【解説】インフォグラフィックの作り方｜櫻田潤 / Jun Sakurada
2013年に出版した『たのしいインフォグラフィック入門』の重版（11刷）が決まりました。本noteでは重版を記念して、書籍からインフォグラフィック制作のエッセンスを抽出してお届けします。 はじめに本題に入る前に、本を書いてから8年──その間に起きた状況の変化を話します。 インフォグラフィックを作る手順をすぐ知りたいという方は読み飛ばして大丈夫です。 僕がインフォグラフィックに出会った2010年代前半は、主に2つの文脈で扱われていました。一つはコンテンツマーケティングで、もう一つがビジュアルジャーナリズムです。 （１）コンテンツマーケティング文脈 今ほどコンテンツマーケティングそのものが浸透していなかったこともあり、バズの道具の一つのように捉えられてしまうことも多く、この領域でのインフォグラフィック活用は良い方向にはあまり進みませんでした。 （２）ビジュアルジャーナリズム文脈 New Yor
[書評]『データ分析のためのデータ可視化入門』と最近の R グラフィックスパッケージ事情 - ill-identified diary
概要Healy (2018) “Data Visualization: A Practical Introduction” の邦訳『データ分析のためのデータ可視化入門』をもらったので, この本のレビューと本書ではあまり取り上げられていない, R グラフィックスをさらに活用するためのヒントを提示する. 2021/9/24 追記: 『Python ユーザでも『データ可視化入門』で練習できるようにパッケージを作った + Plotnine との互換性ガイド - ill-identified diary』に書いたように, Python でも matplotlib のような煩雑な構文に惑わされずにこの本で紹介されているような方法を実現するためのパッケージ/用例を作ってみた. 概要 初めに 本書の特徴 どういう本なのか どういう人が読むとよいか 邦訳に対する細かいツッコミどころ 本書を読んだ人におすすめ
![[書評]『データ分析のためのデータ可視化入門』と最近の R グラフィックスパッケージ事情 - ill-identified diary](https://cdn-ak-scissors.b.st-hatena.com/image/square/cd25329b12103aaf85ad64d5ed598cdc72f51801/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fi%2Fill-identified%2F20210203%2F20210203222306.jpg)
可視化や統計でデータに『恣意的なストーリーを語らせる』16の闇の魔術【bad charts】 - Qiita
闇の魔術に対する防衛術 Advent Calendar 2020の三日目 はじめに データの可視化は非常に難しい。 まずデータの抽出が難しい ・データソースごとの整合性が取れているか ・取得したデータとソースデータに欠損が生じていないか ・SQL文を実行したサマリの結果が部分的に抜け落ちていないか。 その確認は時間的にも精神的にも苦痛。 しかし、苦労して抽出したデータも使い方で全くの無駄になる その例として「可視化や統計」部分に着目してお話をしようと考えた。 データの背景を知らない人には、データ可視化が歩み寄る手段になるし、伝えたい事をインパクトを伴って伝えられるなど非常にメリットである。 ※ただし 「可視化」の使い方によっては誤った理解をさせることも可能。 伝えたい事だけを正しいように見せる方法もあり、 可視化に詳しくない人に誤解を与えて自分の主張を通すこともできるかもしれない。 これは
おまえはもうRのグラフの日本語表示に悩まない (各OS対応) - ill-identified diary
2021/9/10 追記: 改めて更新された話を統合して整理して書き直しました. 以降はこちらを参考にしてください: ill-identified.hatenablog.com 2021/1/15 追記: RStudio 1.4 がリリースされたのでなるべくアップデートしましょう 2020/12/06 追記: Japan.R で今回の話の要約+新情報を『Mac でも Windows でも, PNG でも PDF でもRのグラフに好きなフォントで日本語を表示したい (2020年最終版)/Display-CJK-Font-in-Any-Gpraphic-Device-and-Platform-2020 - Speaker Deck』として発表した. ハイライトは「近々出るRStudio 1.4 があれば fontregisterer はほぼいらなくなる」 2020/10/31 追記: geom
Connected Papersで視覚化する論文のつながり｜西川賢｜note
学術論文は先行研究や論拠として他の論文を引用します。こうして論文は別の論文に引用されていき、「知の連鎖」が発生していくわけです。 こうした論文間の連鎖をヴィジュアル化するツールとしてConnected Papersというものがあります。もともとは3人の若いエントレプレナーのサイド・プロジェクトとして始まり、実用化と無料公開にこぎつけたものらしいです。 試しに筆者らが書いた共著論文を入れてみると、次のようにネットワーク・グラフ化できます。これは検索対象に指定した論文と共通の引用や参照物のある「類似性」（必ずしも引用・被引用関係とは限らない）の高い論文をネットワーク化し、図示しているようです。 図中のノード（円状のもの）は論文を示しています。ノードの直系が大きいものは、引用数が多いことを示しています。ノードの色は出版年です（色が濃いものほど新しい）。類似の論文はエッジ（矢印）で結ばれ、似た者同
決定木の可視化ライブラリ「dtreeviz」が凄かったのでまとめる - St_Hakky’s blog
こんにちは。 決定木の可視化といえば、正直scikit-learnとgraphvizを使うやつしかやったことがなかったのですが、先日以下の記事をみて衝撃を受けました。そこで今回は、以下の解説記事中で紹介されていたライブラリ「dtreeviz」についてまとめます。 explained.ai dtreevizの概要 dtreevizとは より良い決定木の可視化を目指して作られたライブラリです。 解説記事 : How to visualize decision trees Github : GitHub - parrt/dtreeviz: A python machine learning library for structured data. Sample Imagesdtreeviz/testing/samples at master · parrt/dtreeviz · GitHub 多
ggplot2で複数のプロットをまとめて表示する方法あれこれ - Qiita
library(ggplot2) p1 <- qplot(mpg, wt, data = mtcars, colour = cyl) p2 <- qplot(mpg, data = mtcars, ylab = "count") p3 <- qplot(mpg, data = mtcars, ylab = "count", geom = "dotplot") p4 <- ggplot(mtcars, aes(mpg, wt, col = cyl)) + geom_point() + facet_wrap( ~ carb, nrow = 1)
patchworkを使って複数のggplotを組み合わせる - Qiita
patchworkはggplot2により作成された複数のプロットをめちゃ簡単に組み合わせられるようにすることを目標として開発されているパッケージだ。 同様の目的のパッケージ、関数として、gridExtra::grid.arrange()やcowplot::plot_grid()があるが、これらで上手くやろうとすると試行錯誤が結構必要となる。 これに対し、patchworkでは演算子を使った直感的な記法でプロットを組み合わせられるので、より簡単で可読性に優れた記述が可能となる。 インストール 現在はCRANからインストールできる。 # devtools::install_github("thomasp85/patchwork") install.packages("patchwork")
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Chapter 8 Creating Maps using ggplot2 | R as GIS for Economists
Connected Papers | Find and explore academic papers
Material Design