À JSM 2019, Je participe à une session sur Visualisation interactive dynamique des données . Lorsque j'ai été invité pour la première fois par le président de session, Blanton Godfrey, à participer à une conférence, ma première pensée a été : "Bien sûr, JMP propose de nombreuses visualisations de données dynamiques et interactives." Mais une seconde réflexion a rapidement suivi : « Qu'est-ce que cela signifie vraiment ? Tout est interactif de nos jours.
Cela m'a amené à essayer de catégoriser différentes méthodes d'interactivité. L'objectif noble est d'aider à définir une classification de l'interactivité de visualisation de données qui serait utile pour comparer les produits ou discuter des implémentations individuelles. Dans cet effort initial, j'ai classé neuf techniques, ainsi que des exemples de vidéos des interactions au sein JMP .
- Construction de graphes
- Liaison de sélection
- Filtrage des lignes
- Survoler les détails
- Réglage du modèle
- Cartographie esthétique
- Commutation de colonne
- Découpe de volume
- Mise à l'échelle de l'axe
J'utilise le même ensemble de données dans mes exemples de vidéos. Il contient plus de 60 colonnes de données démographiques, économiques et électorales pour plus de 3 000 comtés américains. Passons maintenant aux méthodes !
Construction de graphes
La création de graphiques interactifs signifie la construction ou la restructuration d'un graphique avec des mises à jour immédiates de la vue. Dans JMP, les interactions sont directement sur la surface. D'autres implémentations peuvent toujours être interactives avec des zones de dépôt sur le côté du graphique.
La vidéo met en évidence quelques défis. Lorsque la deuxième variable Y, "Rep Pct", a été ajoutée, il y avait plus de zones de dépôt Y qu'auparavant, nous avons donc pu spécifier où la placer par rapport à la variable Y existante. Et les zones de dépôt Couleur et Taille sont artificielles en ce sens qu'elles n'ont pas la même position naturelle que les variables des axes X et Y.
Ce tableau de fin ressemble beaucoup à celui présenté dans un Article du New York Times intitulé "Les comtés les plus conservateurs sont ceux qui reçoivent le plus d'aide gouvernementale". Il y avait quelques débat sur Twitter sur la ligne de régression et d'autres caractéristiques. Cela m'a amené à collecter et à explorer moi-même les données ( Bureau d'analyse économique et Les résultats des élections de Tony McGovern ). Lorsque j'ai réalisé combien de méthodes d'interactivité j'exerçais au cours de mon exploration, j'ai pensé que cela ferait un ensemble de données de démonstration approprié.
Liaison de sélection
Lorsque plusieurs vues utilisent la même table de données, la liaison de sélection signifie que les éléments qui sont mis en surbrillance dans une vue ont leurs éléments correspondants mis en surbrillance dans les autres vues. Dans JMP, la liaison de sélection est activée en permanence, ce qui signifie qu'elle doit être rapide même avec des millions de lignes. Pour y parvenir, la sélection est intégrée au cœur de chaque tableau de données.
Le plus grand défi est lorsque les éléments du graphique n'ont pas de correspondance univoque les uns avec les autres, comme les points au niveau du comté et les formes au niveau de l'état dans l'exemple. Afficher une sélection partielle de manière claire pour tout type de graphique est un défi ouvert. Pour la carte, JMP met en surbrillance une forme d'état entière lorsque l'un de ses comtés est sélectionné ailleurs. Pour les éléments de graphique dimensionnés par nombre, tels que les barres d'histogramme, JMP utilise une surbrillance partielle pour refléter la sélection partielle.
Filtrage des lignes
Le filtrage de lignes est l'un des types d'interaction de visualisation de données les plus courants. L'idée est que la visualisation n'utilise qu'un sous-ensemble des lignes de la table de données, en fonction des contraintes des filtres qui apparaissent à côté du visuel.
Il existe une option appelée "Verrouiller les échelles" que j'ai utilisée dans la vidéo pour garder les axes fixes pendant le filtrage. Sinon, ils seraient ajustés pour chaque sous-ensemble filtré.
Survoler les détails
Un type d'interaction passive consiste à survoler un élément graphique et à faire apparaître une fenêtre flottante avec plus de détails. Parfois, ceux-ci sont appelés "info-bulles" car ils étaient à l'origine utilisés pour les icônes de la barre d'outils. Dans une visualisation de données, le survol des détails est un moyen d'afficher à la fois des valeurs plus précises pour les variables représentées sur le graphique ainsi que des variables connexes supplémentaires.
Dans l'exemple, notez que le nom du comté a été inclus dans les détails de survol pour le nuage de points même si cette variable n'est pas dans le graphique. C'est parce que la variable dans la table de données est marquée avec un attribut qui la fait apparaître dans tous les détails de survol par défaut.
Réglage du modèle
Le réglage du modèle signifie que la représentation visuelle change lorsqu'un paramètre du modèle est modifié. Dans l'exemple, le modèle est une spline plus lisse et le paramètre de modèle est le paramètre de rigidité, lambda.
Bien que de nombreux modèles soient trop lents pour un tel réglage interactif, les ordinateurs sont assez rapides pour faire plus que nous ne le pensons souvent. Ce modèle d'apparence simple a beaucoup de choses à faire. Il existe quatre lisseurs distincts, et chacun a un intervalle de confiance bootstrap de 250x, il y a donc 1 000 modèles de splines ajustés à chaque fois que le paramètre de rigidité change.
Cartographie esthétique
Mapper des attributs esthétiques sur des éléments graphiques est une interaction simple mais importante. Avec l'esthétique, comme les couleurs et les styles de ligne, vous avez souvent besoin de le voir pour savoir à quel point cela fonctionne bien.
Les attributs simples peuvent être modifiés avec un clic droit, et les attributs plus complexes tels que le mappage des couleurs dégradées nécessitent une boîte de dialogue de paramètres et ont donc un degré d'interactivité de moins.
Commutation de colonne
Dans le changement de colonne, vous remplacez une ou plusieurs colonnes de données par une autre colonne d'un ensemble. Ici, la variable Y est remplacée une par une par des colonnes dans le panneau de gauche.
Le changement de colonne peut être un bon moyen de parcourir rapidement un nouvel ensemble de données.
Découpe de volume
Le découpage en volume est un moyen d'explorer un espace de données multidimensionnel en représentant graphiquement un ensemble de tranches bidimensionnelles. Le Profileur dans JMP utilise le découpage pour explorer des modèles multidimensionnels. Dans cet exemple, nous modélisons Rep Pct, sur le Y, par rapport à trois facteurs, Personal Income, Personal Transfer et Ballot Rate, ce qui donne une surface à quatre dimensions. Chaque image montre une tranche sur un X tandis que les autres X sont maintenus fixes.
Le transfert personnel semble avoir peu d'effet (c'est surtout une ligne plate dans cette tranche, au moins), mais lorsque nous interagissons avec lui et modifions sa valeur fixe utilisée par les autres cadres, nous voyons une interaction avec le revenu personnel. Le revenu personnel a une pente positive lâche pour les transferts personnels élevés et une forte pente négative pour les valeurs de transfert personnel faibles.
Mise à l'échelle de l'axe
Une échelle définit la manière dont les valeurs de données sont mappées aux coordonnées de l'écran et est elle-même visualisée sous la forme d'un axe. L'interaction de mise à l'échelle de l'axe est la possibilité de modifier ce mappage en manipulant directement l'axe. Les interactions incluent le panoramique, l'étirement et le zoom.
La mise à l'échelle des axes ne consiste pas toujours à redessiner des éléments à différents endroits. Notez que le tracé de points sur la droite doit ajuster sa disposition d'esquive de marqueur pour les nouvelles échelles, et les axes eux-mêmes doivent parfois recalculer des choses comme les intervalles de graduation. Dans le cas ou les visualisations géographiques, il est même utile de changer les projections en fonction de l'échelle.
Pour JMP, l'échelle régionale utilise une Albers projection à surface égale, et l'échelle mondiale utilise une Kavrayski VII projections de compromis.
Plus d'interactivité ?
Compte tenu de ces neuf méthodes d'interaction de visualisation de données, nous pouvons mieux envisager d'autres questions :
- Quelles autres méthodes d'interaction générales sont utiles dans la visualisation de données ? Je parle de méthodes "générales" car j'imagine qu'il n'y a pas de limite au nombre d'interactions spécialisées orientées vers un type particulier de graphe. Par exemple, JMP dispose d'un moyen de modifier de manière interactive la taille des groupes d'histogrammes que je n'ai pas inclus ici en tant que méthode générale.
- Certaines de ces méthodes doivent-elles être divisées en plusieurs méthodes ? Peut-être que le découpage en volume est différent pour l'exploration de données par rapport à l'exploration de modèles. Je considère le redimensionnement du graphique interactif comme une sorte de mise à l'échelle des axes, mais cela vaut peut-être la peine d'avoir sa propre catégorie.
- Certaines de ces méthodes devraient-elles être combinées en tant que variétés de la même méthode ? Peut-être que le filtrage de lignes et la commutation de colonnes sont deux variétés d'une interaction de sous-ensemble plus large.
- Existe-t-il de meilleurs noms pour ces méthodes, qu'elles soient préexistantes ou nouvelles ? Certains de ces noms proviennent de la terminologie JMP, et certains sont ma propre invention pour cette discussion.
- Les différents niveaux de chaque méthode devraient-ils être reconnus ? Par exemple, doit-on faire la distinction entre la construction de graphes avec ou sans aperçu en direct.
J'espère entendre des commentaires sur ces questions et d'autres, soit ici, à JSM ou sur Twitter.
