揚聲器
|
成績單
|
| 迦勒金 |
您好，我叫 Caleb King，是 JMP 軟體的開發人員。 我專門參與實驗設計組，但今天我要 |
| |
稍微偏離主題，談談如何使用 JMP 中的圖形和其他一些工具來幫助以視覺方式講述數據故事。 |
| |
現在我選擇的數據集是......來說明這是聯邦調查局收集的仇恨犯罪數據，所以可能是一個有爭議的數據集，但也與正在發生的事情非常相關。 |
| |
我的目標是使其更具說明性，因此我將瀏覽我之前創建的幾個圖形 |
| |
對於這個資料集。 我不一定會向您展示我如何製作圖表，但目的是向您說明如何使用 JMP |
| |
正如我所說，視覺敘事因此使用互動性來幫助引導人們查看圖表並與之交互 |
| |
也許會問更多問題，也許你會在繼續的過程中回答他們的一些問題。 但鼓勵這種數據探索，這就是 JMP 的工作重點。 |
| |
話雖如此，讓我們開始吧。 |
| |
我首先會向您提供一些數據集本身的概述，所以我會在這裡滾動。 所以有很多關於 |
| |
事件發生的地方。 |
| |
隨著我們繼續前進，以及該事件發生的日期。 您有一些關於罪犯的信息 |
| |
以及所犯的罪行、罪行類型。 再次提供一些基本信息，即該事件中存在何種類型的偏見。 有關受害者的一些資訊。 |
| |
整體歧視類別，然後是我提供的有關緯度和經度的一些附加資訊（如果可用），以及我將使用其他圖形的一些人口。 現在只是為了，你知道，要明確的是， |
| |
FBI，即美國聯邦調查局，將仇恨犯罪定義為： |
| |
因對特定群體的偏見而發生的刑事犯罪。 因此，這種偏見可能是種族的、針對宗教的、性別的、性別認同的等等。 |
| |
因此，只要犯罪是出於特定偏見，就被視為仇恨犯罪，並且該資料包含所有已發生的事件。 |
| |
由 FBI 收集，可追溯到 1991 年，最近到 2019 年。 我沒有 2020 年的數據，儘管這肯定很有趣， |
| |
但這是因為聯邦調查局喜歡花時間確保在實際創建報告之前徹底清理和準備資料。 所以 |
| |
您可以放心，考慮到他們投入了多少時間和精力來確保這些數據非常準確。 |
| |
好的，那麼讓我們開始對資料進行一些基本的視覺化總結。 因此，我將首先在這裡運行這個小表腳本。 這一切所做的基本上就是給我們 |
| |
根據特定的偏差對幾天內發生的事件進行計數，因此每天發生了多少事件。 由此我將創建一個基本圖，在本例中它是簡單的線圖 |
| |
此處顯示整個範圍內每天發生的事件數量。 這樣您就可以獲得整個...您可以看到 1991 年至 2019 年資料的整個範圍 |
| |
以及發生了多少事件。 現在，這本身可能是一個很好的靜態圖像，因為你會感覺到 |
| |
事件數量下降的地方。 事實上，我將在這裡稍微更改一下軸設定。 讓我們看看，我們以 50 秒為單位進行增量，讓我們以 20 秒為單位進行增量。 我們開始吧。 |
| |
因此，您可以進行一些互動…互動。 我們改變了尺度以對其進行改進並更好地了解 |
| |
平均有多少起事件。 我運行了一些分佈，平均每天大約有 20 個事件 |
| |
我們在這裡看到的。 當然，現在您可能想知道為什麼我還沒有解決我們在數據中看到的兩個峰值。 |
| |
所以是的，顯然有兩個非常高的尖峰。 所以，如果這是 |
| |
任何其他類型的軟體，您可能會說，好吧，我想研究一下。 所以你回到你嘗試的數據，你 |
| |
知道，隔離這些日期在哪裡，也許嘗試展示一些圖表或進行一些分析以顯示那裡發生了什麼。 嗯，這是 JMP，我們有一些東西可以 |
| |
我們在 JMP 15 中引入了稱為 graphlet 的東西，它的工作原理如下。 我只是要盤旋和繁榮。 |
| |
一個小圖似乎有助於進一步總結當時發生的事情。 所以在這種情況下有很多資訊。 |
| |
我們首先會注意到日期，1992 年 5 月 1 日。 所以如果你熟悉美國歷史，你可能知道這裡發生了什麼，但如果你不熟悉， |
| |
點擊圖表可以獲得一些額外的線索。 所以現在你會看到我正在向你展示 |
| |
事件的特殊偏見。 因此，我們在這裡看到，大多數事件都是針對白人的，然後下一組是黑人或非裔美國人，這種情況繼續向下。 |
| |
我在這裡有點放棄答案，因為羅德尼金在加州發生騷亂的時期發生了事件。 羅德尼金, |
| |
一名非裔美國人不幸被警察殺害，引發大量強烈抵制和騷亂 |
| |
大約在這個時候。 這就是我們在這個特定數據點中看到的捕獲內容，如果您不知道這一點，您至少會擁有這些資訊來嘗試開始並去那裡查找......在網上查找以弄清楚發生了什麼。 |
| |
我們可以在這裡用一個非常大的尖峰做同樣的事情。 再次，我將使用懸停 graphlet，因此將滑鼠懸停在它上面。 我會停下來讓你看看。 我們來看看日期，2001 年 9 月 12 日。 這本身就是一個很大的線索 |
| |
至於發生了什麼事。 但如果我們看這裡的細分，我們可以看到大多數事件都是針對穆斯林信仰的個人， |
| |
阿拉伯種族或其他類似種族或血統的類型。 在這種情況下，我們可以清楚地看到 |
| |
在9月11日的不幸事件之後，當時發生的恐怖攻擊，第二天就出現了許多針對 |
| |
成員有相似的種族、相似的信念等等，所以我們當時發生了不幸的強烈抵制。 |
| |
因此，僅透過這一圖和一些互動性，我們就能夠收集大量信息，在您可能想要進一步了解的領域收集大量高級資訊。 |
| |
但我們可以繼續前進。 現在 JMP 16 中的新功能是，因為我們在 X 軸上有日期，所以我們實際上可以將日期分入更大的類別，因此在本例中讓我們按月進行分箱。 |
| |
我們看到情節消失了。 這就是我要做的事。 我將重新運行它，讓我們看看。 |
| |
我們開始吧。 |
| |
你永遠不知道會發生什麼事。 在這種情況下，這就是應該發生的事情；不用擔心。 |
| |
所以我們按月將其分類，我們注意到這裡有一個有趣的模式。 似乎存在某種季節性趨勢，讓我們使用懸停圖來幫助我們識別可能發生的情況。 所以我將把滑鼠懸停在較低的點上。 所以如果我這樣做的話 |
| |
讓我們看看好吧，一月，十二月，好吧。 有趣的。 讓我們將滑鼠懸停在另一個十二月上。 |
| |
還有一個，十二月。 啊，在這種情況下實際上可能存在一些實際的季節性趨勢。 我們似乎在冬季達到了最低點。 |
| |
事實上，如果我回到我的數據表，我實際上以前已經看到過這一點。 這是我在探索該技術時發現的東西，並且我已經創建了一個圖表來解決這個問題。 |
| |
所以這是我基於此創建的東西，看看，你知道，這個月內歷年來事件數量的變化是多少。 |
| |
在這裡，我們可以看到平均趨勢，但我們也看到很多變化，特別是在 9 月份，因為那裡出現了巨大的峰值。 |
| |
所以也許我們需要一些更合適的東西。 所以我會打開控制面板，嘿，讓我們選擇中位數。 這更穩健，也許看看四分位數範圍，這樣我們就有了更穩健的 |
| |
可以使用的指標。 |
| |
因此，我們再次看到季節性趨勢，因此冬季月份內肯定會大幅下降 |
| |
而不是在春季和夏季達到高峰。 現在 |
| |
這可能是有人想要進一步研究並研究為什麼會發生這種情況的事情。 |
| |
你可能有自己的解釋。 我個人的解釋是，我相信聖誕節精神是如此強大，可以克服人們在十二月可能產生的任何仇恨或偏見。 |
| |
再說一次，這只是我個人的偏好，你可能有你自己的偏好。 但同樣，僅僅透過一個情節，我就能夠發現這種趨勢並 |
| |
製作另一個情節來進一步探索這一點。 因此，僅憑這一情節，我再次鼓勵進行更多研究。 我們可以繼續前進。 |
| |
那麼我們來看看，讓我們按年份來分類，如果我們這樣做的話，我們可以清楚地看到這種整體趨勢。 |
| |
所以我們在 90 年代末大約 2000 年代初看到了一種高峰，然後下降，你知道，時尚幾乎是線性的， |
| |
直到 2010 年代中期達到中點，然後才開始再次上升。 因此請記住這一點，您可能會在我們展示的其他圖中看到類似的趨勢。 但同樣，讓我們退後一步，意識到在這個情節中我們看到了不同的情況 |
| |
數據的各個面向。 我們甚至 |
| |
回答了一些問題，但我們可能也提出了更多問題。 這種季節性趨勢是怎麼回事？ |
| |
如果你不知道我告訴你的那些事件是什麼，你知道，那些特定事件是什麼？ 這就是 JMP 圖形互動性的美妙之處，它允許使用者在特定的媒介中參與和探索並鼓勵這一切。 |
| |
好的。 |
| |
我們繼續吧。 所以我提到，這是一種視覺敘事，所以你可以將其視為序言，作為整體視圖。 什麼是……什麼是 |
| |
整體情況如何？ 現在我們來看看演員們的狀況， |
| |
也就是說，誰犯了這些類型的罪？ 他們要針對誰？ 對此我們能了解到哪些資訊呢？ 所以我在這裡 |
| |
再次創造了一個情節來幫助回答這個問題。 現在這可能是個好的開始。 我在這裡創建了一個熱圖 |
| |
然後強調了在這種情況下，罪犯的種族與他們的特定偏見之間的關係。 所以我們看到 |
| |
發生了很多事情，在本例中，我對列進行了排序，以便我們可以看到發生了很多事情。 大部分都在這個上層 |
| |
左邊的角落，這裡沒有太多事情發生，我想這是個好消息。 在沒有發生太多事情的地方有很多偏見，大部分都發生在這個角落。 |
| |
現在，這可能是一個很好的情節，但這裡同樣有很多開放空間。 所以也許我們可以嘗試一些事情來嘗試強調正在發生的事情。 因此，我可以做到的一種方法是，我將來到 X 軸，然後根據計數調整大小。 |
| |
現在你會看到這裡，我在幕後隱藏了一些東西。 我實際上會在這些之上放置一個標籤，一個百分比標籤。 |
| |
以前發生的事情太多了，你甚至看不到，但現在我們實際上可以看到其中的一些資訊。 這是一種很好的總結方式，而不是計數。 |
| |
但即使僅透過視覺化，我們也可以清楚地看到最大的偏見是針對黑人或非裔美國公民，然後是猶太人，一直到這裡幾乎沒有偏見。 因此，只需查看 X 軸，您就可以獲得有關正在發生的情況的大量資訊。 |
| |
我們可以對 Y 做同樣的事情，所以同樣，按計數調整大小。 |
| |
再說一次，尺寸以及我如何調整軸中包含了大量資訊。 |
| |
我們包括的這個案例......我們確實強調了那個角落，所以我們可以清楚地看到誰是頂級玩家。 在這種情況下，大部分是 |
| |
犯罪者是針對非裔美國人的白人或未知種族，下一個是針對猶太人，然後 |
| |
抗白，然後它就不斷下降。 所以我們在這裡對正在發生的事情進行了一個很好的總結。 現在，您可能已經注意到，當我在周圍盤旋時，我們看到了我們的小圓圈。 這是我的圖基元指示器，所以我再次在這裡得到了一個工具。 |
| |
我們已經進行了一些交互，這可能是一個很棒的靜態圖像，但讓我們使用 JMP 的強大功能，尤其是那些小圖， |
| |
進行互動，看看我們能找出哪些進一步的資訊。 所以在這種情況下，我將滑鼠懸停在此處。 |
| |
這裡有一個圖表，在本例中是一個打包的長條圖，由我們的圖表大師 Xan Gregg 提供。 在這種情況下，你不僅可以看到，你知道， |
| |
哪些人正在實施犯罪以及針對誰，您的下一個問題可能是，您知道，正在實施哪些類型的犯罪？ 好吧，透過一個 graphlet，我已經為你回答了這個問題。 |
| |
我們可以在這裡看到最大的…壓倒性的攻擊類型是恐嚇，其次是簡單和嚴重的攻擊，然後是其餘的，這就是條形圖的美妙之處。 |
| |
我們可以看到所犯的所有其他類型的罪行。 如果將它們全部堆疊在一起，它們甚至無法進行比較。 他們甚至沒有突破前三名。 |
| |
所以這告訴你很多關於…這些類型的犯罪行為的類型，以及它們的主導程度。 |
| |
現在，你可能有的另一個問題是，好吧，我們已經看到了演員，我們已經看到了他們正在採取的行動， |
| |
但這有一個時間上的問題。 顯然，這種情況是隨著時間的推移而發生的，那麼這是一致的嗎？ 趨勢有變化嗎？ 出色地， |
| |
沒有恐懼。 Graphlet 再次拯救了我們。 在這種情況下，我實際上可以向您展示這些趨勢。 所以在這裡我們可以看到如何 |
| |
恐嚇事件的類型…隨時間變化的數量？ 我們再次看到該模式似乎遵循總體趨勢。 |
| |
大約在 90 年代末達到頂峰，然後呈陡峭趨勢……直到 2010 年代中期幾乎呈線性下降，然後在最近再次上升。 |
| |
我們也許可以再次看到這種趨勢和其他趨勢。 我不會點擊放大，但你可以從這裡的情節中看到，這裡的簡單攻擊和那裡的嚴重攻擊的趨勢。 |
| |
並且您可以繼續探索。 因此，讓我們看看非裔美國人的未知情況，看看其中可能存在什麼差異。 在這種情況下，我們可以清楚地看到 |
| |
有兩種類型的犯罪行為真正占主導地位，在這種情況下，破壞或損壞財產（如果你仔細想想，這可能是有道理的；如果你看到你的財產被損壞，你很可能不會知道是誰造成的）做到了） |
| |
和恐嚇是主要手段。 再說一遍，您可以...這樣做的好處是懸停標籤會持續存在，因此您可以再次查看那裡正在發生的趨勢。 |
| |
因此，在這種情況下，我們看到損害實際上有兩個峰值，在 90 年代末 2000 年代初達到峰值，然後再次下降。 透過恐嚇，我們看到了與之前類似的趨勢。 |
| |
同樣，在一張圖形中，包含大量信息，作為用戶，您可以與之交互以嘗試強調某些關鍵區域，然後，作為用戶，您只需可視化......只需查看此內容並進行互動有了它，就可以玩耍並收集大量資訊。 |
| |
好的。 |
| |
讓我們繼續前進。 現在你會注意到，在報告機構中，大多數都是市/縣級的 |
| |
警察局等等，但這裡也有一些大學。 所以可能有人有興趣了解大學裡正在發生的事情。 |
| |
因此，我創建了這個漂亮的小表格腳本來回答這個問題。 現在這個時候， |
| |
我剛剛運行了表腳本，並且我提到過，我不會在幕後進行太多討論，這更具說明性。 |
| |
在這裡我將讓您看一下，因為我不僅想向您展示圖形的強大功能，還想向您展示表格腳本的強大功能。 現在，如果您熟悉 JMP， |
| |
你可能知道，好吧，表格腳本很好，因為我可以保存我的分析，我可以保存我的報告，我甚至可以用它來保存圖形，就像我一樣......就像我在上一個中所做的那樣，所以你可能沒有註意到你還可以保存 |
| |
幫助運行其他表和匯總表等的腳本。 那麼讓我向您展示這背後發生了什麼，事實上，當我運行腳本時，我實際上創建了兩個數據表。 |
| |
您只看到了一個，因此在本例中，我首先建立了選擇所有大學的資料表，然後從該資料表中建立了摘要，然後關閉了舊的摘要。 |
| |
然後我還添加了一些圖形。 因此，我不會在這裡詳細介紹如何設定它，因為我想將其保存到下一個之後。 我給你一個提示。 它基於 JMP 16 中的一項新功能，這確實會讓您感到驚訝。 |
| |
好吧，讓我們回到……對不起……大學事件。 |
| |
我在這裡再次保存了表腳本。 這將向我們展示一張圖形。 |
| |
所以在這裡我們可以再次看到那個擁擠的長條圖，在這裡我向您展示了哪些大學發生了最多的事件。 現在再說一遍，這本身可能是一個非常好的標準圖形。 |
| |
你可以看到，哪所大學似乎發生的事件最多，而且很高興看到沒有真正主導的大學。 你還可以打包其他大學 |
| |
在它們之上，沒有人能主宰其中之一。 所以這本身就是一個好消息，但同樣也有一個時間上的因素。 所以 |
| |
這些可能是…密西根大學安娜堡分校，他們一直遇到麻煩嗎？ 他們……他們會一直保持領先嗎？ 他們只是碰巧度過了糟糕的一年嗎？ 再一次，圖譜可以拯救你。 |
| |
在這種情況下， |
| |
你會在這裡看到一個有趣的劇情。 你可能會說，你知道，這是什麼？ 這看起來像是屬於裝飾藝術博物館。 什麼... |
| |
這是什麼情節？ 嗯，這實際上是我們以前見過的。 我只是使用 JMP 16 中的新功能，因此我將向您介紹幕後花絮。 |
| |
在這種情況下，我們可以看到，這實際上是一個熱圖。 我所做的一切 |
| |
我做了一個我經常喜歡做的技巧，即以兩種不同的方式強調事物，因此不僅強調顏色計數（這是您通常在熱圖中所做的事情），白色是缺失的條目，我現在還可以在JMP 16 中以尺寸強調。 |
| |
所以我認為這又回到了我們之前調整這些軸的大小的地方。 它強調...有助於強調某些領域。 所以我們現在可以看到，針對非裔美國人的事件可能存在一些問題， |
| |
這種情況相當一致，與所有其他已經發生的事件相比，2017 年顯然是特別糟糕的一年。 |
| |
現在這裡沒有額外的懸停標籤。 |
| |
我要做的只是總結數據，但這沒關係。 |
| |
這本身就為您提供了大量信息，因此這是 JMP 16 中出現的一項新功能，可以再次幫助強調這一點。 |
| |
再說一遍，我們可以繼續前進。 我們可以看看其他大學，所以在這裡，這可能是一所大學的例子，他們似乎經歷了一段相當糟糕的時期， |
| |
位於科利奇帕克的馬裡蘭大學，但當時有一個地區 |
| |
事情真的很好，所以你可能有興趣知道，到底發生了什麼事讓這段時期變得如此美好？ |
| |
大學是否制定了某些措施，他們做了什麼，似乎導致事件數量大幅下降？ 這可能是值得研究的事。 |
| |
你可以繼續再看一遍，看看這是否是一個系統性問題，是否像在這種情況下，似乎有一個非常糟糕的一年占主導地位，總的來說，他們做得還不錯。 |
| |
他們做得很好。 同樣，這可能是另一件事。 他們早期的日子過得很糟糕，但最近他們做得很好， |
| |
等等。 再次強調這種互動性， |
| |
在本例中，使用了 JMP 16 中的一些較新功能。 現在，在我們轉向最後一個之前，我有一個坦白。 我是一個地圖迷，所以我真的很喜歡地圖以及與地圖相關的任何類型的數據分析。 |
| |
我不知道為什麼。 我真的很喜歡它，所以我很高興向您展示下一個，因為現在我們看看事件的地理位置。 |
| |
但我也很興奮，因為我相信這確實凸顯了表格腳本和 JMP 圖形（尤其是懸停圖）的強大功能。 |
| |
希望這也讓您感到興奮，所以讓我們運行它。 現在這個需要一些時間，因為這個表腳本實際上發生了很多事情。 它正在創建一個新表。 它還在該表中執行了很多功能 |
| |
併計算很多東西。 因此，我們不僅獲取了信息，而且在接近結尾處還有很多在幕後計算的列。 |
| |
現在我必須花一點時間談談我將要使用的特定指標。 不久前，我在 JMP 社群 (community.jmp.com) 上寫了一篇名為「犯罪率難題」的部落格文章， |
| |
如此無恥的插在那裡，但我談到了，你知道，通常當你報告事件，特別是犯罪事件時， |
| |
通常我們知道您不僅僅想報告原始計數，因為 |
| |
可能在某個區域有大量的計數、大量的事件，這僅僅是因為……那裡有問題嗎？ |
| |
還是因為那裡人太多？ 當然，我們預期會發生很多事件，因為人太多了。 所以當然人們 |
| |
報告事故發生率。 現在這很好，因為現在每個人都處於公平的競爭環境中，但這樣做的一個副作用是它往往會提升 |
| |
人口少的地方。 本質上，如果你的分母很小，那麼你的比率往往會因此而更大。 |
| |
這是一個不幸的副作用，所以我在這裡談論一個有趣的案例，我們有一個人口非常少的地方，但人口卻非常膨脹。 |
| |
以及有些人如何處理這個問題。 我試圖解決這個問題的一種方法是使用加權事件率，本質上，這個想法是 |
| |
我會計算你的事故率，然後我會根據比例對你進行權衡… |
| |
對不起……基本上是根據那裡有多少人來衡量的。 在這種情況下，我有一個特定的權重，我基本上對人群進行排名， |
| |
這樣最大的地方就有最小的位置。 然而，在這種情況下有 50 個州，因此人口最多的州將有 |
| |
等級為 50，最小狀態為等級 1。 如果你把它除以你知道的最高排名，這基本上就是你的體重，所以這是一種方法 |
| |
與你的總人口相對應的權重，這裡的想法是，如果你的事故率足以克服這個重量懲罰，如果你願意的話， |
| |
那麼這意味著您可能是值得研究的人。 所以它試圖抵消 |
| |
那種通貨膨脹，只是因為人口少。 如果你仍然相對較小，但你的事故發生率足夠高，基本上可以克服你的體重， |
| |
我們可能想調查你。 希望這不是太多信息，但這是我主要使用的指標，因此我將運行腳本 |
| |
和 |
| |
開始了。 首先，我得到了一個簡單的線圖，顯示了所有州隨時間推移的加權事故率。 |
| |
現在我將在這裡使用一個新功能。 我們可以看到新澤西州似乎佔據主導地位。 再次是交互性，我們實際上可以點擊來突出顯示它。 |
| |
我們做了一些新的事情，特別是在 JMP 16 中。 我將右鍵單擊此處並添加一些標籤。 所以讓我們做最大值，讓我們做最後一個值 |
| |
只是為了比較。 |
| |
所以在這裡我們可以看到這一點...大約在 90 年代初期，這裡的峰值約為每 1,000 人 11.4 起事件（這是加權事件率）。 |
| |
然後我們看到了下降的趨勢，似乎再次下降了與所有總體事故率在開始再次達到高峰之前的下降幅度相同。 |
| |
2019 年。因此，再次僅提供一些簡短的數字，這本身就是一個有趣的圖表，但正如您所看到的，我的小圖譜指示器正在運行，所以還有更多。 |
| |
這就是地圖部分的用武之地。 所以我將把滑鼠懸停在一個特定的點上。 |
| |
在這種情況下，不僅 |
| |
您能看到總體比率嗎？我實際上可以為您細分，在本例中按縣劃分。 所以我在這裡給它上色了 |
| |
各縣當年發生的事件總數。 再說一次，還有時間方面的因素，所以這向您顯示了某一特定年份的快照，在本例中是 2008 年。 |
| |
但也許您對整體趨勢感興趣，因此您可以做到的一種方法是，嘿，這些是圖譜。 我可以返回，將滑鼠懸停在另一個點上，拉出該圖表，單擊它進行縮放， |
| |
根據需要重複。 您可以這樣做，也可以使用我在準備本簡報時實際發現的這個新技巧。 |
| |
讓我們取消隱藏...注意這邊，我們有一個本地資料過濾器。 這確實是這些圖譜背後的關鍵。 |
| |
今年我將來到這裡，並將其建模類型更改為名義模型，而不是連續模型，因為現在，我可以做這樣的事情。 我其實可以透過 |
| |
選擇個別年份，或者，現在這是 JMP，我們可以做得更好。 |
| |
讓我去這裡，我要做一個動畫。 我要把這裡說得快一點。 我要單擊“播放”，現在我可以放鬆地坐下來，觀看 JMP 為我做事。 |
| |
所以在這裡我們可以看到它循環並了解正在發生的事情。 我會讓它循環一下。 我們看到……已經開始看到這裡發生了一些有趣的事情。 |
| |
讓我們讓它循環一遍，了解全貌，你知道。 我們想要完整的畫面，而不是我在炫耀什麼的。 |
| |
好吧，我們已經循環了一遍並且注意到了一些事情。 那麼就讓我們來看看 2004 年、2005 年吧。 因此，在附近的某個地方，我們注意到這裡的這個縣似乎特別突出。 |
| |
事實上，你看到了我的小圖譜指示器。 再次，我可以將滑鼠懸停在它上面，然後在這裡 |
| |
還有另一張地圖。 現在你知道我為什麼這麼興奮了吧。 |
| |
再說一次，這樣的話，我實際上可以給你看縣一級，所以個別縣一級… |
| |
對不起，讓我……我們把話題移到一點。 我們到了。 一些細微的調整，你可以再次看到我透過大小和顏色兩種方式強調事物的技巧。 |
| |
我們可以看到 ??? 內的分散，這是單獨的位置，因為再次存在時間方面， |
| |
我們知道......現在我們知道得更好了，我們不必返回並點擊並獲取多個圖表，我們可以再次使用本地數據過濾技巧。 這樣我就可以回去了。 我會去做的 |
| |
年份，所以在這種情況下，我們可以再次點擊。 在這裡，我將使用鍵盤上的箭頭鍵進行循環。 |
| |
只是了解事物如何隨時間變化。 在這種情況下，您看到一個特定區域，您可能已經看到過它，從 2006 年、2007 年左右的幀開始。 |
| |
有這個區域……這裡。 |
| |
Keansburg，它似乎被突出顯示，您會注意到另一個 graphlet。 你想走多遠？ |
| |
Graphception，如果你願意的話。 |
| |
我們可以 |
| |
繼續往下走，越來越遠。 在這種情況下，我得到......我透過偏見是什麼來打破它，如果我願意的話，我可以再次做到這一點，逐年進行和循環。 |
| |
所以，這些圖表再次具有如此強大的力量。 有了這個圖，我就能夠探索縣級甚至更下面的地理變化，所以它可能是 |
| |
允許您探索數據的不同方面，從而產生更多問題。 大約在這個時候，肯斯堡發生了什麼事讓它變得如此流行？ |
| |
這可能是您想知道的事情。 |
| |
這就是我今天為您帶來的全部內容，希望我能引起您的興趣，並能夠清楚地向您說明 JMP 視覺化在探索數據方面的強大功能。 |
| |
如果您想了解更多信息，將會有一場關於數據可視化的全體會議。 我絕對鼓勵您探索這一點，這有助於解決不同的視覺化方式以及 JMP 如何提供協助。 |
| |
但我確實曾經向您保證，讓您了解我是如何創建這些非常令人驚嘆的表格腳本的，我現在就會這樣做。 |
| |
現在在 JMP 16 中稱為增強日誌。 這是 JMP 16 中最酷的新功能之一。 增強日誌實際上會隨著您的互動而進行追蹤並進行追蹤。 因此，每當我關閉時，在本例中，關閉資料表，打開資料表，運行資料表， |
| |
如果我新增了一個新列，如果我建立了一個新圖表，它會記錄在日誌中。 |
| |
這是約翰·薩爾（John Sall）將在全體會議上談論的內容。 這又是這裡最新的令人驚嘆的功能之一。 |
| |
這是我如何建立這些表腳本的關鍵。 我可以誠實地說，如果沒有這個，我可能無法創建這些非常酷的表腳本，因為這需要做很多工作。 |
| |
再說一遍，這是 JMP 16 中提供的一項非常酷的功能。 因此，我希望我能夠讓您相信 JMP 是探索數據、創建出色的視覺化、互動式視覺化的絕佳工具。 這就是我所擁有的一切。 謝謝你的到來。 |
