Introduction to Data Visualization

Introdução à Visualização de Dados

  • Definição: A visualização de dados é a representação visual e exploração de grandes quantidades de dados.
  • Vantagens:
    • A exploração visual aproveita as capacidades humanas, fornecendo insights sobre os dados.
    • Ajuda a reduzir a carga na memória de trabalho e a descarregar a cognição.

Tipos de Visualização

  • Visualização de Dados (DV): Refere-se a dados com uma estrutura espacial inerente.
  • Visualização de Informação (IV): Dados tabulares ou abstratos sem estrutura espacial clara. Ambas começam com dados crus e visam extrair informações existentes.

Estrutura da Visualização

  • Envolve não apenas a criação de imagens/gráficos, mas também a manipulação e transformação dos dados.
  • Layout do usuário: o design da visualização deve considerar o perfil e necessidades do usuário.

Aplicações

  • Usada em áreas como:
    • Engenharia
    • Medicina
    • Meteorologia, entre outras.

Características dos Dados

  • Classificação dos dados:
    • Importante para prever qual visualização é a mais adequada.
  • Abstração de dados:
    • Quatro tipos básicos de conjuntos de dados: Tabelas, Redes, Geometria, Campos.
    • Os cinco tipos de dados básicos incluem: Itens, Atributos, Categóricos, Ordinais, Quantitativos.

Escalas de Medida

  • Escalas:
    • Nominal: marcas de carro, gênero.
    • Ordinal: preferências, dias da semana.
    • Intervalo: data, IQ.
    • Razão: peso, altura. A escala de razão é a mais alta, com um não-zero arbitrário.

Preparação e Limpeza de Dados

  • Fases:
    • Data preprocessing
    • Data wrangling
    • Data cleaning
  • A integridade dos dados é crucial, especialmente com grandes volumes. Fases de limpeza incluem:
    • Codificação
    • Remoção de dados desnecessários
    • Normalização,
    • Adição de novas variáveis.

Mapeamento Visual

  • Definir a estrutura de visualização e a localização no display é importante.
  • Tipos de dados e estruturas:
    • Dados univariados: Histogramas e gráficos de barras representam distribuições e ocorrências.
    • Dados bivariados: Scatterplots, gráficos de linha, mostrando relações entre dois atributos.
    • Dados multivariados: Parallel coordinates e star plots para examinar múltiplas variáveis.

Visualização Eficaz

  • Representar dados de forma clara e honesta é essencial.
  • Frequência de elementos visuais deve ser testada quanto à eficácia e eficiência.
  • Uso de cores:
    • Devem ser usadas com moderação; evitar saturação excessiva e escalas confusas que dificultam a interpretação.
    • Projetar inicialmente em preto e branco ajuda a definir o design adequado antes de adicionar cores.

Conclusão

  • A visualização deve sempre ser orientada às necessidades do usuário e ao contexto do uso dos dados.