介绍
我仍然认为 JMP 最强大的功能之一是它能够快速创建不同的可视化。 这篇文章只是一个提醒/讨论开始/wish list item 关于可视化您的数据非常重要。 这篇文章将包括两个不同的“简单”但非常强大的示例，说明为什么您应该始终可视化您的数据，而不仅仅是相信摘要/描述性统计数据。
提醒部分
安斯科姆四重奏
Anscombe 的四重奏（维基百科）是相当流行的数据集，用于说明为什么数据应该可视化。 该数据集由四个不同的数据集组成，它们具有几乎相同的描述性统计数据。 该数据集由 Francis Ancombe 于 1973 年构建。 更多信息可以从展示它们的文章中找到（安斯科姆，FJ， 1973. 统计分析中的图表。 美国统计学家，27(1)，pp.17-21。 ).
JMP 还将 Anscombe.jmp 作为样本数据表之一。 数据表包括表脚本“The Quartet”，它将使用 Fit Y by X 来演示数据集。
数据龙打
我觉得这有点像 Anscombe 的四重奏。 您可以从以下位置找到更多信息相同的统计数据，不同的图表：通过模拟退火生成具有不同外观和相同统计数据的数据集. 这篇文章的想法并不是要证明可视化很重要，而是要证明如何创建此类数据集。 本文使用 Alberto Cairo 创建的 Datasaurus 数据集作为创建不同绘图的基线。
Datasaurus打从相同的统计数据，不同的图表 (autodesk.com)
心愿部分
我希望 JMP 将 datasaurus dozen 作为数据集添加到 JMP 或者更好，可能使用纸经过Matejka, J. 和 Fitzmaurice, G.， 2017年5月。 相同的统计数据，不同的图表：通过模拟退火生成具有不同外观和相同统计数据的数据集。 在 2017 年 CHI 计算系统人为因素会议论文集中（第 1290-1294 页）。 实现允许用户创建此类数据集的算法。
JMP 已有 JMP Man Dozen.jmp 样本数据，这些数据是使用在 JMP Man 中演示的建议方法从 JMP Man 构建的Matejka, J. 和 Fitzmaurice, G.， 2017年5月。 相同的统计数据，不同的图表：通过模拟退火生成具有不同外观和相同统计数据的数据集。 在 2017 年 CHI 计算系统人为因素会议论文集中（第 1290-1294 页）。
在图形生成器中可视化的 JMP Man Dozen 数据集
演示
注意：演示确实需要 JMP16 或更新版本才能运行。
我也已将此提交到我的 github 页面。 它的脚本和文本与此处的这篇文章略有不同（ jthi0/visualize_your_data (github.com) .
我“快速”编写了一个演示脚本，可用于展示 Anscombe 的四重奏和 Datasaurus Dozen。 这已作为 zip 文件附加到本文中。 将 visualize_your_data.zip 解压缩到一个文件夹并运行 demo.jsl，它应该会打开一个窗口，其中显示了两个数据集。
演示窗口包含滑块，可用于使标记在所有图形构建器上更加可见。 左侧的图像隐藏了标记，右侧的图像将透明度设置为 1 (100%)。
我也把这个贴到我的 github (github.com/jthi0)但是 github 版本不包括 datasaurus 集，因为我没有费心去检查我是否可以自由分享它（但你可以从https://www.autodesk.com/content/dam/autodesk/www/autodesk-reasearch/Publications/pdf/SameStatsDataAndImages.zip ，我使用 DataSaurusDoze.tsv 作为演示脚本的基线。 将其转换为 .jmp 文件并保存到与 demo.jsl 和支持脚本相同的文件夹中）。
该脚本可以很容易地转换为加载项，并且可以进行很多改进（例如从用户界面导出数据）。
讨论
您是否遇到过可视化使您或您的组织免于头痛的类似情况？
同意。 JMP 中的图形生成器功能是真正的冠军。 有时，人们倾向于直接执行复杂的统计分析而不可视化/探索数据。 他们错过了很多机会。 JMP 在这方面具有优势。
似乎JMP Man Dozen.jmp数据表是 JMP 使用我在帖子中提到的同一篇论文对 datasaurus dogen 的实现。 甚至不知道它的存在，所以谢谢你展示@hogi ！
我喜欢这个（来自示例数据）
dt = Open( "$SAMPLE_DATA/JMP Man Dozen.jmp" );
dt << runScript("Trellis with Summaries");
你好@jthi ,
这是一篇很棒的帖子，它提醒人们可视化数据（从字面上看数据中的结构）的重要性。 我不知道有多少次我遇到过共享电子表格的人，他们开始谈论数据中的趋势，因为数字的列和行太多，以至于您无法弄清实际发生的事情与数据。 或者，当讨论（和潜在的决定）仅根据一个或两个数据点或可能只是几个数据点的平均值进行时。 如果没有额外的上下文，尤其是可视化，这是一条非常冒险的道路。
我要添加到讨论中的一件事是尝试以多种不同的方式可视化数据——热图、散点图（通常在 3D 中跨多个变量循环查看数据如何分组或排列不同的变量）、条形图图形、箱形图、平行图等。任何一种能带来不同视角并有助于更好地理解数据的方法总是值得尝试的。 而且，您可能会遇到一种新的可视化技术，它可以真正以更好的方式将信息传达给您的听众。 有时，更好的可视化可能需要一些额外的步骤，如转换、查看异常值或聚类，以查看聚合组之间的关系——我发现层次聚类平台中的星座图在这方面非常有用. 当然，这在很大程度上取决于您正在处理的数据的具体情况以及对您的组织有意义的内容。
感谢您的帖子！,
DS
