Visualiser les données pour une analyse de données interactive

Note: Cet article est une version raffinée de la version écrite de l'auteur lors de la conférence de visualisation de données Uber pour rejoindre New York, ce qui suit est l'auteur.

Le projet visuel de haute visibilité est principalement axée sur deux objectifs: inspirer et d'expliquer. Cependant, la visualisation peut mieux comprendre les problèmes complexes en analysant les données, bien que ce projet n'est pas très populaire, cela ne veut pas dire qu'il n'a pas d'importance.
Trois objectifs principaux des données de visualisation

Je sais que je résume le risque de simplification grave. Cependant, j'ai trouvé que trois types d'utilisation principale des données de visualisation selon l'objectif principal (intentionnel ou non), cela me aide aussi à clarifier certaines des vues suivantes dans l'article cela.

(1) Personnes Excité

La première utilisation est de promouvoir les gens, que les gens surprise! Mais cette horizontale est non seulement une surface peu profonde, mais permet vraiment aux gens d'avoirSoyez une pensée plus profonde, une beauté et une peur. La visualisation a une force incroyable qui peut attirer l'attention des gens tout en les introduisant dans un grand monde virtuel, convertissant des concepts abstraits en une existence plus tangible. J'ai vu un exemple visuel parfait d'inspiration inspirante La plus inspiration est une œuvre de mon ami Giorgia Lupi, qui est un chef-d'œuvre créé par son style unique dessiné à la main (et son nombre). (Cliquez sur le lien pour voir récemment dans le musée de l'art moderne, vérifiez la récente à MOMA)

Deux modes d'utilisation utilisent un tableau graphique pour illustrer certaines idées complexes, des phénomènes ou des processus. Ceci est un champ de performance graphique: les gens sont des créatures de vision. Une image est donc parfois meilleure que mille mots.

Pendant des années, Data News apporte une bonne contribution à l'art expliquant des choses complexes (voir "New York Times" et "WashingtSur Post "était super depuis de nombreuses années). Ceci est également dans le domaine de l'éducation, en particulier sur l'éducation des sciences numériques et les graphiques

C'est aussi une belle tendance appelée" explication peut explorer ", pionnier par Bret Victor et obtenu par cas d'affaire Niki (Nicky) en attendant que de nombreuses grandes personnes favorisent.
3) Problème d'analyse

La troisième utilisation extraite des informations à partir de données à expliquer Le problème tout en accroissant la compréhension de certains phénomènes intéressants. Bien entendu, une explication visuelle aide également les gens à comprendre certaines choses. Mais la principale différence ici est d'envisager, l'auteur connaît le contenu intuitif (après avoir effectué une certaine analyse) et en analyse, la valeur principale de la visualisation consiste à aider les gens à comprendre les données.
Les personnes ont utilisé un million de noms pour déterminer cette activité. Les derniers noms à la mode sont la science numérique plus spécifiquement, partie CLa science des données, appelée "analyse des données d'exploration", qui est le terme de John Tukekey il y a des décennies.
Simple, j'ai appelé: analyse des données ou analyse des données visuelles, même analyse des données visuelles interactives, souligner les performances graphiques peut interagir (académique et commerciale) pour analyse visuelle).

Pourquoi dites-vous davantage sur l'analyse des données? Cet article, ainsi que le discours précédent pour mieux identifier le rôle des images dans l'analyse des données et stimuler davantage de discussions sur ce qui se passe intuitivement, regrett, cela n'a aucune attention que d'autres choses.

Mais pourquoi est-il axé sur l'analyse? Qu'est-ce qui est spécial?
Ma raison est que l'analyse des données est une activité technologique humaine, capable d'aider les personnes à résoudre d'importants problèmes scientifiques et sociaux. Plus spécifiquement, je pense que l'analyse des données est importante. À cause de l'événementCela peut aider les gens à améliorer la compréhension des phénomènes complexes, aidant ainsi les personnes à résoudre des problèmes importants.
Il s'agit d'une connexion indirecte mais importante: si je peux mieux comprendre un problème, la possibilité de trouver une meilleure solution de problèmes est plus grande.

Il existe de nombreuses questions intéressantes et importantes dans le monde, que nous espérons mieux comprendre l'analyse des données. Voici quelques cas dans mon expérience personnelle. Je ne les décrire pas nécessairement ici parce qu'ils sont les problèmes les plus importants que nous pouvons résoudre, mais parce que je connais ces deux cas. (1) Surveiller et comprendre les accidents médicaux

Ces dernières années, mon laboratoire a une indépendante très populaire à New York. Studio de coopération Studio. Nous les aidons à filtrer un grand nombre de commentaires médicaux de Yelp pour identifier et comprendre les problèmes entre les personnes et leurs services.

Comment avez-vousPeut gagner des millions de commentaires signifie? Comment trouver des événements suspects? Comment déterminer les commentaires notables?

Événements démontrent: Même si c'est simple, cette tâche est également très utile même si elle est l'interface "Global Face Search". Nous avons développé un outil simple appelé REVEX, où nos partenaires suivent certains progrès dans les accidents médicaux et dans leur découverte, certains articles attrayants sont publiés.

REVEX. Nous développons un outil d'exploration de données interactif pour aider Charles ORstein de Propublica Information de millions de commentaires à Yelp.

(2) Comprendre la fraude et la fraude

C'est notre coopération, nous avons récemment établi avec Agari. Leur objectif principal est de chasser les menteurs et de déranger leurs activités. Ils collectent des données sur les escrocs et j'espère utiliser ces données pour équilibrer.O meilleure protection que les individus et les entreprises d'attaques malveillantes. C'est très important! Pour leur parler, je ferais mieux de comprendre les effets néfastes sur la fraude à cause de certaines personnes. Certaines personnes ont été complètement détruites à cause du comportement illégal du menteur, mais ont non seulement reçu du spam dans la boîte de réception.

Allez à "Comprendre"

remarquez-vous? Lorsque nous parlons de problèmes d'analyse de données, nous décrivons souvent certaines choses à «comprendre». Après cela, nous pouvons supposer que l'analyse principale de l'analyse des données est de mieux comprendre les données de certaines données.

Modèles réels, données / statistiques. La relation entre les modèles psychologiques humains.

Cette relation est la suivante: les données / modèles décrivent certaines descriptions réelles que nous voulons apprendre. Les gens ont un modèle psychologique pour la réalité et utilisent des données / des modèles pour l'étudier afin qu'il puisse mieux le comprendre. (Ce concept vaut le poste entier surN blog, j'espère écrire un dans un proche avenir.)
Comment fonctionne l'analyse de données interactive?

L'analyse de données interactive est principalement exploitée dans une boucle. Vous partez d'un objectif spécifié en vrac, des cibles de conversion en un ou plusieurs problèmes, trier et analyser les données pour répondre à ces questions, de créer de nouveaux problèmes et redémarrage.

Pour décrire clairement ce processus, je l' ai intégré les étapes suivantes pour ce processus:

(1) Identifier un problème

Chaque projet commence par un puzzle Que voulez-vous de résoudre quelque chose? Quel est votre objectif ultime? Une meilleure connaissance de l'analyse des données vous rapprochera de votre objectif?

Le problème est souvent trop avancé et large et ne peuvent être convertis directement à une activité d' analyse Est-ce que (ce problème est souvent ignorée et non entièrement compris). Normalement, besoin de changerConvelé un problème (caché ou mieux, clair) avec de nombreuses questions d'analyse de données.

Certains éléments avec des données disponibles, tandis que d'autres éléments demandent un niveau de recherche ou créer certaines données. Dans tous les cas, tous les éléments nécessitent des analystes familiers avec son contenu et son sens et de nombreuses conversions, tous deux familiarisent avec les données (par exemple, la découpe, la découpe et la synthèse de données) et se préparer aux plans.

Tous les éléments, mais quelques besoins du projet. Lorsque vous pouvez répondre plus facilement aux questions en mettant en place un modèle, l'utilisation de méthodes de modélisation statistique et d'apprentissage est utile. Bien que la plupart du contenu de la conversation du personnel modèle ne soient qu'une prédiction, le modèle est toujours très fort pour explorer et créer des hypothèses. Les méthodes pouvant être utilisées dans cette étape comprennent la clustering, la poussière, la régression simple et les directions différentesC NLP (traitement des langues naturelles) varie de la conversion de texte en chiffres significatifs. (5) Modèles de données et visuels

Il s'agit d'une étape d'observation des données. La plupart des gens penseront aux graphiques préférés à ce stade, mais une expression simple de formes et de listes est une expression très raisonnable et visuelle pour de nombreux problèmes. Ici, les résultats obtenus à partir de la conversion de données et des requêtes (ou de certains modèles) sont convertis dans nos yeux pour digérer et comprendre. Ceci est l'une de nous et des données visuelles.

(6) Résultats d'explication

Lorsque les résultats sont créés et présentés sous forme d'images, il est nécessaire de l'expliquer. C'est une étape importante et est souvent une étape souvent négligée. Juste pour une personne derrière l'écran, il doit comprendre tous ces points et chiffres.
Il s'agit d'une opération compliquée, comprenant les étapes suivantes: comprendre comment lire le graphique, comprendre quelles informations sont transmises aux qualificationsMind, associez les résultats du problème avec le problème. Notez que l'explication ici est principalement affectée par les connaissances existantes. Au moins une connaissance des problèmes de domaine, du processus de conversion de données, de la modélisation et des expressions visuelles. C'est l'image visuelle et l'analyse des autres souvent négligées.

(7) Créer de la manière déductive et conduit à plus de problèmes

Toutes ces étapes finiront éventuellement à créer de nouvelles connaissances et, dans la plupart des cas, des problèmes supplémentaires ou des hypothèses auront lieu. Il s'agit d'une caractéristique intéressante de l'analyse des données: son résultat n'est pas seulement la réponse, mais également, nous espérons avoir des problèmes meilleurs et plus précis. Cette étape a un point important dans lequel il peut créer un raisonnement incorrect. Par conséquent, tous les processus ne doivent pas apporter des résultats positifs, ainsi que toutes les analyses sont tout aussi efficaces.

Analyse des données de certains aspects importants

Je tiens à souligner certains aspects importants de ce processus:

(1) Ce processus n'est pas continu et commandé, mais répété

Les étapes sont présentées dans l'ordre, le processus réel n'est pas comme ça. Autant de questions, des besoins et des limitations sont comprises, les gens sautent toujours d'une étape à une autre et un processus répétitif. Vous donnez souvent un premier problème, obtenez des réponses en analysant et en créant de nouveaux problèmes et des nouveaux problèmes lorsque vous remplissez cette procédure, puis recommencez.

(2) Certains travaux sont complètement artificiels

remarquez-vous? Ce processus est complètement faux (reportez-vous à la boîte rouge dans l'image): identifiez le problème, créez des problèmes, expliquez les résultats et créez de nouveaux raisons et problèmes. Ceci est une activité complète des personnes, pas une activité technique. Cela fait que les gens veulent demander: comment va comment utiliser le malCombien c'est notre? Comment élargir nos connaissances pour améliorer ce processus?

) (3) La visualisation n'est qu'une petite partie du processus

des données envisagées qu'il est important d'observer le résultat. Bien que nous aiment vraiment la visualisation, nous devons comprendre que lorsque la visualisation est utilisée pour analyser les données, il ne représente qu'une petite partie de l'ensemble d'expositions divers. Cela ne signifie pas que la visualisation n'a pas d'importance ni de défis, mais il est très important de comprendre la situation générale. L'efficacité de l'ensemble du processus d'analyse des données dépend de toutes les étapes ci-dessus, non seulement des performances de l'image. Quelle est l'interaction

vous remarquerez peut-être que je n'ai pas mentionné l'interaction jusqu'à présent. Pourquoi? En raison de l'interaction partout. Chaque fois que vous dites à votre ordinateur quoi faire, votre ordinateur retournera quelques informations.Imprimez pour vous, vous avez des formes interactives.

Ce qui suit est l'opération que nous exécutons habituellement dans l'analyse des données:

Recueillir et transformer des données;

Identifier les modèles ou les données de requête;

Spécifiez comment montrer les résultats (et les modèles);
Parcourez les résultats;

Les événements de synthèse et de transport sont collectés.

Tout cela nécessite des formes d'interactions directes ou indirectes.

Interaction de ligne directe et de commande de commande:

Défi d'analyse de données visuelle interactive
Je tiens à souligner quelques-uns, je pense que les données interactives analysent des défis avec de grands niveaux pour résumer ce document. Dans le même temps, c'est aussi ce que je pense dans les prochaines années d'analyse des données nécessitent plus de progrès.

Spécifications de données (réfléchissez → Data / Model) Lorsque nous interagissons avec des données, puisLe premier que vous devez faire est de convertir nos questions et nos idées dans un ordinateur. La spécification lisible (SQL est un bon exemple).

C'est ici que le format de langue et de programme joue le rôle principal. Certaines personnes peuvent penser que pour libérer un guide pour les ordinateurs, vous devez apprendre certaines langues de programmation, mais de nombreux systèmes interactifs utilisent des méthodes de modulation interactives pour convertir les activités utilisateur en ordinateur peuvent comprendre, il est plus naturel pour les activités des utilisateurs.

Le système de spécifications interactives effectuer la langue VIZQL (langue VIZQL) est utilisé dans Tableau, qui convertit la sélection de l'utilisateur en une déclaration officielle pouvant être comprise et utilisée pour créer des requêtes et une visualisation appropriées. Express.

(Traducteur Note: Tableau: une société spécialisée dans le logiciel de visualisation de données interactive (site officiel de la société: https://www.tableau.com/fr-))

[Premier23]
Pouvons-nous nous attendre à ce que tout le monde est un programmeur?
C'est: "Nous devrions nous attendre à ce que tout le monde devienne un programmeur et apprennent à normaliser la langue. Analyse des données?"
Personnellement pense que nous devons le voir avec plus d'attitudes et réaliser que, même si certaines personnes peuvent bénéficier d'outils d'analyse de données, ils n'ont pas de temps, de ressources ou de motivation. Apprenez à utiliser des langues normalisées. Par conséquent, bien que je sois un fan d'outils de programmation scientifique de données tels que R et Jupyter et Panda, je ne suis toujours pas sûr de savoir si nous devrions espérer que tout le monde a atteint ce niveau d'utiliser une manipulation utile.
TriFACTA "S WRANGLER et les raffinés ouverts sont deux bons exemples permettant aux gens d'accéder à un traitement de données responsable, ce qui permet aux gens de ne pas écrire de code pour effectuer une grande quantité de données de traitement.

Sortie de données (données / modèle → Yeux)
Elle a obtenu à partir de requêtes et de modèles, la prochaine étape consiste à effectuer l'authentification (visualisation) afin que les utilisateurs puissent observer et comprendre, ceci est des données visuelles. Bien que la plupart des gens aient entendu des "données visuelles", ils pensent de graphiques colorés, mais on s'attend à ce que de simples graphiques de données deviennent un moyen efficace de tester les résultats parfaitement en forme. J'ai trouvé un point intéressant, nous utilisons la visualisation "pour montrer des graphismes complexes, mais la réalité des formes simples est visualisée comme d'autres graphiques.
J'ai découvert que lorsque nous parlons de données visuelles, nous pensons souvent que choisir le choix des données visuelles. Le graphique graphique est le plus important. Cependant, le contenu d'identification intuitif est souvent aussi important que comment imaginer comment visualiser la décision.

Un exemple simple: parfois, lorsque le contenu est montré lorsque le pourcentage est montré lorsque le pourcentage au lieu de la valeur absolue , l'image peut être meilleure. Je pense que si nous avonsPlus de compréhension et décrivant le rôle joué de manière intuitive, ce sera très utile. Mon impression est dans de nombreux cas, nous avons tendance à mettre l'accent sur la conscience graphique excessive, mais le point de valeur réelle est dans la section Contenu de données.

"Comment la visualisation d'urgence?

sera-t-elle discutée ici:" Qu'est-ce que la visualisation? "

J'ai aimé des conceptions soigneuses, la mode et la visualisation fascinante, la couleur et le pixel de beauté me rendaient intuitive préférée pour la première fois. Cependant, lorsque notre objectif principal que l'analyse des données, je ne sais pas si cela peut produire un excellent valeur. Plus précis, je pense vraiment que l'esthétique joue un rôle important dans la visualisation, mais je ne sais pas combien nous avons besoin de nombreuses innovations pour créer de nouvelles métaphores pour visualiser les données.

Selon mon expérience (sur la base de Prototype de recherche depuis plus de 10 ans), la plupart des problèmes visuels sont disponibles peut être adopté du graphique.gRésolution. Il y a très peu de cas, vous devez donner une expression complètement nouvelle. Comme un graphique à barres, un diagramme, une parcelle dispersée, un autre scénario et des «graphismes principaux» sont vraiment difficiles à remplacer!
Cependant, cela ne signifie pas que la visualisation des données efficacement très facilement! Quelle manière d'utiliser, d'ajuster et de combiner ces graphiques, d'ajuster et de combiner ces graphiques, d'ajuster et de combiner ces graphiques, mieux que ceux qui admettent plus difficiles. Dans une certaine mesure, il est nécessaire de progresser dans la visualisation, l'innovation et l'éducation doit accorder davantage plus d'attention à la profondeur, sans largeur. Nous devons en apprendre davantage sur la manière de mieux utiliser les méthodes existantes, ne trouvez pas de multiples métaphores et technologies (bien que nous devions également continuer à innover, essayez des choses folles).
Sensibilisation des données (yeux → penser)
Cette étape est très importante, mais elle est souvent ignorée. Lorsque les résultats sont affichés, tout le monde a besoin de kAméliorer et comprendre leur signification. Ceci est un processus cognitif complexe qui doit connecter plusieurs connaissances ensemble.

"Pensez-y: Que devons-nous savoir pour introduire efficacement les résultats de la modélisation et des images?

Au moins, vous devez comprendre le modèle d'expression et de données, comprenez-les de contacter les entités du monde réel Ils représentent. Enfin, c'est aussi le plus important, comment cela implique une connaissance qui a été dans votre esprit. Faites attention à une chimie et à un modèle visuellement.

Les gens peuvent comprendre et faire confiance à leurs images et leurs modèles? " C'est:" Les gens peuvent comprendre et faire confiance à leur modèle? "

Pour expliquer l'effet de visualisation, vous devez d'abord comprendre la métaphore visuelle et la deuxième métaphore pour transmettre autant d'informations aussi possible. Vraiment heureusement, toutes les représentations visuelles ne sont pas comme ça.

Un exemple doit être une soumissionSi plusieurs dimensions (à l'aide d'algorithmes tels que T-SNE et MDS), utilisez une métaphore visuelle (distance distante à la similitude), mais aussi vaguement deux choses mal à l'aise. Voici un exemple de projections qui montrent la similitude entre les mots extraits du commentaire IMDB.

Exemple de T-SNE
Qu'avez-vous appris lorsque vous voyez ces programmes? Lorsque vous apprenez quelque chose ... Vous pouvez garantir ce que vous avez appris à montrer un vrai phénomène, pas seulement une coïncidence statistique?

Lorsque nous examinons l'explication du modèle, nous sommes confrontés à un plus grand problème. Les méthodes d'apprentissage de la machine utilisent des programmes très complexes pour convertir les données en structures plus abstraites, mais dans lesquelles dans ce processus, nous perdons complètement leur capacité à comprendre le contenu, la qualité et la réputation et définir un "modèle de thème". C'est un cauchemar.

Cette méthode est entrée dans le jeu de documents et TBéni un ensemble de thèmes de Vikings comme une capture de mot. Le problème est que le contenu revient la plupart du temps n'est rien à faire. Ce qui suit est un exemple de projet projeté récent dans notre laboratoire.

Voici quelques sujets extraits d'un ensemble de VOX:

Exemple de thèmes de coulée (utilisation de la méthode LDA)

Comment penses-tu? Faire signifie? Pouvez-vous en extraire?
Avec l'esprit, cette méthode rend beaucoup de sujets plus significatifs, mais j'ai choisi ce moyen plus fort d'expliquer ce problème.

Comment gérez-vous cela? Il s'agit d'une question importante non seulement de la coopération des professionnels de la ML (machine d'apprentissage), mais également de coopérer avec de fortes capacités de compréhension, de sorte que ces méthodes peuvent avoir un système public que NGHE Les personnes plus efficaces peuvent vraiment améliorer l'esprit humain.

Recommandation
J'ai deux groupes: unM pratiquants, un groupe de chercheurs.

1. Conseils pour les propriétaires

(1) Plus d'attention (plus) problèmes

Il y a une pénurie dans le monde à résoudre Les problèmes liés et les analyses qui peuvent aider à progresser. Que ce soit bon ou mauvais, des données partout, la plupart du monde physique a laissé une trace de données, ce qui peut nous aider à mieux comprendre certaines choses. Travailler avec des personnes qui veulent résoudre des problèmes importants ou coopérer avec eux. Choisissez un nom de domaine que vous aimez et essayez de comprendre et mieux au courant.

Moins intuitif

Si nous voulons améliorer l'analyse des données et l'impact intuitif et le faire pour que Nous résolvons des questions importantes (telles que les médecins, les climatologues, les experts en sécurité), nous avons besoin de plus d'attention aux outils analytiques que la visualisation. Construire des graphiques étonnants incroyables peuvent gérer VL'inspiration est très utile dans une certaine mesure, mais à la fin, je pense que nous devons construire des outils pour d'autres pour aider les personnes à utiliser toute la puissance des données et de la visualisation.

Ce que j'ai décrit est arrivé! Cela peut même être grand, mais nous ne pouvons pas la voir. La plupart de ces projets se sont produits dans le contexte des entreprises privées, ils n'ont pas le pouvoir d'exposer ce que fait l'intérieur, mais cette situation change.
Si vous ne vous trouvez que dans le projet d'analyse de données, veuillez nous montrer comment le faire! Mais ne montrez pas uniquement le produit final et espère que le processus peut également être affiché. Passons des problèmes dans lesquels des liens sont là et comment faire face au problème.

Pour voir si vous avez rencontré dans le projet, cela peut être capable d'apprendre d'une deuxième école. De même, si vous avez développé un outil, vous pouvez l'utiliser autant que possible. Vous serezNe savez jamais utiliser cet outil à certains endroits, et peut-être que vous ne pouvez pas imaginer des événements exceptionnels.

2. Suggestions de chercheurs

(1) Développer de meilleures spécifications

Conversion à l'esprit Les instructions de chacun peuvent être comprises comme une machine assez stimulante. Il a acquis de grands progrès dans les langages de programmation, mais il reste très difficile sans cryptage. Deux bonnes spécifications interactives sont inventées au cours des dernières années: la méthode d'interaction de la conversion de données de Tableau et de Trifacta. Cela résout deux besoins très importants, mais il n'existe aucune autre situation dans laquelle d'autres spécifications interactives sont nécessaires. Par exemple, ce qui fait que les gens peuvent faire de l'écriture, toujours très difficile.

(2) Développement de méthodes plus amovibles

Comme je l'ai mentionné ci-dessus, l'explication est un défigénial. Comme je l'ai mentionné ci-dessus, l'explication est un défi majeur, en particulier lorsque nous nous concentrons sur le ML (machines) en interaction avec tout le monde, nous avons d'abord besoin de mieux comprendre comment comprendre comment travailler et traduire et la relation entre les connaissances et l'expertise existantes. Nous devons également développer des méthodes plus flexibles pour accepter les entrées et les commentaires des agents manuels.

Science Le processus d'analyse des données comprend une série de processus cognitifs complexes et nous reconnaissons que cette compréhension de ce processus n'est pas très prudente. Quels facteurs peuvent promouvoir l'analyse des données? Quel est le rôle des outils de calcul? Comment pouvons-nous éviter les pièges, les préjugés, les omissions, V.V. C'est vraiment compliqué! Alors que certaines recherches de base sur la science cognitive existaient déjà, il s'agit toujours d'un modèle public de guider les concepteurs et les développeurs et les développeursH Systèmes interactifs complexes de prix pour analyse des données. Les progrès dans ces aspects nous permettront de mieux comprendre les principes d'analyse des données interactifs et espèrent nous guider sur la manière de créer de meilleurs outils pour réfléchir aux données analytiques. Conclusion Dans cet essai, je pense que les pratiquants visuels et les chercheurs devraient utiliser une plus grande perspective pour examiner le rôle qu'ils jouent dans le domaine de la science des données. Les experts visuels peuvent aider les gens à résoudre des problèmes sociaux complexes et importants en se concentrant sur la fourniture de personnes à analyser leurs données. Cela peut être compris par: est un processus important et complexe; Trouver des moyens de coopérer avec ceux qui en ont besoin; L'outil de développement leur permet d'utiliser des données pour faire de grandes choses. J'espère que vous pouvez inspirer cet article, bien que cet article soit un peu long. Nous avons besoin de mUn grand nombre d'enthousiastes visuels que vous avez des emplois importants qui affectent le monde! Description du lien: https://medium.com/@filwd/from-data-visualizing-to - Analyse de données interactive-E24AE3751BF3 Traducteur: Rubyxrli, déclaration publique Déclaration: Tencent FitDesign ( ID: FITDESIGN2017) Cet article est rétabli partagé, s'ils sont liés au travail, au droit d'auteur et à d'autres problèmes, veuillez nous contacter pour supprimer pour la première fois (microchirurgie: LOVEDATA0520)

Sujets

Les données

Catégories

Visualisation des données