349276_zh-CN

liliconcom

黑暗故事：使用 JMP® 进行视觉叙事 (2021-EU-30MP-792)

级别：中级

 

Caleb King，JMP 研究统计师测试员，SAS

 

在本次演讲中，我们将说明如何使用 JMP 中的各种图形功能（包括 JMP 16 中的新功能）来帮助讲述数据故事。 我们将使用 FBI 数据库记录 1991 年至 2019 年报告的仇恨犯罪，展示 JMP 图形工具箱中的关键工具（例如图形和交互式特征修改）如何引导观众获得新的见解。 但乐趣并不止于图表。 我们还将展示如何让观众“选择自己的冒险”，方法是创建表格脚本，将数据分组为较小的数据集，每个数据集都有自己的图表，可提供有关整体叙述的新视角。 别担心。 一切并不像看起来那么黑暗......

 

 

自动生成的成绩单...

 

扬声器	成绩单
迦勒·金	您好，我叫 Caleb King，是 JMP 软件的开发人员。 我专门参与实验设计组，但今天我要
	稍微偏离主题，谈谈如何使用 JMP 中的图形和其他一些工具来帮助以视觉方式讲述数据故事。
	现在我选择的数据集是......来说明这是联邦调查局收集的仇恨犯罪数据，所以可能是一个有争议的数据集，但也与正在发生的事情非常相关。
	我的目标是使其更具说明性，因此我将浏览我之前创建的几个图形
	对于这个数据集。 我不一定会向您展示我如何制作图表，但目的是向您说明如何使用 JMP
	正如我所说，视觉叙事因此使用交互性来帮助引导人们查看图表并与之交互
	也许会问更多问题，也许你会在继续的过程中回答他们的一些问题。 但鼓励这种数据探索，这就是 JMP 的工作重点。
	话虽如此，让我们开始吧。
	我首先会向您提供一些数据集本身的概述，所以我会在这里滚动。 所以有很多关于
	事件发生的地方。
	随着我们继续前进，以及该事件发生的日期。 您有一些关于罪犯的信息
	以及所犯的罪行、罪行类型。 再次提供一些基本信息，即该事件中存在何种类型的偏见。 有关受害者的一些信息。
	总体歧视类别，然后是我提供的有关纬度和经度的一些附加信息（如果可用），以及我将使用其他图形的一些人口。 现在只是为了，你知道，要明确的是，
	FBI，即美国联邦调查局，将仇恨犯罪定义为：
	因对特定群体的偏见而发生的刑事犯罪。 因此，这种偏见可能是种族的、针对宗教的、性别的、性别认同的等等。
	因此，只要犯罪是出于特定偏见，就被视为仇恨犯罪，并且该数据包含所有已发生的事件。
	由 FBI 收集，可追溯到 1991 年，最近到 2019 年。 我没有 2020 年的数据，尽管这肯定很有趣，
	但这是因为联邦调查局喜欢花时间确保在实际创建报告之前彻底清理和准备数据。 所以
	您可以放心，考虑到他们投入了多少时间和精力来确保这些数据非常准确。
	好的，那么让我们开始对数据进行一些基本的可视化总结。 因此，我将首先在这里运行这个小表脚本。 这一切所做的基本上就是给我们
	根据特定的偏差对几天内发生的事件进行计数，因此每天发生了多少事件。 由此我将创建一个基本图，在本例中它是简单的线图
	此处显示整个范围内每天发生的事件数量。 这样您就可以获得整个...您可以看到 1991 年至 2019 年数据的整个范围
	以及发生了多少事件。 现在，这本身可能是一个很好的静态图像，因为你会感觉到
	事件数量下降的地方。 事实上，我将在这里稍微更改一下轴设置。 让我们看看，我们以 50 秒为单位进行增量，让我们以 20 秒为单位进行增量。 我们开始吧。
	因此，您可以进行一些互动……互动。 我们改变了尺度以对其进行改进并更好地了解
	平均有多少起事件。 我运行了一些分布，平均每天大约有 20 个事件
	我们在这里看到的。 当然，现在您可能想知道为什么我还没有解决我们在数据中看到的两个峰值。
	所以是的，显然有两个非常高的尖峰。 所以，如果这是
	任何其他类型的软件，您可能会说，好吧，我想研究一下。 所以你回到你尝试的数据，你
	知道，隔离这些日期在哪里，也许尝试展示一些图表或进行一些分析以显示那里发生了什么。 嗯，这是 JMP，我们有一些东西可以
	我们在 JMP 15 中引入了称为 graphlet 的东西，它的工作原理如下。 我只是要盘旋和繁荣。
	一个小图似乎有助于进一步总结当时发生的事情。 所以在这种情况下有很多信息。
	我们首先会注意到日期，1992 年 5 月 1 日。 所以如果你熟悉美国历史，你可能知道这里发生了什么，但如果不熟悉，
	单击图表可以获得一些额外的线索。 所以现在你会看到我正在向你展示
	事件的特殊偏见。 因此，我们在这里看到，大多数事件都是针对白人的，然后下一组是黑人或非裔美国人，并且这种情况继续向下。
	我在这里有点放弃答案，因为罗德尼·金在加利福尼亚州发生骚乱的时期发生了事件。 罗德尼·金,
	一名非裔美国人不幸被警察杀害，引发大量强烈抵制和骚乱
	大约在这个时候。 这就是我们在这个特定数据点中看到的捕获内容，如果您不知道这一点，您至少会拥有这些信息来尝试开始并去那里查找......在网上查找以弄清楚发生了什么。
	我们可以在这里用一个非常大的尖峰做同样的事情。 再次，我将使用悬停 graphlet，因此将鼠标悬停在它上面。 我会停下来让你看看。 我们看一下日期，2001 年 9 月 12 日。 这本身就是一个很大的线索
	至于发生了什么。 但如果我们看一下这里的细分，我们可以看到大多数事件都是针对穆斯林信仰的个人，
	阿拉伯种族或其他类似种族或血统的类型。 在这种情况下，我们可以清楚地看到
	在9月11日的不幸事件之后，当时发生的恐怖袭击，第二天就出现了很多针对
	成员具有相似的种族、相似的信仰等等，所以我们当时发生了不幸的强烈抵制。
	因此，仅通过这一图和一些交互性，我们就能够收集大量信息，在您可能想要进一步了解的领域收集大量高级信息。
	但我们可以继续前进。 现在 JMP 16 中的新功能是，因为我们在 X 轴上有日期，所以我们实际上可以将日期分入更大的类别，因此在本例中让我们按月进行分箱。
	我们看到情节消失了。 这就是我要做的。 我将重新运行它，让我们看看。
	我们开始吧。
	你永远不知道会发生什么。 在这种情况下，这就是应该发生的事情；不用担心。
	所以我们按月将其分类，我们注意到这里有一个有趣的模式。 似乎存在某种季节性趋势，让我们使用悬停图来帮助我们识别可能发生的情况。 所以我将把鼠标悬停在较低的点上。 所以如果我这样做的话
	我们看看好吧，一月，十二月，好吧。 有趣的。 让我们将鼠标悬停在另一个十二月上。
	还有一个，十二月。 啊，在这种情况下实际上可能存在一些实际的季节性趋势。 我们似乎在冬季达到了最低点。
	事实上，如果我回到我的数据表，我实际上以前已经看到过这一点。 这是我在探索该技术时发现的东西，并且我已经创建了一个图来解决这个问题。
	所以这是我基于此创建的东西，看看，你知道，这个月内历年来事件数量的变化是多少。
	在这里，我们可以看到平均趋势，但我们也看到很多变化，特别是在 9 月份，因为那里出现了巨大的峰值。
	所以也许我们需要一些更合适的东西。 所以我会打开控制面板，嘿，让我们选择中位数。 这更稳健，也许看看四分位数范围，这样我们就有了更稳健的
	可以使用的指标。
	因此，我们再次看到季节性趋势，因此冬季月份内肯定会出现大幅下降
	而不是在春季和夏季达到高峰。 现在
	这可能是有人想要进一步研究并研究为什么会发生这种情况的事情。
	你可能有自己的解释。 我个人的解释是，我相信圣诞节精神是如此强大，可以克服人们在十二月可能产生的任何仇恨或偏见。
	再说一次，这只是我个人的偏好，你可能有你自己的偏好。 但同样，仅仅通过一个情节，我就能够发现这种趋势并
	制作另一个情节来进一步探索这一点。 因此，仅凭这一情节，我再次鼓励进行更多研究。 我们可以继续前进。
	那么我们来看看，让我们按年份来分类，如果我们这样做的话，我们可以清楚地看到这种整体趋势。
	所以我们在 90 年代末大约 2000 年代初看到了一种高峰，然后下降，你知道，时尚几乎是线性的，
	直到 2010 年代中期达到中点，然后才开始再次上升。 因此请记住这一点，您可能会在我们展示的其他图中看到类似的趋势。 但同样，让我们退后一步，意识到在这个情节中我们看到了不同的情况
	数据的各个方面。 我们甚至
	回答了一些问题，但我们可能还提出了更多问题。 这种季节性趋势是怎么回事？
	如果你不知道我告诉你的那些事件是什么，你知道，那些特定事件是什么？ 这就是 JMP 图形交互性的美妙之处，它允许用户在一种特定的媒介中参与和探索并鼓励这一切。
	好的。
	我们继续吧。 所以我提到，这是一种视觉叙事，所以你可以将其视为序言，作为整体视图。 什么是……什么是
	总体情况如何？ 现在我们来看看演员们的情况，
	也就是说，谁犯下了这些类型的罪行？ 他们要针对谁？ 对此我们能了解到哪些信息呢？ 所以我在这里
	再次创造了一个情节来帮助回答这个问题。 现在这可能是一个好的开始。 我在这里创建了一个热图
	然后强调了在这种情况下，罪犯的种族与他们的特定偏见之间的关系。 所以我们看到
	发生了很多事情，在本例中，我对列进行了排序，以便我们可以看到发生了很多事情。 大部分都在这个上层
	左边的角落，这里没有太多事情发生，我想这是个好消息。 在没有发生太多事情的地方有很多偏见，大部分都发生在这个角落。
	现在，这可能是一个很好的情节，但这里同样有很多开放空间。 所以也许我们可以尝试一些事情来尝试强调正在发生的事情。 因此，我可以做到的一种方法是，我将来到 X 轴，然后根据计数调整大小。
	现在你会看到这里，我在幕后隐藏了一些东西。 我实际上会在这些之上放置一个标签，一个百分比标签。
	以前发生的事情太多了，你甚至看不到，但现在我们实际上可以看到其中的一些信息。 这是一种很好的总结方式，而不是计数。
	但即使仅通过可视化，我们也可以清楚地看到最大的偏见是针对黑人或非裔美国公民，然后是犹太人，一直到这里几乎没有偏见。 因此，只需查看 X 轴，您就可以获得有关正在发生的情况的大量信息。
	我们可以对 Y 做同样的事情，所以同样，按计数调整大小。
	再说一次，尺寸以及我如何调整轴中包含了大量信息。
	我们包括的这个案例......我们确实强调了那个角落，所以我们可以清楚地看到谁是顶级玩家。 在这种情况下，大部分是
	犯罪者是针对非裔美国人的白人或未知种族，下一个是针对犹太人，然后
	抗白，然后它就不断下降。 所以我们在这里对正在发生的事情进行了一个很好的总结。 现在，您可能已经注意到，当我在周围盘旋时，我们看到了我们的小圆圈。 这是我的图基元指示器，所以我再次在这里得到了一个工具。
	我们已经进行了一些交互，这可能是一个很棒的静态图像，但是让我们使用 JMP 的强大功能，尤其是那些小图，
	进行互动，看看我们能找出哪些进一步的信息。 所以在这种情况下，我将鼠标悬停在此处。
	这里有一个图表，在本例中是一个打包的条形图，由我们的图表大师 Xan Gregg 提供。 在这种情况下，你不仅可以看到，你知道，
	哪些人正在实施犯罪以及针对谁，您的下一个问题可能是，您知道，正在实施哪些类型的犯罪？ 好吧，通过一个 graphlet，我已经为你回答了这个问题。
	我们可以在这里看到最大的……压倒性的攻击类型是恐吓，其次是简单和严重的攻击，然后是其余的，这就是条形图的美妙之处。
	我们可以看到所犯的所有其他类型的罪行。 如果将它们全部堆叠在一起，它们甚至无法进行比较。 他们甚至没有突破前三名。
	所以这告诉你很多关于……这些类型的犯罪行为的类型，以及它们的主导程度。
	现在，你可能有的另一个问题是，好吧，我们已经看到了演员，我们已经看到了他们正在采取的行动，
	但这有一个时间方面的问题。 显然，这种情况是随着时间的推移而发生的，那么这是一致的吗？ 趋势有变化吗？ 出色地，
	没有恐惧。 Graphlet 再次拯救了我们。 在这种情况下，我实际上可以向您展示这些趋势。 所以在这里我们可以看到如何
	恐吓事件的类型……随时间变化的数量？ 我们再次看到该模式似乎遵循总体趋势。
	大约在 90 年代末达到顶峰，然后呈陡峭趋势……直到 2010 年代中期几乎呈线性下降，然后在最近再次上升。
	我们也许可以再次看到这种趋势和其他趋势。 我不会点击放大，但你可以从这里的情节中看到，这里的简单攻击和那里的严重攻击的趋势。
	并且您可以继续探索。 因此，让我们看看非洲裔美国人的未知情况，看看其中可能存在什么差异。 在这种情况下，我们可以清楚地看到
	有两种类型的犯罪行为真正占主导地位，在这种情况下，破坏或损坏财产（如果你仔细想想，这可能是有道理的；如果你看到你的财产被损坏，你很可能不知道是谁造成的）做到了）
	和恐吓是主要手段。 再说一遍，您可以...这样做的好处是悬停标签会持续存在，因此您可以再次查看那里正在发生的趋势。
	因此，在这种情况下，我们看到损害实际上有两个峰值，在 90 年代末 2000 年代初达到峰值，然后再次下降。 通过恐吓，我们看到了与之前类似的趋势。
	同样，在一张图形中，包含大量信息，作为用户，您可以与之交互以尝试强调某些关键区域，然后，作为用户，您只需可视化......只需查看此内容并进行交互有了它，就可以玩耍并收集大量信息。
	好的。
	让我们继续前进。 现在你会注意到，在报告机构中，大多数都是市/县级的
	警察局等等，但这里也有一些大学。 所以可能有人有兴趣了解大学里正在发生的事情。
	因此，我创建了这个漂亮的小表格脚本来回答这个问题。 现在这个时候，
	我刚刚运行了表脚本，并且我提到过，我不会在幕后进行太多讨论，这更具说明性。
	在这里我将让您看一下，因为我不仅想向您展示图形的强大功能，还想向您展示表格脚本的强大功能。 现在，如果您熟悉 JMP，
	你可能知道，好吧，表格脚本很好，因为我可以保存我的分析，我可以保存我的报告，我什至可以用它来保存图形，就像我一样......就像我在上一个中所做的那样，所以你可能没有注意到您还可以保存
	帮助运行其他表和汇总表等的脚本。 那么让我向您展示这背后发生了什么，事实上，当我运行脚本时，我实际上创建了两个数据表。
	您只看到了一个，因此在本例中，我首先创建了选择所有大学的数据表，然后从该数据表中创建了一个摘要，然后关闭了旧的。
	然后我还添加了一些图形。 因此，我不会在这里详细介绍如何设置它，因为我想将其保存到下一个之后。 我给你一个提示。 它基于 JMP 16 中的一项新功能，这确实会让您感到惊讶。
	好吧，让我们回到……对不起……大学事件。
	我在这里再次保存了表脚本。 这将向我们展示一张图形。
	所以在这里我们可以再次看到那个拥挤的条形图，在这里我向您展示了哪些大学发生了最多的事件。 现在再说一遍，这本身可能是一个非常好的标准图形。
	你可以看到，哪所大学似乎发生的事件最多，而且很高兴看到没有真正占主导地位的大学。 你还可以打包其他大学
	在它们之上，没有人能主宰其中之一。 所以这本身就是一个好消息，但同样也有一个时间方面的因素。 所以
	这些可能是……密歇根大学安娜堡分校，他们一直遇到麻烦吗？ 他们……他们会一直保持领先吗？ 他们只是碰巧度过了糟糕的一年吗？ 再次，图谱可以拯救你。
	在这种情况下，
	你会在这里看到一个有趣的情节。 你可能会说，你知道，这是什么东西？ 这看起来像是属于装饰艺术博物馆。 什么...
	这是什么情节？ 嗯，这实际上是我们以前见过的。 我只是使用 JMP 16 中的新功能，因此我将向您介绍幕后花絮。
	在这种情况下，我们可以看到，这实际上是一个热图。 我所做的一切
	我做了一个我经常喜欢做的技巧，即以两种不同的方式强调事物，因此不仅强调颜色计数（这是您通常在热图中所做的事情），白色是缺失的条目，我现在还可以在 JMP 16 中按尺寸强调。
	所以我认为这又回到了我们之前调整这些轴的大小的地方。 它强调...有助于强调某些领域。 所以我们现在可以看到，针对非裔美国人的事件可能存在一些问题，
	这种情况相当一致，与所有其他已经发生的事件相比，2017 年显然是特别糟糕的一年。
	现在这里没有额外的悬停标签。
	我要做的只是总结数据，但这没关系。
	这本身就为您提供了大量信息，因此这是 JMP 16 中出现的一项新功能，可以再次帮助强调这一点。
	再说一遍，我们可以继续前进。 我们可以看看其他大学，所以在这里，这可能是一所大学的例子，他们似乎经历了一段相当糟糕的时期，
	位于科利奇帕克的马里兰大学，但当时有一个地区
	事情真的很好，所以你可能有兴趣知道，到底发生了什么让这个时期变得如此美好？
	大学是否制定了某些措施，他们做了什么，似乎导致事件数量大幅下降？ 这可能是值得研究的事情。
	你可以继续再看一遍，看看这是否是一个系统性问题，是否像在这种情况下，似乎有一个非常糟糕的一年占主导地位，总的来说，他们做得还不错。
	他们做得很好。 同样，这可能是另一件事。 他们早期的日子过得很糟糕，但最近他们做得很好，
	等等。 再次强调这种互动性，
	在本例中，使用了 JMP 16 中的一些较新功能。 现在，在我们转向最后一个之前，我有一个坦白。 我是一个地图迷，所以我真的很喜欢地图以及与地图相关的任何类型的数据分析。
	我不知道为什么。 我真的很喜欢它，所以我很高兴向您展示下一个，因为现在我们看看事件的地理位置。
	但我也很兴奋，因为我相信这确实凸显了表格脚本和 JMP 图形（尤其是悬停图）的强大功能。
	希望这也让您感到兴奋，所以让我们运行它。 现在这个需要一些时间，因为这个表脚本实际上发生了很多事情。 它正在创建一个新表。 它还在该表中执行了很多功能
	并计算很多东西。 因此，我们不仅获取了信息，而且在接近结尾处还有很多在幕后计算的列。
	现在我必须花一点时间谈谈我将要使用的特定指标。 不久前，我在 JMP 社区 (community.jmp.com) 上写了一篇名为“犯罪率难题”的博客文章，
	如此无耻的插在那里，但我谈到了，你知道，通常当你报告事件，特别是犯罪事件时，
	通常我们知道您不仅仅想报告原始计数，因为
	可能在某个区域有大量的计数、大量的事件，这仅仅是因为……那里有问题吗？
	还是因为那里人太多？ 当然，我们预计会发生很多事件，因为人太多了。 所以当然人们
	报告事故发生率。 现在这很好，因为现在每个人都处于一个公平的竞争环境中，但这样做的一个副作用是它往往会提升
	人口少的地方。 本质上，如果你的分母很小，那么你的比率往往会因此而更大。
	这是一种不幸的副作用，所以我在这里谈论一个有趣的案例，我们有一个人口非常少的地方，但人口却非常膨胀。
	以及有些人如何处理这个问题。 我试图解决这个问题的一种方法是使用加权事件率，本质上，这个想法是
	我会计算你的事故率，然后我会根据比例对你进行权衡……
	对不起……基本上是根据那里有多少人来衡量的。 在这种情况下，我有一个特定的权重，我基本上对人群进行排名，
	这样最大的地方就有最小的位置。 然而，在这种情况下有 50 个州，因此人口最多的州将有
	等级为 50，最小状态为等级 1。 如果你把它除以你知道的最高排名，这基本上就是你的体重，所以这是一种方法
	与你的总人口相对应的权重，这里的想法是，如果你的事故率足以克服这个重量惩罚，如果你愿意的话，
	那么这意味着您可能是值得研究的人。 所以它试图抵消
	那种通货膨胀，只是由于人口少。 如果你仍然相对较小，但你的事故发生率足够高，基本上可以克服你的体重，
	我们可能想调查你。 希望这不是太多信息，但这是我主要使用的指标，因此我将运行脚本
	和
	开始了。 首先，我得到了一个简单的线图，显示了所有州随时间推移的加权事故率。
	现在我将在这里使用一个新功能。 我们可以看到新泽西州似乎占据主导地位。 再次是交互性，我们实际上可以点击来突出显示它。
	我们做了一些新的事情，特别是在 JMP 16 中。 我将右键单击此处并添加一些标签。 所以让我们做最大值，让我们做最后一个值
	只是为了比较。
	所以在这里我们可以看到这一点...大约在 90 年代初期，这里的峰值约为每 1,000 人 11.4 起事件（这是加权事件率）。
	然后我们看到了下降的趋势，似乎再次下降了与所有总体事故率在开始再次达到峰值之前的下降幅度相同。
	2019 年。因此，再次仅提供一些简短的数字，这本身就是一个有趣的图表，但正如您所看到的，我的小图谱指示器正在运行，所以还有更多。
	这就是地图部分的用武之地。 所以我将把鼠标悬停在一个特定的点上。
	在这种情况下，不仅
	您能看到总体比率吗？我实际上可以为您细分，在本例中按县划分。 所以我在这里给它上色了
	各县当年发生的事件总数。 再说一次，还有时间方面的因素，所以这向您显示了某一特定年份的快照，在本例中是 2008 年。
	但也许您对总体趋势感兴趣，因此您可以做到的一种方法是，嘿，这些是图谱。 我可以返回，将鼠标悬停在另一个点上，拉出该图表，单击它进行缩放，
	根据需要重复。 您可以这样做，也可以使用我在准备本演示文稿时实际发现的这个新技巧。
	让我们取消隐藏...注意这边，我们有一个本地数据过滤器。 这确实是这些图谱背后的关键。
	今年我将来到这里，并将其建模类型更改为名义模型，而不是连续模型，因为现在，我可以做这样的事情。 我其实可以通过
	选择个别年份，或者，现在这是 JMP，我们可以做得更好。
	让我去这里，我要做一个动画。 我要把这里说得快一点。 我要单击“播放”，现在我可以放松地坐下来，观看 JMP 为我做事。
	所以在这里我们可以看到它循环并了解正在发生的事情。 我会让它循环一下。 我们看到……已经开始看到这里发生了一些有趣的事情。
	让我们让它循环一遍，了解全貌，你知道。 我们想要完整的画面，而不是我在炫耀什么的。
	好吧，我们已经循环了一遍并且注意到了一些事情。 那么让我们来看看 2004 年、2005 年吧。 因此，在附近的某个地方，我们注意到这里的这个县似乎特别突出。
	事实上，你看到了我的小图谱指示器。 再次，我可以将鼠标悬停在它上面，然后在这里
	还有另一张地图。 现在你知道我为什么这么兴奋了吧。
	再说一次，这样的话，我实际上可以给你看县一级，所以个别县一级……
	对不起，让我……我们把话题移到一点儿。 我们到了。 一些细微的调整，你可以再次看到我通过大小和颜色两种方式强调事物的技巧。
	我们可以看到 ??? 内的分散，这是单独的位置，因为再次存在时间方面，
	我们知道......现在我们知道得更好了，我们不必返回并单击并获取多个图表，我们可以再次使用本地数据过滤技巧。 这样我就可以回去了。 我会去做的
	年份，所以在这种情况下，我们可以再次点击。 在这里，我将使用键盘上的箭头键进行循环。
	只是了解事物如何随时间变化。 在这种情况下，您看到一个特定区域，您可能已经看到过它，从 2006 年、2007 年左右的帧开始。
	有这个区域……这里。
	Keansburg，它似乎被突出显示，您会注意到另一个 graphlet。 你想走多远？
	Graphception，如果你愿意的话。
	我们可以
	继续往下走，越来越远。 在这种情况下，我得到......我通过偏见是什么来打破它，如果我愿意的话，我可以再次做到这一点，逐年进行和循环。
	所以，这些图表再次具有如此强大的力量。 有了这个图，我就能够探索县级甚至更下面的地理变化，所以它可能是
	允许您探索数据的不同方面，从而产生更多问题。 大约在这个时候，肯斯堡发生了什么事情让它变得如此流行？
	这可能是您想知道的事情。
	这就是我今天为您带来的全部内容，希望我能引起您的兴趣，并能够清楚地向您说明 JMP 可视化在探索数据方面的强大功能。
	如果您想了解更多信息，将会有一场关于数据可视化的全体会议。 我绝对鼓励您探索这一点，这有助于解决不同的可视化方式以及 JMP 如何提供帮助。
	但我确实曾经向您保证，让您了解我是如何创建这些非常令人惊叹的表格脚本的，我现在就会这样做。
	现在在 JMP 16 中称为增强日志。 这是 JMP 16 中最酷的新功能之一。 增强日志实际上会随着您的交互而进行跟踪并进行跟踪。 因此，每当我关闭时，在本例中，关闭数据表，打开数据表，运行数据表，
	如果我添加了一个新列，如果我创建了一个新图表，它会记录在日志中。
	这是约翰·萨尔（John Sall）将在全体会议上谈论的内容。 这又是这里最新的令人惊叹的功能之一。
	这是我如何创建这些表脚本的关键。 我可以诚实地说，如果没有这个，我可能无法创建这些非常酷的表脚本，因为这需要做很多工作。
	再说一遍，这是 JMP 16 中提供的一项非常酷的功能。 因此，我希望我能够让您相信 JMP 是探索数据、创建出色的可视化、交互式可视化的绝佳工具。 这就是我所拥有的一切。 谢谢你的到来。

峰会精选爆发数据探索数据可视化