。
这个概念图[14]具有很强的交互性，你还能尝试使用不同的节点。
D3.js中的光芒图（Sunburst）建模
啊，太棒了！此建模显示怎样将光芒图概念与描述事件序列的统计数据结合使用。
想一想，你能使用它来建模客户的旅程。你能使用此建模查看大部份可能的路径，而不是静态漏斗。
这里[15]有完整的D3.js标识符来生成这个序列的光芒图。
建模权力的游戏人物之间的互动
你是权力的游戏的粉丝吗？如果是我想你会喜欢这个建模。它代表了每对个人物的影响力，基于他/她的互动在“A Storm of Swords”一书中出现的互动的次数。
请注意，节点表示人物，链接表示他们之间的交互。节点和名称的大小表示人物的影响力。看到Tyrion影响力最大，难道不是吗？
你能使用本教程[16]构建他们的权力的游戏的建模。
Python中的统计数据建模
我们经常认为Python是统计数据自然科学的终极编程语言。我们将其与统计数据清洗，构建预测模型甚至这类统计数据工程任务相关联。但你知道Python实际上对于生成统计数据建模非常有用吗？
没错，Python附带了两个独立的建模库 – matplotlib和seaborn。你能查看此文章以了解有关那些库的更多信息。
9种在Python中继续执行统计数据建模的流行方法[17]火星地质图
这种建模是一件迷人的事情。几天前我偶然发现了这张火星的地质图，我仍然惊讶于这是用Python建立的。
用于建立这种精彩建模的Python库是：
MatplotlibNumPyPandasCartopy用Python绘制地球同步卫星
我对统计数据自然科学界对卫星统计数据的研究着迷。我们早已看到了新的行星被发现，地面图像被重建，美国国家航空航天局预测地震等等。
PyEphem包用于在Python中建立这个令人印象深刻图像，PyEphem基本上允许我们在Python中实现天文算法。
相当多的统计数据自然科学爱好者尝试绘制这个建模，你能在这里[20]找到大部份的资源。
[1]: https://www.analyticsvidhya.com/blog/2015/07/guide-data-visualization-r/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[2]: https://www.analyticsvidhya.com/blog/2016/03/questions-ggplot2-package-r/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[3]: https://github.com/bbc/bbplot
[4]: https://bbc.github.io/rcookbook/
[5]: https://www.analyticsvidhya.com/blog/2019/04/how-built-personalized-interactive-fitness-tracker-dashboard-r/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[6]: https://stackoverflow.com/questions/50395027/beautifying-sankey-alluvial-visualization-using-r
[7]: https://www.analyticsvidhya.com/blog/2017/07/data-visualisation-made-easy/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[8]: https://www.analyticsvidhya.com/blog/2018/01/tableau-for-intermediate-data-science/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[9]: https://www.analyticsvidhya.com/blog/2018/03/tableau-for-advanced-users-easy-expertise-in-data-visualisation/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[10]: https://public.tableau.com/en-us/gallery/worlds-largest-vote?tab=featured&type=featured
[11]: https://public.tableau.com/profile/bo.mccready8742#!/vizhome/FilmGenrePopularity-1910-2018/GenreRelativePopularity
[12]: https://www.analyticsvidhya.com/blog/2017/07/beginner-guide-build-data-visualisations-web-d3-js/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[13]: https://www.analyticsvidhya.com/blog/2017/08/visualizations-with-d3-js/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[14]: http://www.findtheconversation.com/concept-map/
[15]: https://bl.ocks.org/kerryrodden/766f8f6d31f645c39f488a0befa1e3c8
[16]: https://www.analyticsvidhya.com/blog/2017/08/visualizations-with-d3-js/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[17]: https://www.analyticsvidhya.com/blog/2015/05/data-visualization-python/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
[18]: https://external-preview.redd.it/YsUvGQZYDg6UpWoAg_4dR5s-B_8Y_JtPQfylTOG6p10.jpg?auto=webp&s=53ae6d53f5ce977ffb9f44caa336794dae1ad21e
[19]: https://www.reddit.com/r/dataisbeautiful/comments/c4elys/oc_a_geologic_map_of_mars/
[20]: https://www.reddit.com/r/dataisbeautiful/comments/3gxp87/i_just_plotted_every_tleinfo_satellite_above_my/
