Try   HackMD

09 :: Wizualizacja danych - warsztat "Igrzyska Olimpijskie"

tags: Wizualizacja danych + dashboardy Tableau

Cel ćwiczenia

Celem ćwiczenia jest porównanie różnych koncepcji wizualizacji dużej liczby danych ilustrujących liczbę sportowców startujących w igrzyskach olimpijaskich.

1. Struktura zbioru danych

Zbiór danych athleteevents.csv zawiera ponad 270 000 rekordów danych opisująych sportowców startujących w igrzyskach olimpijskich od roku 1896. Proszę po imporcie zbioru do Tableau sprawdzić poprawność przypisania typów danych do poszczególnych atrybutów (proszę zwrócić uwagę na geolokalizację).

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

1.1 Hierarachie w danych

W zaimportowanych danych obecne są relacje hierarchiczne, które warto na początku odpowiednio skonfigurować w systemie - proponowana hierarchia:

  • Season - rodzaj igrzysk olimpijskich (letnie/zimowe),
    • Sport - dyscyplina sportu,
      • Event - konkurencja w ramach dyscypliny sportu.

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

1.2 Funkcje agregujące: konwersja wymiarów –-> miary

W celu wizualizacji liczby sportowców na kolejnych igrzyskach, należy skorzystać z jednej z funkcji agregujących dostępnych w systemie:

  • Sum
  • Average
  • Median
  • Count
  • Count (Distinct) - policz unikalne wartości wybranego atrybutu.

Atrybutem identyfikującym sportowca jest ID - unikalny numer przypisany osobie. W celu wizualizacji liczby sportowców w funkcji lat można użyć wymiarów i miar widocznych na rysunku poniżej.

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →

Ponadto, warto sprawdzić typy danych i przyporządkowanie do kategorii miary/wymiary następujących atrybutów:

  • Weight (powinno być: miara, liczba całkowita),
  • Height (powinno być: miara, liczba całkowita),
  • Age (powinno być: miara, liczba całkowita).

2. Wybrane typy wizualizacji

2.1 Wykres złożony (liniowy + punktowy)

Wykres powinien ilustrować liczbę uczestników igrzysk w kolejnych latach z podziałem na płeć uczestnika.

2.2 Wykres powierzchniowy (+ punktowy)

J.w. - zmiana rodzaju wizualizacji na wykres powierzchniowy.

2.3 Wykres rozrzutu

Analiza zależności między wzrostem a wagą uczestników igrzysk, z podziałem na dyscypliny sportowe.

Last changed by 
 
Marek M
459

Read more

02 Lab - Business Intelligence

Wprowadzenie - cel ćwiczenia Celem ćwiczenia jest przygotowanie wizualizacji charakteryzującej lokalizacje i rodzaje Miejsc Obsługi Podróżnych (MOP) przy drogach ekspresowych i autostradach na terenie Polski. Przykładowa wizualizacja jest dostępna na stronie Generalnej Dyrekcji Dróg Krajowych i Autostrad. Podczas zajęć należy przygotować kokpit managerski (dashboard) złożony z czterech arkuszy - wizualizacji (sheets) przygotowanych w Tableau. Prezentacja ma zawierać charakterystykę MOP w Polsce - Rys.0. <a id="rys0"></a> Rys.0 Kokpit managerski.

Oct 15, 2024
01 Lab - Business Intelligence

Wprowadzenie - cel ćwiczenia Podczas zajęć należy przygotować kokpit managerski (dashboard) złożony z trzech arkuszy - wizualizacji (sheets) przygotowanych w Tableau. Prezentacja ma zawierać ilustrację długości dróg ekspresowych i autostrad w Polsce na przestrzeni ostatnich 5 lat z podziałem na województwa. 1. Informacje podstawowe 1.1. Proces przygotowania wizualizacji - Tableau Rys.1 prezentuje główne czynności składające się na proces przygotowania prezentacji w Tableau. <a id="rys1"></a>

Oct 8, 2024
Dashboard's - energy source in UE

Purpose of the exercise The purpose of the exercise is to effectively use a data source describing energy generation/recovery in the EU. A tool is available at Eurostat Energy and Industry Geography Lab. 0. Data source I suggest the following modifications to the data source: define calculated fields "type of energy" image creating gropus in the dimension "type of energy" - eg. type (group)<br/> image

Apr 25, 2024
07 Lab [en] - Data visalization, Clustering

Introduction - Purpose of the exercise The purpose of this exercise is to improve your ability to use visual analytics tools in Tableau. 1. Clustering Among the analytical tools offered by Tableau are methods for grouping data - known as cluster analysis. Clustering is a technique for grouping objects with similar properties, and the cluster formed during clustering is a class of similar objects. Clustering is a machine learning method that belongs to the class of unsupervised learning methods - its aim is to find "natural" clusters for a set of objects. The equivalent of this method in supervised learning is the classification process. The clustering problem is to divide the set P into k clusters such that the function F takes a maximum value, where:

Apr 11, 2024
Read more from Marek M
Published on HackMD