で JSM 2019、のセッションに参加しています動的インタラクティブデータ可視化 。セッションチェア、Blanton Godfreyから最初に講演に招待されたとき、私の最初の考えは「確かに、JMPには多くの動的でインタラクティブなデータ視覚化がある」ということでした。平均？最近ではすべてがインタラクティブになっています。」
それは私が双方向性の異なる方法を分類しようとする道を導いた。非常に高い目標は、製品の比較や個々の実装についての議論に役立つ、データ視覚化の対話性の分類を定義する手助けをすることです。この最初の努力で、私は9つのテクニックを、その中のインタラクションのビデオ例と共に分類しました。 JMP 。
- グラフ作成
- 選択リンク
- 行フィルタリング
- ホバーディテール
- モデルチューニング
- 美的マッピング
- 列切り替え
- ボリュームスライス
- 軸スケーリング
私のサンプルビデオでは同じデータセットを使用しています。これには、3,000を超える米国の郡の60以上の列の人口統計、経済、選挙のデータが含まれています。それではメソッドに進みましょう。
グラフ作成
対話型グラフ作成とは、即座にビューを更新してグラフを作成または再構築することを意味します。JMPでは、相互作用は直接表面にあります。他の実装では、グラフの横にドロップゾーンを配置したまま対話型にすることができます。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-w1Yng3aTE6cNO7Pg5DSI6NI35O7flBl5w928h446r494', 'w1Yng3aTE6cNO7Pg5DSI6NI35O7flBl5', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"928px","height":"446px"});
（マイビデオで見る）
ビデオでは、いくつかの課題が強調されています。2番目のY変数「Rep Pct」が追加されたとき、以前よりもYドロップゾーンが多くなったため、既存のY変数に対してどこに配置するかを指定できます。また、カラーとサイズのドロップゾーンは、X軸とY軸の変数と同じ自然な位置を持たないという点で人工的です。
このエンディングチャートは、ニューヨークタイムズの記事 「最も保守的な郡は、最も政府の援助を受けているものです。」 Twitterでのディスカッション回帰直線と他の特徴について。それで私は自分でデータを集めて探求するようになりました。経済分析局そしてトニーマクガバンの選挙結果 ） 私が探査中にいくつの対話方式を使っていたかを知ったとき、これが適切なデモンストレーションデータセットになると思いました。
選択リンク
同じデータテーブルを使用するビューが複数ある場合、選択リンクとは、あるビューで強調表示されている要素とそれに対応する要素が他のビューで強調表示されていることを意味します。JMPでは、選択リンクは常にオンになっています。つまり、何百万もの行があっても選択リンクは高速でなければなりません。それを実現するために、選択はすべてのデータテーブルの中核部分として組み込まれています。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-91Y3g3aTE6UQB4ZFOYAANeKz_24gCiwgw912h446r59', '91Y3g3aTE6UQB4ZFOYAANeKz_24gCiwg', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"912px","height":"446px"});
（マイビデオで見る）
最大の課題は、この例の郡レベルのドットと州レベルの図形のように、グラフ要素が互いに1対1で対応していない場合です。グラフの種類に関係なく、部分選択を明確に表示することは未解決の課題です。地図では、JMPはその郡のいずれかが他の場所で選択されているときに州全体の形状を強調表示します。ヒストグラムバーのように、カウントでサイズが決められているグラフ要素の場合、JMPは部分選択を反映するために部分強調表示を使用します。
行フィルタリング
行フィルタリングは、最も一般的な種類のデータ視覚化インタラクションの1つです。その考え方は、ビジュアライゼーションは、ビジュアルの隣に表示されるフィルタの制約に基づいて、データテーブルの行のサブセットのみを使用するということです。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-5iZHg3aTE6SQv6VAfU_xNjFfMCuO01jbw856h406r54', '5iZHg3aTE6SQv6VAfU_xNjFfMCuO01jb', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"856px","height":"406px"});
（マイビデオで見る）フィルタリング中に軸を固定するためにビデオで使用した「ロックスケール」と呼ばれるオプションがあります。そうでなければ、それらは各フィルタリングされたサブセットに対して調整されるであろう。
ホバーディテール
受動的な種類の対話は、グラフィック要素の上にカーソルを置き、フローティングウィンドウをより詳細に表示させることです。元々はツールバーアイコンに使用されていたため、これらは「ツールチップ」と呼ばれることがあります。データのビジュアライゼーションでは、ホバーディテールはチャート変数のより正確な値と追加の関連変数の両方を表示する方法です。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-NoZHg3aTE6ufjR5lBO2jl20LGnTPiryRw944h332r996', 'NoZHg3aTE6ufjR5lBO2jl20LGnTPiryR', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"944px","height":"332px"});
（マイビデオで見る）
この例では、その変数がチャートに表示されていなくても、郡名が散布図のホバー詳細に含まれています。これは、データテーブル内の変数が、デフォルトですべてのホバー詳細に表示されるようにする属性でマークされているためです。
モデルチューニング
モデルチューニングは、モデルパラメータが変更されると視覚的表現が変わることを意味します。この例では、モデルはスプライン平滑化モデルで、モデルパラメータは剛性パラメータλです。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-lwZHg3aTE6Cxjm8c2z_c_96H3HNrYoBKw876h386r363', 'lwZHg3aTE6Cxjm8c2z_c_96H3HNrYoBK', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"876px","height":"386px"});
（マイビデオで見る）
多くのモデルはそのような対話型のチューニングには遅すぎますが、コンピュータは私たちがよく知っている以上のことをするのに十分な速さです。この単純に見えるモデルにはたくさんのことが起こっています。4つの別々のスムーザーがあり、それぞれが250倍のブートストラップ信頼区間を持っているので、剛性パラメータが変わるたびにフィットする1,000個のスプラインモデルがあります。
美的マッピング
美的属性をグラフ要素にマッピングすることは、単純ですが重要な相互作用です。色や線のスタイルなどの審美性では、それがどのように機能するかを知るためにそれを見る必要があります。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-c0ZXg3aTE6a3ZbW4jgVWp0XEhClvYMmcw888h422r936', 'c0ZXg3aTE6a3ZbW4jgVWp0XEhClvYMmc', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"888px","height":"422px"});
（マイビデオで見る）
単純な属性は右クリックで変更でき、グラデーションカラーマッピングなどのより複雑な属性では設定ダイアログが必要になるため、対話性が1つ少なくなります。
列切り替え
列切り替えでは、1つ以上のデータ列をセットの別の列と置き換えます。ここでは、左側のパネルでY変数が1つずつ列に置き換えられます。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-swZ3g3aTE6nqw8PbCMQysv4S0v_x9j8Iw856h386r488', 'swZ3g3aTE6nqw8PbCMQysv4S0v_x9j8I', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"856px","height":"386px"});
（マイビデオで見る）
列の切り替えは、新しいデータセットをすばやく確認するための良い方法です。
ボリュームスライス
ボリュームスライシングは、一組の二次元スライスをグラフ化することによって多次元データ空間を探索する方法である。のプロファイラ JMPでは、多次元モデルを探索するためにスライスを使用しています。この例では、Yで、個人収益、個人転送、および投票率という3つの要素に対して担当者の割合をモデル化しています。各フレームは1つのXにまたがるスライスを示し、他のXは固定されています。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-4yZ3g3aTE6juUfpYEYjPJuyqCiE3P95ew876h378r96', '4yZ3g3aTE6juUfpYEYjPJuyqCiE3P95e', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"876px","height":"378px"});
（マイビデオで見る）
Personal Transferはほとんど効果がないようですが（少なくともこのスライスではほとんど平坦な線です）、それとやり取りして他のフレームで使用されている固定値を変更すると、Personal Incomeとのやり取りが発生します。個人所得は、個人転送が高い場合は緩やかなプラスの傾き、個人転送が低い値の場合は強いマイナスの傾きを持ちます。
軸スケーリング
スケールは、データ値が画面座標にどのようにマップされるかを定義し、それ自体が軸として視覚化されます。軸スケーリングの相互作用は、軸を直接操作することによってそのマッピングを変更する機能です。相互作用には、パン、ストレッチ、ズームがあります。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-JhZ3g3aTE6fEz1j6iZo-YcS1fqY37RRLw756h406r424', 'JhZ3g3aTE6fEz1j6iZo-YcS1fqY37RRL', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"756px","height":"406px"});
（マイビデオで見る）
軸の拡大縮小は、常に異なる場所に要素を再描画するだけの問題ではありません。右側のドットプロットは、新しいスケールに合わせてマーカー回避レイアウトを調整する必要があり、軸自体は目盛りの間隔などを再計算しなければならないことがあります。場合や地理的な視覚化では、縮尺に応じて投影法を切り替えるのも便利です。
LITHIUM.OoyalaPlayer.addVideo('https:\/\/player.ooyala.com\/static\/v4\/production\/', 'lia-vid-BxZ3g3aTE6g374JDRrFcRvP3b9lNPY_9w920h426r644', 'BxZ3g3aTE6g374JDRrFcRvP3b9lNPY_9', {"pcode":"ltbGkyOjMl3V3pZ3Trn6T2z1_rjF","playerBrandingId":"ODI0MmQ3NjNhYWVjODliZTgzY2ZkMDdi","width":"920px","height":"426px"});
（マイビデオで見る）JMPの場合、地域規模ではアルバース等面積投影法で、世界規模ではカヴレスキーVII 妥協の投影
もっと相互作用？
これら9つのデータ視覚化インタラクション方法を考えると、さらに質問を検討することができます。
- データの視覚化に役立つ他の一般的な対話方法はどれですか。特定の種類のグラフを対象とした特殊なインタラクションの数に制限はないと想像しているので、「一般的な」方法と言っています。たとえば、JMPには、ここでは取り上げなかったヒストグラムのビンサイズを対話的に変更する方法があります。
- これらの方法のいくつかを複数の方法に分割する必要がありますか？ボリューム探索は、データ探索とモデル探索では異なるかもしれません。対話的なグラフのサイズ変更を一種の軸の拡大縮小として検討していますが、おそらく独自のカテゴリを持つ価値があります。
- これらの方法のいくつかは、同じ方法の種類として組み合わせるべきですか？行フィルタリングと列スイッチングは、より大きなサブセット化相互作用の2種類です。
- これらのメソッドには、既存のものと新しいもののどちらを使用したほうがよいでしょうか。これらの名前のいくつかはJMP用語から来ています、そしていくつかはこの議論のための私自身の発明です。
- それぞれの方法の異なるレベルが認識されるべきですか？たとえば、ライブプレビューの有無にかかわらずグラフ作成を区別する必要があります。
私はこれらの質問や他の人々からのフィードバックをここで、JSMまたはTwitterで聞いてほしいと思います。
