“我们的科学家生成了一堆图，我们绝对不知道将它们放在哪里。 让我们尝试以某种方式附加它们。” （c）偷听
“到处都有糟糕的图形。 在我的工作中，我经常遇到极其可疑的数据可视化。 没有人故意制作不良图形。 但这正在发生。 一次又一次。 在每个公司的各个经济部门，各个层次的员工。 这在媒体中正在发生。 这种情况发生在您希望人们能够可视化数据的地方。” （c）该书的作者
这是在
哈布雷（Habré ）上发生的：查看“数据可视化”流中的文章时，我常常发现自己以为我不理解并且无法掌握所显示内容的本质。 本文将考虑一些示例。 最令我不愉快的是，这也发生在我的工作中。 并非总是如此，而是比我们想要的更多。
这本书的书名“用数据讲故事”听起来很有说服力。 我选择它作为晚间阅读，并不后悔。 这本书没有公式，狡猾和异常的图形，复杂的案例。 清除英语。 优质印刷。 它被视为小说。 这本书对于必须基于数据进行演示的每个人都非常有用。 我认为这将为参与数据分析的人员带来特别的好处。
这篇评论是非正式的：这本书的作者，我的想法，我的工作情况以及有关链接的matplotlib备忘单都混在一起了。 会有很多照片。 几乎所有插图都是从Python书中重绘而成的。
我在大学里学过统计学，现在在学校里学过机器学习，来自大公司的数据学校已经出现。 但是到目前为止，我还没有听说过认真地教过数据分析师如何根据数据“讲故事”。 但这是将数据转化为信息和知识的必要步骤。 重要的是要以高质量的方式告知客户有关调查结果。 并以一种清晰有趣的方式告诉他，他立即想改善业务（也许在我们的帮助下），而不仅仅是说：“好吧，听起来很有趣”，然后去做他的日常业务。
Habr的一些引文：
在与《财富》 500强公司之一的西雅图领先数据分析师之一乔纳森·诺里斯（Jonathan Nolis）的对话中，我们讨论了以下问题：“对于数据专业人员来说，两种技能中哪个更重要的是使用复杂的深度模型的能力。培训或在PowerPoint中绘制好的幻灯片的能力？” Nolis赞成后者，认为对分析结果的易于理解的解释仍然是处理信息的关键要素。
数据分析师实际上在做什么？ 35次访谈的发现
这是关于软技能的第二句话：
-让我们从软技能开始-因为它们还不够。 尽管事实是数据科学家是技术专业人士，但能够正确/精美地展示您的工作结果非常重要。 粗略地说，就像iPhone一样，他不仅具有填充感，而且还具有出色的外观，包装和历史记录。 人们需要学习如何展示其结果：撰写博客文章，发言，共享代码。 最好的数据科学家非常了解这一点，他们也是如此。 否则，您可能会陷入困境，即使结果很酷，也不会引起注意。
“对我而言，很难理解没有看到数学之美的数据科学家的动机”-数据科学家Kirill Danilyuk
引言
本书以将失败的可视化转换为可理解的可视化的示例开始。 这是其中之一。
那是：
它变成了：
GitHub上的Jupyter Notebook如果在第一种情况下，我对图表的反应是：“这是什么？”，那么在第二种情况下，花了几秒钟的时间来掌握信息的本质，然后进入细节。
演示的几乎所有可视化都是一件工作。 我正在使用matplotlib构建图形，而本书的作者正在使用Excel。 为了方便将来的工作，我亲自认识了从Python书中生成一些图形的方法。 该代码包含一堆“文件调整”（微调）。 原来是一种带有评论的备忘单。
在这里可用。
让我们快速看一下本书各部分的内容。
第1部分：上下文的重要性
探索性与解释性。 数据分析就像在寻找珍珠：有时您需要打开100只牡蛎（测试100个假设）才能找到一对珍珠。 在进行此类工作的过程中，我们会为自己可视化数据。 谈到结果时，通常会希望使用相同的图表并谈论所有已完成的工作：“打开第一只牡蛎。 是空的 没关系，我们还有99只牡蛎。 我们打开第二个。” 不需要这样做。 有必要将
探索性分析与
解释性分析分开。 在解释性分析的阶段，有必要安排时间，因为有必要根据上下文进行其他可视化处理：向谁，什么以及如何进行。
我想看到一种解释性分析而不是研究性的有趣例子之一是“
Habrahabr和Geektimes对文章的分析 ”。 作者给出了一堆图形和表格，但是我没有看到任何结论。 知道何时发布文章以获取最大观看量将是非常有趣的。 根据一个时间表，这是星期日，根据另一个时间表-早上6点。 但是，星期日6点是发布的好时机吗？ 不知道 评论之一：
来 显然，内容和细节取决于受众。 但是在这里你会想念的。 有一次，一位烦人的听众告诉我：“有10位工程师坐在您面前，他们一生中一直在从事石油生产工作，而您却在告诉我们如何分析20分钟的产量下降曲线？！” 他说了这很好，因为我还有20分钟也有类似的内容。
什么 这种想法对我来说并不明显。 明确说明您希望听众采取什么行动很重要。 例如，再分配1000万卢布，雇用5名开发商，减少部门，将锅炉温度提高到700℃，启动预测运营债务的项目。 这不舒服。 总是有一种感觉，即“业务”了解得更多，而提出疯狂的报价也很恐怖。 但是，如果听众不了解他们实际上想从她那里得到什么，那么一切都会而且将仅限于听取的报告。 他们听着，说声谢谢，然后继续做生意。
“业务”可能更了解，但是此时的“业务”可能被完全不同的事情所占据：工厂着火了或黑客无法撤消地从传感器中删除了部分历史数据。 （所有这些都是真实情况）。 表现为主题领域的专家：您分析了数据，并从内部研究了过程。 无论如何，即使是错误的建议也会引起建设性的讨论。
最近，我为一位客户做得很好：我分析了来自多个来源的3年数据。 他将调查结果整理到多个大量的Excel表和Word文档中，并通过电子邮件发送给他们，希望能够启动多个项目。 作为回应，他收到：“是的，这很有趣！”。 就是这样。 现在，我知道可能没有其他答案。
怎么 演示图不同于字母图。 在第一种情况下，我们看到了观众的反应，我们可以随时回答问题，给出解释。 因此，图表中字母的详细程度应更高。
第2部分：选择有效的可视化
作者提供了一些可视化数据的好方法。 对我来说不寻常：使用简单的文本和坡度图进行可视化。
简单的文字。 如果某些内容可以用一位数字表示，则可能不需要计划表。
GitHub上的Jupyter Notebook最近，我用这个想法提出了一个用于监视和预测与代理商达成和解的项目：“代理商破产时，累计
债务 已达700万卢布 。” 效果很棒，听众立即以正确的方式进行调整。
坡度图。 曾几何时，我使用了SAS JMP中的平行图。 类似的东西。 不幸的是，在许多环境中没有这种可视化方法，但它是多因素比较的理想选择：
GitHub上的Jupyter Notebook最近在哈布雷（Habré）上发表了一篇文章“
IT最佳雇主：“我的圈子”（My Circle）上提供估算服务的第一个结果 。 有一个时间表导致评论中的讨论：
几乎在所有方面，小公司的平均评分都高于大公司。 我想知道，但是从一家普通的小型公司转变为一家大型公司是否有意义？ 使用斜率图的比较结果：
不良的可视化方法。 该书的作者警告不要使用饼图，甜甜圈图，并且建议不要使用3D。
饼图。 我自己知道：看到饼状图时，我立即开始在其上寻找数字（百分比）。 如果没有数字，则跳过它。 没有量角器，人们很难比较角度。 从饼图中移走时唯一丢失的是对所有部分共同形成一个整体（100％）这一事实的可视化。 但是，如果整个饼图不起作用，则这不再重要。
甜甜圈图。 甚至比圆形还差，因为您不必比较角度，而必须比较弧的长度。
3D 使用Excel制作的几个示例。
你认为什么等于D？
不仅如此，您还需要用手指追踪到35的值（很难用眼睛转弯），所以35不正确。 正确值为40！
3D与饼图相结合通常可以创造奇迹。 C如何大于B？ 至少约？
实际上，C比B小5％，分别是30％和35％！ 只是不要使用3D可视化数据。
第3部分：垃圾是您的敌人！
图上的每个元素都承载着认知负荷。 可视化的信噪比越高，效果越好。 当然，这不会损害可理解性。 额外的元素使图表乍一看比实际复杂得多。 结果，部分观众决定不花精力去理解可视化。 我经常在哈布雷（Habré）上发生这种情况：“哦！ 该图似乎很有趣，但是某种程度上太复杂了。 也许我会留下一个书签，下次我会明白的。” 关于哈布雷的文章的作者从这样的决定中丝毫不减。 但是潜在的客户，投资者，员工或雇主可能已经出现在我的位置上。
该书的作者解释了图中的垃圾是什么，以及如何处理垃圾。 请举一个例子。
那是：
尽管该图显示了一个非常简单的“查找”事实，但我的第一个想法是：“嗯？”。 大脑拒绝浪费精力去研究信息。
它变成了：
GitHub上的Jupyter Notebook大脑不再惊慌。 有一种理解的愿望。
第4部分：吸引观众
一点运动。 计算下图中的数字“ 3”。
我绝对不会执行此任务，很可能您也没有执行此任务。 对于普通人（不是天才）来说，唯一的表现方法是从上到下从左到右依次查看所有数字。 正确答案是6。
现在看下面的图片。 现在完成任务要容易得多：
根据研究，一个人在查看图表的8到10秒内会决定是否应该花费更多的时间，还是将注意力转移到其他事情上更好。 没有属性可引起注意的图表类似于第一张图片。 最有可能的是，观众会太懒惰以至于无法理解，并且在8秒钟之后，他们会失去兴趣，而不会收到任何信息。 如果该图看起来像第二张图片，那么观众一眼就能掌握所选的信息。 比它想像的要快。 即使8秒钟后读者将注意力转移到其他事物上，信息的最重要部分也会被接收。
从此图表中获取信息的唯一方法是完整阅读它：
修改后的时间表立即将观众的注意力吸引到特定的“发现”上：需要做一些隔音工作。
GitHub上的Jupyter Notebook第5部分：像设计师一样思考
对我来说，设计师是描绘美丽图画的人。 我不是设计师，从来没有美丽的图画。 幸运的是，数据可视化更加容易。 必须考虑以下几点来开发图形：可负担性，
可访问性和美观性。
机会。 当我们拿裁缝师的剪刀时，立即可以清楚地知道将拇指放在哪里，还有几根手指在哪里。 附有时间表：观众应该立即了解该时间表在哪里看以及如何处理。 为此：
- 突出重点。 建议选择不超过10％的可视化元素，否则效果会消失。 “在鸽子中很容易找到鹰，但是当有更多的鸟类时，它就会越来越难。”
- 消除干扰。 “完美的实现不是在没有东西可添加时，而是在没有东西要去除时”，-Antoine de Saint-Exupery。
一个 并非所有数据都同样重要。 摆脱非关键组件。
b。 当不需要零件时，进行汇总。
c。 定期问自己：如果扔掉，情况会有所改变吗？ 不变-扔掉。
d。 将背景项目发送到背景。 为此使用灰色。 - 创建清晰的信息层次结构。 使用吸引人的不同属性，向您的听众展示他们需要接收信息的顺序。 例如，如下图所示：
GitHub上的Jupyter Notebook有空 可访问性的概念建议设计应适合具有不同能力的人。 这包括具有不同经验，知识，技术技能以及在主题领域中参与程度不同的人员。 您可以成为一名工程师，但不需要高学历的读者来了解您的日程安排：
- 不要太复杂。 如果可能，请使用视觉上干净的字体（Arial），清晰的单词，简短的句子。
- 文字是您的朋友。 图表至少应具有标题和轴名称。 让我们看看简单的文本如何改变图形的感知：
没有文字
这张图是关于什么的？
最低要求文字
开始有一些东西出现了：自5月以来，有些申请的处理量少于收到的申请量。
很多文字
现在一切都清楚了：人们已经走了，团队无法应对，有必要再聘请两名专家。
GitHub上的Jupyter Notebook美学。 最近在哈布雷（Habré）上有一篇文章“
国际和本地东方社区YouTube频道评论的可视化 ”。 老实说，我仍然不明白为什么需要它，以及我从图表中可以得到什么信息……但是它们多么美丽！ 我很高兴地看着它（什么都不懂）。 将额外的时间和精力花费在时间表的美感上，可以增加听众对他们更有耐心和注意力的机会。 因此，观众很有可能会理解您想要传达的内容。
为此：
- 明智地使用颜色。
- 注意对齐。
- 腾出更多空间（空白空间）。
有关如何使图形具有美学外观的示例：
是
已成为
GitHub上的Jupyter Notebook第6部分：可视化的批判分析
作者提供了5个出色的可视化示例，并详细检查了为什么采用这种方式。
我喜欢这个例子：
GitHub上的Jupyter Notebook- 独特的视觉层次结构：我们阅读标题，转到粗体数字，从右到左，从中到文本“未满足的需求（差距）”。 几秒钟后，我们就会掌握：如果什么都不做，那么未满足的需求就会增加。
- 从“未满足的需求（差距）”中，我们阅读了所有标签。 我们知道，由于专栏直接签署，董事和新董事的主要来源会迷失。
- 负列的概念非常有趣。
第七部分：叙事课
一个好的故事令人兴奋。 基于文学和电影的经验，作者展示了如何使用数据讲述有趣的故事。 提示之一：在准备演示文稿之前，写下一个“大想法”（用一句话表达主要思想）和“三分钟的故事”（在正文的半页中描述主要发现）。
每个故事都有3个主要部分：开始，中间和结尾。
- 开始 表示有问题。 如果没有明确的问题，那么也许也不需要介绍。 “我为什么对此感兴趣？”
- 中间 。 显示如何解决问题。 “我为什么可以做出建议的决定？”
- 结束了。 呼吁采取行动。 “我需要立即开始做些什么来解决问题？”
有两种主要的讲故事策略：
1.按时间顺序：
一个 确定问题
b。 收集数据以更好地了解情况。
c。 我们分析了数据（从不同角度检查了情况，并考虑了其他因素）
d。 找到了解决方案
e。 基于所有这些，我们建议您采取以下措施
2.从头开始：
一个 建议做某某
b。 我们通过数据支持此建议。
第8部分：将它们放在一起
作者通过本书的所有步骤和课程为读者提供了一个示例：
- 进度安排不好
- 描述表示上下文可能是什么，
- 选择一个好的可视化方法，
- 清除所有垃圾
- 确定将注意力集中在哪里，并使用吸引人的属性，
- 使日程安排具有美学外观，
- 准备完整的演示文稿。
您可以在书中看到示例。我建议阅读。