Worüber wir sprechen, wenn wir über Details auf Abruf sprechen
Das Durchsuchen von Daten, um Erkenntnisse zu gewinnen, folgt normalerweise einem vertrauten Prozess.
Wir räumen auf, erstellen Visualisierungen, interagieren mit ihnen und führen Analysen durch. Spülen und wiederholen. Wir müssen normalerweise nicht viel über den Prozess nachdenken, was ein Beweis dafür ist, wie einfach es ist, ihn in JMP durchzuführen.
akdjkfjsdkfksdkjfkdjkfsldkaskdl
Der explorativen Datenanalyse liegt jedoch ein Prozess zugrunde. Es war im Laufe der Jahre Gegenstand vieler Studien. Eines der einflussreichsten ist „The Eyes Have It: Eine Aufgabe der Datentyp-Taxonomie für Informationsvisualisierungen“ (Shneiderman 1996). In diesem wegweisenden Artikel wurde das Visual Information Seeking Mantra, kurz Infovis Mantra, vorgestellt. Es geht so:
Zuerst Übersicht, Zoom und Filter, dann Details nach Bedarf.
Nachdem wir eine Visualisierung erstellt haben, müssen wir häufig mit ihr interagieren, um interessante Muster zu finden. Zoom und Filter ändern den Visualisierungsfokus. Details-on-Demand fügen zusätzliche Informationen (Details) nur hinzu, wenn dies erforderlich wird (on-demand). Um die Auswirkungen auf den Erkundungsfluss zu verringern, zeigen wir mit der Maus auf den interessierenden Bereich. Eine kurze Pause löst die Interaktion aus. Und voilà: Auf Wunsch erscheint ein Hover-Label mit Details.
Wie entscheiden wir, welche zusätzlichen Informationen in diesem Zusammenhang relevant sind? Zunächst sammelt JMP Daten aus beschrifteten Spalten oder Zeilennummern, wenn keine definiert sind. Anschließend werden Informationen hinzugefügt, die aus der zugrunde liegenden Visualisierung extrahiert wurden. Zum Beispiel die numerischen oder kategorialen Werte, die dem zugrunde liegenden visuellen Element zugeordnet sind. Diese können aus der X- und Y-Achse extrahiert werden. Das Endergebnis wird als Text im Hover-Label-Fenster angezeigt. Das Fenster kann dann an das Diagramm angeheftet, neu positioniert oder durch Entfernen der Maus entfernt werden.
Jenseits von Text
JMP 15 führte Hover-Label-Erweiterungen ein. Dies sind Funktionen, die den Typ und den Inhalt erweitern, den Hover-Labels anzeigen können.
· Textlets ermöglichen die Anzeige ganzer Rich-Text-Absätze. Der Inhalt kann statisch oder dynamisch sein, basierend auf der Auswertung von JSL-Variablen.
· Gridlets bieten eine genaue Kontrolle über den Standardinhalt oder das Raster der Hover-Beschriftung. JMP erstellt diesen Inhalt aus beschrifteten Spalten und Diagrammrollen. Die Gridlet-Erweiterung kann Grid-Einträge umbenennen, entfernen, neu formatieren und neu formatieren. Es können auch neue hinzugefügt werden, sowohl mit statischem als auch mit dynamischem Inhalt - einschließlich anklickbarer Links.
· Graphlets zeigen grafischen oder visuellen Inhalt im Hover-Label-Fenster an. Am häufigsten werden neue Visualisierungen basierend auf den schwebenden visuellen Elementdaten angezeigt. Zum Beispiel eine Verteilung der durch den Balken aggregierten Werte in einem Balkendiagramm. Weitere Möglichkeiten sind die Vorschau der zugehörigen Bilddateien und sogar des Webinhalts.
Wenn wir sie zusammen verwenden, können wir Rich-Hover-Labels wie dieses erstellen:
Über Details hinaus
Das Infovis-Mantra besteht aus vier Aufgaben, wobei Details auf Abruf die letzte sind. In Shneidermans Artikel werden jedoch drei weitere beschrieben, die von den neuen Hover-Label-Erweiterungen unterstützt werden. · Relate: Das Paste Graphlet erstellt Miniaturansichten aus vorkonfigurierten Plattformdiagrammen. Verwenden Sie es mit der Fit X by Y-Plattform, um Korrelationen im aktuellen Datenkontext zu visualisieren. Andere Plattformen können verwendet werden, um verschiedene Arten von Beziehungen anzuzeigen.
· Verlauf: Die Miniaturansichten der Graphlets sind anklickbare Bilder. Wenn Sie darauf klicken, starten sie die Plattformen, mit denen sie in unabhängigen Fenstern generiert wurden, oder sie können an Ort und Stelle gestartet werden und ersetzen die aktuelle Visualisierung. In beiden Fällen stellt eine Rückgängig-Aktion die ursprüngliche Visualisierung wieder her. Sie können viele Ebenen aufschlüsseln und wissen, dass Sie jederzeit zurückkehren können.
· Extrahieren: Visuelle Elemente entsprechen Teilmengen der Daten. Das Hover-Label-Menü bietet direkten Zugriff auf diese Teilmengen. Außerdem enthalten gestartete Graphlets einen vorkonfigurierten lokalen Datenfilter, mit dem die zugehörige Abfrage kopiert oder sogar geändert werden kann.
Jenseits dieses Blogs
In den nächsten Beiträgen werden wir verschiedene Aspekte der Hover-Label-Erweiterungsarchitektur behandeln. Der erste wird über das Porzellan oder die High-Level-Schnittstelle sprechen, die den größten Teil der neuen Funktionalität freigibt. Keine Programmierkenntnisse erforderlich! In der Zwischenzeit lesen Sie unsere Discovery 2020-Präsentation: Von Details-on-Demand zu wandernden Workflows: JMP Hover Label Extensions kennenlernen
Verweise
[Shneiderman 1996] "Die Augen haben es: Eine Aufgabe der Datentyp-Taxonomie für Informationsvisualisierungen" von Ben Shneiderman. Institut für Informatik, Labor für Mensch-Computer-Interaktion und Institut für Systemforschung. College-Park der Universität von Maryland https://www.cs.umd.edu/~ben/papers/Shneiderman1996eyes.pdf
Weiterführende Literatur
Jenseits der Richtlinien: Was können wir aus dem Mantra der visuellen Informationssuche lernen?
B. B. Craft und P. Cairns, "Jenseits der Richtlinien: Was können wir aus dem Mantra der visuellen Informationssuche lernen?" Neunte Internationale Konferenz über Informationsvisualisierung (IV'05), London, UK, 2005, S. 110-118, doi: 10.1109 / IV.2005.28. https://www-users.cs.york.ac.uk/~pcairns/pubs/craft_cairns.pdf
Jetzt sehen Sie es: Einfache Visualisierungstechniken für die quantitative Analyse
Stephen Few, 2009 http://www.stephen-few.com/nysi.php
Verbessern Sie Ihre Vision und erweitern Sie Ihren Geist
Stephen Few, 2007 https://www.perceptualedge.com/articles/Whitepapers/Improve_Your_Vision.pdf
