介紹
我仍然認為 JMP 最強大的功能之一是它能夠快速創建不同的可視化。 這篇文章只是一個提醒/討論開始/wish list item 關於可視化您的數據非常重要。 這篇文章將包括兩個不同的“簡單”但非常強大的示例，說明為什麼您應該始終可視化您的數據，而不僅僅是相信摘要/描述性統計數據。
提醒部分
安斯科姆四重奏
Anscombe 的四重奏（維基百科）是相當流行的數據集，用於說明為什麼數據應該可視化。 該數據集由四個不同的數據集組成，它們具有幾乎相同的描述性統計數據。 該數據集由 Francis Ancombe 於 1973 年構建。 更多信息可以從展示它們的文章中找到（安斯科姆，FJ， 1973. 統計分析中的圖表。 美國統計學家，27(1)，pp.17-21。 ).
JMP 還將 Anscombe.jmp 作為樣本數據表之一。 數據表包括表腳本“The Quartet”，它將使用 Fit Y by X 來演示數據集。
數據龍打
我覺得這有點像 Anscombe 的四重奏。 您可以從以下位置找到更多信息相同的統計數據，不同的圖表：通過模擬退火生成具有不同外觀和相同統計數據的數據集. 這篇文章的想法並不是要證明可視化很重要，而是要證明如何創建此類數據集。 本文使用 Alberto Cairo 創建的 Datasaurus 數據集作為創建不同繪圖的基線。
Datasaurus打從相同的統計數據，不同的圖表 (autodesk.com)
心願部分
我希望 JMP 將 datasaurus dozen 作為數據集添加到 JMP 或者更好，可能使用紙經過Matejka, J. 和 Fitzmaurice, G.， 2017年5月。 相同的統計數據，不同的圖表：通過模擬退火生成具有不同外觀和相同統計數據的數據集。 在 2017 年 CHI 計算系統人為因素會議論文集中（第 1290-1294 頁）。 實現允許用戶創建此類數據集的算法。
JMP 已有 JMP Man Dozen.jmp 樣本數據，這些數據是使用在 JMP Man 中演示的建議方法從 JMP Man 構建的Matejka, J. 和 Fitzmaurice, G.， 2017年5月。 相同的統計數據，不同的圖表：通過模擬退火生成具有不同外觀和相同統計數據的數據集。 在 2017 年 CHI 計算系統人為因素會議論文集中（第 1290-1294 頁）。
在圖形生成器中可視化的 JMP Man Dozen 數據集
演示
注意：演示確實需要 JMP16 或更新版本才能運行。
我也已將此提交到我的 github 頁面。 它的腳本和文本與此處的這篇文章略有不同（ jthi0/visualize_your_data (github.com) .
我“快速”編寫了一個演示腳本，可用於展示 Anscombe 的四重奏和 Datasaurus Dozen。 這已作為 zip 文件附加到本文中。 將 visualize_your_data.zip 解壓縮到一個文件夾並運行 demo.jsl，它應該會打開一個窗口，其中顯示了兩個數據集。
演示窗口包含滑塊，可用於使標記在所有圖形構建器上更加可見。 左側的圖像隱藏了標記，右側的圖像將透明度設置為 1 (100%)。
我也把這個貼到我的 github (github.com/jthi0)但是 github 版本不包括 datasaurus 集，因為我沒有費心去檢查我是否可以自由分享它（但你可以從https://www.autodesk.com/content/dam/autodesk/www/autodesk-reasearch/Publications/pdf/SameStatsDataAndImages.zip ，我使用 DataSaurusDoze.tsv 作為演示腳本的基線。 將其轉換為 .jmp 文件並保存到與 demo.jsl 和支持腳本相同的文件夾中）。
該腳本可以很容易地轉換為加載項，並且可以進行很多改進（例如從用戶界面導出數據）。
討論
您是否遇到過可視化使您或您的組織免於頭痛的類似情況？
同意。 JMP 中的圖形生成器功能是真正的冠軍。 有時，人們傾向於直接執行複雜的統計分析而不可視化/探索數據。 他們錯過了很多機會。 JMP 在這方面具有優勢。
似乎JMP Man Dozen.jmp數據表是 JMP 使用我在帖子中提到的同一篇論文對 datasaurus dogen 的實現。 甚至不知道它的存在，所以謝謝你展示@hogi ！
我喜歡這個（來自示例數據）
dt = Open( "$SAMPLE_DATA/JMP Man Dozen.jmp" );
dt << runScript("Trellis with Summaries");
你好@jthi ,
這是一篇很棒的帖子，它提醒人們可視化數據（從字面上看數據中的結構）的重要性。 我不知道有多少次我遇到過共享電子表格的人，他們開始談論數據中的趨勢，因為數字的列和行太多，以至於您無法弄清實際發生的事情與數據。 或者，當討論（和潛在的決定）僅根據一個或兩個數據點或可能只是幾個數據點的平均值進行時。 如果沒有額外的上下文，尤其是可視化，這是一條非常冒險的道路。
我要添加到討論中的一件事是嘗試以多種不同的方式可視化數據——熱圖、散點圖（通常在 3D 中跨多個變量循環查看數據如何分組或排列不同的變量）、條形圖圖形、箱形圖、平行圖等。任何一種能帶來不同視角並有助於更好地理解數據的方法總是值得嘗試的。 而且，您可能會遇到一種新的可視化技術，它可以真正以更好的方式將信息傳達給您的聽眾。 有時，更好的可視化可能需要一些額外的步驟，如轉換、查看異常值或聚類，以查看聚合組之間的關係——我發現層次聚類平台中的星座圖在這方面非常有用. 當然，這在很大程度上取決於您正在處理的數據的具體情況以及對您的組織有意義的內容。
感謝您的帖子！,
DS
