Excel - Les graphiques de relation entre propriétés disponibles Tutoriels

Découvrez comment créer des graphiques de relation entre propriétés dans Microsoft 365 en utilisant des données réelles.
Cette vidéo présente les nuages de points et les Bubble charts pour mettre en évidence les relations entre deux ou plusieurs propriétés et identifier les valeurs extrêmes.
Obtenez des conseils pratiques pour ajouter des catégories et personnaliser les couleurs pour mieux comprendre vos données.
Cette ressource est utile pour tous les professionnels souhaitant améliorer leur compréhension de la datavisualisation dans Microsoft 365. Suivez cette formation pour créer facilement des graphiques de relation professionnels et mieux comprendre vos données.

  • 05:40
  • 736 vues

Objectifs :

L'objectif de cette vidéo est d'explorer l'utilisation de graphiques moins courants dans la visualisation des données, en particulier dans Excel, en se concentrant sur le nuage de points et le nuage de bulles. Ces graphiques permettent de mettre en évidence les relations entre différentes propriétés et d'identifier des valeurs extrêmes.

Chapitres :

  1. Introduction aux Graphiques de Visualisation
    Dans le domaine de la visualisation des données, certains graphiques sont sous-utilisés, notamment le nuage de points et le nuage de bulles. Ces graphiques sont particulièrement utiles pour illustrer les relations entre deux ou plusieurs variables, ainsi que pour identifier des valeurs extrêmes qui se démarquent des autres observations.
  2. Le Nuage de Points
    Le nuage de points est un graphique qui représente des observations sous forme de points sur un plan cartésien. Chaque point correspond à un item, tel qu'un produit, et est associé à des métriques. Par exemple, on peut représenter le poids d'un produit en grammes sur l'axe des abscisses et les frais d'expédition en euros sur l'axe des ordonnées. - **Exemple** : Un produit pesant 155 grammes avec des frais d'expédition de 2 euros sera représenté par un point sur le graphique. - **Analyse** : En traçant tous les points, on peut observer des patterns, comme une corrélation entre le poids et les frais d'expédition. Si les points sont dispersés sans tendance claire, cela indique l'absence de corrélation. - **Singularités** : Le nuage de points permet également d'identifier des valeurs extrêmes qui pourraient nécessiter une vérification des données.
  3. Ajout de Catégories par Couleurs
    Il est possible d'ajouter une dimension supplémentaire au nuage de points en utilisant des couleurs pour représenter différentes catégories de produits. Par exemple : - Rouge : High Tech - Vert : Joaillerie - Bleu : Articles de Sport Cette approche permet d'ajouter une information catégorielle à la visualisation.
  4. Le Nuage de Bulles
    Le nuage de bulles est similaire au nuage de points, mais il permet d'ajouter une troisième dimension grâce à la taille des bulles. Cette taille peut représenter une métrique supplémentaire, comme le prix du produit. - **Exemple** : Dans un graphique où le poids est sur l'axe des abscisses et le prix sur l'axe des ordonnées, la taille de la bulle peut indiquer le coût du produit. Plus la bulle est grande, plus le prix est élevé. - **Précautions** : Il est important de ne pas surcharger le graphique avec trop de valeurs, car cela peut rendre la lecture difficile. Une légende pour la taille des bulles est également essentielle pour la compréhension.
  5. Conclusion et Application Pratique
    Les graphiques de nuage de points et de bulles sont des outils puissants pour visualiser des relations complexes entre plusieurs variables. En utilisant des couleurs et des tailles de bulles, on peut enrichir l'analyse des données. Dans la prochaine section, nous allons nous entraîner à créer ces graphiques dans Excel, en appliquant les concepts discutés.

FAQ :

Qu'est-ce qu'un nuage de points et comment l'utiliser ?

Un nuage de points est un graphique qui montre la relation entre deux variables en utilisant des points. Il est utilisé pour identifier des corrélations, des tendances ou des anomalies dans les données.

Comment interpréter une corrélation dans un nuage de points ?

Une corrélation positive signifie que lorsque l'une des variables augmente, l'autre augmente également. Une corrélation négative indique que lorsque l'une augmente, l'autre diminue. L'absence de corrélation se manifeste par des points dispersés sans tendance claire.

Qu'est-ce qu'un Bubble chart et en quoi est-il différent d'un nuage de points ?

Un Bubble chart est similaire à un nuage de points, mais il ajoute une troisième dimension en utilisant la taille des bulles pour représenter une variable supplémentaire. Cela permet de visualiser plus d'informations dans le même graphique.

Comment identifier des singularités dans mes données ?

Les singularités peuvent être identifiées en observant des points qui se situent loin des autres dans un graphique. Cela peut indiquer des erreurs de données ou des observations intéressantes qui méritent d'être examinées de plus près.

Pourquoi est-il important d'utiliser des légendes dans mes graphiques ?

Les légendes aident à clarifier les informations présentées dans un graphique, en expliquant les couleurs, symboles ou tailles utilisés. Cela améliore la compréhension et l'interprétation des données.

Quelques cas d'usages :

Analyse des coûts d'expédition

Utiliser un nuage de points pour analyser la relation entre le poids des produits et les frais d'expédition, permettant d'identifier des tendances et d'optimiser les coûts.

Évaluation des performances des produits

Appliquer un Bubble chart pour visualiser la relation entre le coût d'un produit, sa marge bénéficiaire et son poids, facilitant ainsi la prise de décision sur les produits à promouvoir.

Identification des anomalies dans les ventes

Utiliser des singularités dans un nuage de points pour détecter des ventes anormales ou des erreurs de données, permettant d'améliorer la qualité des données et la prise de décision.

Segmentation de marché

Utiliser des couleurs dans un Bubble chart pour représenter différentes catégories de produits, facilitant ainsi l'analyse des performances par segment de marché.

Optimisation des stocks

Analyser les relations entre le poids des produits et les ventes à l'aide d'un nuage de points pour ajuster les niveaux de stock et améliorer la gestion des inventaires.

Glossaire :

Nuage de points

Un graphique qui représente des observations sous forme de points sur un plan cartésien, permettant de visualiser la relation entre deux variables.

Corrélation

Une relation entre deux variables où un changement dans l'une est associé à un changement dans l'autre. Cela peut être positif (les deux augmentent) ou négatif (l'un augmente pendant que l'autre diminue).

Singularités

Des valeurs qui se démarquent des autres dans un ensemble de données, souvent considérées comme des anomalies ou des points extrêmes.

Bubble chart

Un type de graphique similaire au nuage de points, mais qui utilise des bulles de tailles différentes pour représenter une troisième variable, ajoutant ainsi une dimension supplémentaire à la visualisation.

Métriques

Des mesures quantitatives utilisées pour évaluer des performances ou des caractéristiques, comme le poids, le prix, ou le chiffre d'affaires.

Légende

Un élément graphique qui explique les symboles, couleurs ou tailles utilisés dans un graphique, facilitant ainsi la compréhension des données présentées.

résultat(s)
00:00:01
qui selon moi ne sont pas assez
00:00:03
utilisés d'une manière générale
00:00:05
dans la data visualisation,
00:00:07
et plus particulièrement sur Excel,
00:00:08
c'est peut être parce que c'est
00:00:10
un petit peu moins visuel,
00:00:12
en tout cas pour le nuage de points,
00:00:14
donc c'est tout ce qui va concerner la
00:00:16
mise en évidence de relation entre
00:00:19
deux ou plusieurs propriétés et aussi de
00:00:21
pouvoir se rendre compte de potentielles
00:00:23
valeurs qui sont un petit peu extrêmes
00:00:26
ou en tout cas qui sortent un petit
00:00:28
peu du lot par rapport
00:00:31
aux autres observations.
00:00:32
Le premier graphique dont on va parler,
00:00:35
c'est le nuage de points.
00:00:36
Donc ça de quelle manière ça fonctionne ?
00:00:39
Vous allez avoir ce qu'on
00:00:40
appelle des observations,
00:00:41
donc en gros
00:00:42
des items donc ça peut
00:00:44
être une liste de produits,
00:00:46
ça peut être des jours dans
00:00:48
une année donnée, et cetera,
00:00:50
et des métriques, donc des caractéristiques
00:00:51
vont lui être associées. Donc
00:00:53
typiquement pour les produits, ça
00:00:54
peut être le chiffre d'affaires,
00:00:56
le poids du produit,
00:00:57
si c'est sur un site
00:00:59
e-commerce par exemple,
00:01:00
ça pourrait être essayer de mettre en
00:01:02
relation le poids du produit
00:01:04
avec les frais d'expédition.
00:01:07
Et donc par rapport à ça,
00:01:09
vous allez avoir donc... partons sur ce cas là,
00:01:12
typiquement on va avoir par exemple
00:01:14
ici le poids du produit en gramme,
00:01:17
mais ici, les frais d'expédition en euro.
00:01:19
Donc imaginons qu'on ait ce produit là,
00:01:22
donc chaque point représente un
00:01:24
produit et typiquement celui-ci
00:01:25
qui va être autour de 155,
00:01:27
allez,
00:01:28
on va se dire ça, donc 155 grammes
00:01:31
va coûter 2€ en frais d'expédition.
00:01:34
Et celui-là, qui est à 190,
00:01:36
va coûter également 2€ en
00:01:37
frais d'expédition, et cetera, et cetera.
00:01:39
À partir de là,
00:01:40
du coup on va mettre tous les points
00:01:42
sur notre graphique et donc ça peut
00:01:45
potentiellement tracer un
00:01:46
pattern justement, un tracé sur
00:01:49
le graphique, ça peut potentiellement
00:01:50
mettre en évidence une corrélation,
00:01:52
c'est à dire on voit que plus une valeur
00:01:54
cette valeur en abscisse augmente et
00:01:57
plus la valeur en ordonnée peut baisser.
00:01:59
Là c'est un petit peu ce qui se passe ici.
00:02:04
Et autres cas,
00:02:05
on peut aussi mettre en avant
00:02:06
l'absence de corrélation,
00:02:07
c'est à dire que là rien n'est dessiné,
00:02:09
c'est à dire,
00:02:10
il n'y a pas de
00:02:12
corrélation descendante ou montante
00:02:13
et on va simplement avoir des
00:02:15
points qui vont être complètement
00:02:16
dispatchés partout et auquel cas
00:02:17
c'est aussi une information.
00:02:19
On peut aussi se dire mais est ce que ces deux
00:02:20
éléments ne sont pas liés, eh bien
00:02:22
en le testant on se rend compte
00:02:24
que non et on peut potentiellement
00:02:26
aussi en conclure des choses.
00:02:28
Ça peut permettre également de mettre en
00:02:29
avant ce qu'on appelle des singularités,
00:02:31
donc là typiquement sur ce graphique
00:02:33
là, on pourrait se dire,
00:02:34
eh bien ce point là, il est un peu
00:02:36
extrême par rapport aux autres,
00:02:37
il est vraiment écarté du
00:02:39
standard là de la courbe
00:02:40
qu'on aurait tendance à
00:02:41
tracer ici avec l'œil,
00:02:42
donc ça peut être une information aussi,
00:02:44
en soi se dire : dans
00:02:45
mon jeu de données, j'ai une des
00:02:47
valeurs qui est un peu extrême,
00:02:49
est ce que les données sont
00:02:50
bonnes et si elles sont bonnes
00:02:51
qu'est ce qui s'est passé ?
00:02:53
Quelle est la particularité
00:02:55
de cet item ?
00:02:57
Dernier élément à avoir en tête,
00:02:59
c'est qu'on peut ajouter des catégories
00:03:00
sur les points via des couleurs,
00:03:02
donc typiquement ici,
00:03:03
comme je vous le disais,
00:03:05
ce sont des produits avec frais
00:03:07
d'expédition plus poids et on
00:03:08
pourrait tout à fait rajouter une
00:03:10
couleur qui irait dire eh bien quand
00:03:12
le point est rouge,
00:03:14
c'est du high tech, quand le point est vert,
00:03:16
c'est de la joaillerie et quand le
00:03:18
point est bleu, ce sont des articles de
00:03:20
sport. Et donc à partir de là, on
00:03:22
pourra avoir une troisième information
00:03:24
plus orientée catégorie,
00:03:25
du coup, et non métrique
00:03:26
qui pourrait venir s'ajouter.
00:03:28
Le deuxième graphique dont on va
00:03:30
parler est très proche en terme de logique,
00:03:33
c'est le Bubble chart,
00:03:35
donc le nuage de bulles.
00:03:39
Et donc ici,
00:03:40
on va toujours avoir ce système
00:03:41
de croisement de deux valeurs.
00:03:43
D'ailleurs,
00:03:44
ce sont les mêmes données qui sont ici
00:03:46
aussi. La seule différence,
00:03:48
c'est que nous, là, on va pouvoir ajouter
00:03:50
sur ce Bubble chart une troisième valeur numérique,
00:03:54
dans le graphique,
00:03:55
qui sera la taille de la bulle.
00:03:57
Donc là j'ai toujours mon poids en grammes,
00:03:59
mon prix et du coup cette taille-là,
00:04:01
donc ça peut potentiellement
00:04:03
être le prix du produit typiquement
00:04:05
et donc plus la bulle est grosse
00:04:07
et plus le prix du produit sera
00:04:09
élevé. Donc l'avantage de ce
00:04:11
graphique-là c'est que ça permet
00:04:13
d'avoir effectivement trois métriques
00:04:14
dans un même graphique ; on pourra
00:04:16
même potentiellement rajouter
00:04:17
la notion de couleur pour les
00:04:19
catégories comme avant mais ça
00:04:21
commence à faire beaucoup. Attention
00:04:22
à ne pas avoir effectivement
00:04:24
trop de valeurs parce que vu
00:04:25
que là les bulles sont plus
00:04:27
grosses que les points,
00:04:29
si vous avez beaucoup de valeurs,
00:04:31
ça va être une grosse soupe de
00:04:33
de points et on ne pourra plus
00:04:35
forcément les distinguer.
00:04:36
Et évidemment aussi pensez à rajouter
00:04:38
une légende pour la taille des bulles.
00:04:41
Parce que ça
00:04:42
commence à rajouter beaucoup
00:04:43
d'informations et potentiellement
00:04:44
aussi pour la taille des bulles,
00:04:46
n'hésitez pas faire des paliers,
00:04:48
parce que là typiquement entre celle-ci
00:04:50
et celle-ci,
00:04:50
on ne voit pas forcément trop la
00:04:53
différence et pourtant il y en a
00:04:55
une donc pourquoi pas se dire :
00:04:57
de 0 à 100 €, ça sera une
00:04:59
petite bulle, de 100 à 200,
00:05:01
ça serait une moyenne bulle et de 200
00:05:04
à 300 ça sera une grande bulle.
00:05:07
Et donc effectivement,
00:05:08
en type de données qu'on pourrait
00:05:10
utiliser pour ce type de graphique,
00:05:12
vous auriez par exemple la relation
00:05:14
entre le coût d'un produit et
00:05:16
la marge réalisée.
00:05:17
Donc voilà,
00:05:18
on est à peu près dans ce
00:05:20
registre-là et en fonction du type
00:05:23
de produit, donc là typiquement
00:05:24
on pourrait utiliser les couleurs,
00:05:26
les couleurs différentes pour
00:05:27
les points ou en fonction du CA,
00:05:30
du chiffre d'affaires généré eh
00:05:31
bien ça pourrait être la taille
00:05:34
de la bulle avec plutôt du coup
00:05:36
un graphique en Bubble chart.
00:05:38
Et on va maintenant s'entraîner à les créer.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
которых, на мой взгляд, недостаточно
00:00:03
Используется в целом
00:00:05
в визуализации данных,
00:00:07
и, в частности, в Excel,
00:00:08
Может быть, это потому, что это
00:00:10
чуть менее наглядный,
00:00:12
по крайней мере, для облака точек,
00:00:14
Так что это все, что будет касаться
00:00:16
Доказательства взаимосвязи между
00:00:19
два или более объектов недвижимости, а также
00:00:21
уметь реализовывать потенциал
00:00:23
Значения, которые немного экстремальны
00:00:26
или хотя бы кто вынимает маленький
00:00:28
Мало по сравнению с
00:00:31
к другим комментариям.
00:00:32
Первый график, о котором мы поговорим,
00:00:35
Это облако точек.
00:00:36
Так как же это работает?
00:00:39
Вы получите то, что мы
00:00:40
призывает к комментариям,
00:00:41
Итак, в основном
00:00:42
предметов, чтобы он мог
00:00:44
быть списком продуктов,
00:00:46
Это могут быть дни в
00:00:48
в данном году и т.д.,
00:00:50
и метрики, следовательно, характеристики
00:00:51
будет ассоциироваться с ним. Следовательно
00:00:53
Как правило, для продуктов это
00:00:54
может быть оборот,
00:00:56
вес изделия,
00:00:57
Если он есть на сайте
00:00:59
Например, электронная коммерция,
00:01:00
Это может быть попытка поставить на место
00:01:02
Отношение к весу продукта
00:01:04
со стоимостью доставки.
00:01:07
И поэтому в связи с этим,
00:01:09
Так что у вас будет... Начнем с этого дела,
00:01:12
Как правило, у нас будет, например:
00:01:14
здесь вес продукта в граммах,
00:01:17
Но здесь стоимость доставки в евро.
00:01:19
Итак, давайте представим, что у нас там есть этот продукт,
00:01:22
Таким образом, каждая точка представляет собой
00:01:24
производится и, как правило, этот
00:01:25
что составит около 155,
00:01:27
Давай
00:01:28
Мы собираемся сказать, что 155 граммов
00:01:31
будет стоить 2 € в стоимости доставки.
00:01:34
А этот, который на 190,
00:01:36
также будет стоить 2 € в
00:01:37
судоходство и так далее, и так далее.
00:01:39
Оттуда
00:01:40
Итак, мы расставим все точки
00:01:42
на нашем графике и так может
00:01:45
Потенциальная трассировка
00:01:46
Узор точно, сюжет на
00:01:49
График потенциально может
00:01:50
выделите корреляцию,
00:01:52
т.е. мы видим, что больше ценность
00:01:54
Это значение на абсцисс увеличивается и
00:01:57
Чем ниже значение по оси Y.
00:01:59
Вот что здесь происходит.
00:02:04
И другие случаи,
00:02:05
Мы также можем выделить
00:02:06
отсутствие корреляции,
00:02:07
то есть там ничего не нарисовано,
00:02:09
То есть
00:02:10
Нет
00:02:12
Нисходящая или восходящая корреляция
00:02:13
И у нас просто будет
00:02:15
точки, которые будут полностью
00:02:16
Отправляют везде и в случае чего
00:02:17
Это тоже информация.
00:02:19
Мы также можем сказать, но являются ли эти два
00:02:20
Элементы не связаны, ну
00:02:22
Тестируя его, мы понимаем:
00:02:24
что нет, и мы потенциально можем
00:02:26
Также делайте выводы.
00:02:28
Это также может сделать возможным введение
00:02:29
до так называемых сингулярностей,
00:02:31
Так что обычно на этом графике
00:02:33
Там, можно сказать,
00:02:34
Ну, этот момент, это немного
00:02:36
экстремальный по сравнению с другими,
00:02:37
Это действительно удалено от
00:02:39
Стандартная там кривая
00:02:40
что мы будем стремиться
00:02:41
проследить здесь глазом,
00:02:42
Так что это тоже может быть информация,
00:02:44
Само по себе сказать: в
00:02:45
Мой набор данных, у меня есть один из
00:02:47
значения, которые немного экстремальны,
00:02:49
Есть ли данные
00:02:50
хорошие и если они хорошие
00:02:51
Что случилось?
00:02:53
Что особенного в
00:02:55
этого предмета?
00:02:57
Последний элемент, о котором следует помнить,
00:02:59
заключается в том, что мы можем добавлять категории
00:03:00
на точках через цвета,
00:03:02
Итак, как правило, здесь,
00:03:03
Как я уже сказал,
00:03:05
Это свежие продукты
00:03:07
Доставка плюс вес и далее
00:03:08
вполне мог бы добавить
00:03:10
цвет, который хорошо сказался бы, когда
00:03:12
точка красная,
00:03:14
это высокие технологии, когда точка зеленая,
00:03:16
Это ювелирные украшения и когда
00:03:18
точка синяя, это статьи
00:03:20
спорт. Итак, оттуда мы
00:03:22
Может быть третья часть информации
00:03:24
более ориентированный на категории,
00:03:25
Значит, не метрическая
00:03:26
которые можно было бы добавить.
00:03:28
На втором графике мы будем
00:03:30
Разговор очень близок с точки зрения логики,
00:03:33
это пузырьковая диаграмма,
00:03:35
Итак, пузырьковое облако.
00:03:39
И так вот,
00:03:40
У нас всегда будет эта система
00:03:41
пересечение двух значений.
00:03:43
Кстати
00:03:44
Это те же данные, что и здесь
00:03:46
тоже. Единственное отличие,
00:03:48
разве что мы, там, сможем добавить
00:03:50
на этой пузырьковой диаграмме третье числовое значение,
00:03:54
на графике,
00:03:55
который будет размером с пузырь.
00:03:57
Так что там у меня всегда свой вес в граммах,
00:03:59
моя цена и вдруг этот размер,
00:04:01
Так что потенциально может
00:04:03
быть ценой продукта, как правило,
00:04:05
и, следовательно, чем больше пузырь
00:04:07
И тем больше будет цена товара
00:04:09
высокий. Так что преимущество этого
00:04:11
График есть в том, что он позволяет
00:04:13
на самом деле иметь три метрики
00:04:14
на том же графике; Мы сможем:
00:04:16
даже потенциально добавить
00:04:17
Понятие цвета для
00:04:19
категории, как и раньше, но это
00:04:21
начинает многое делать. Осторожный
00:04:22
на самом деле не имея
00:04:24
Слишком много ценностей, потому что видно
00:04:25
что там пузырей больше
00:04:27
большие, как точки,
00:04:29
Если у вас много ценностей,
00:04:31
Это будет большой суп из
00:04:33
очков и мы не сможем
00:04:35
Обязательно различают их.
00:04:36
И, очевидно, также подумайте о добавлении
00:04:38
Легенда о размере пузыря.
00:04:41
Потому что это
00:04:42
начинает много прибавлять
00:04:43
Информация и потенциально
00:04:44
также по размеру пузырьков,
00:04:46
не стесняясь делать посадки,
00:04:48
Потому что там обычно входит этот
00:04:50
И этот,
00:04:50
Мы не обязательно видим слишком много
00:04:53
Разница и все же есть
00:04:55
Один, так почему бы не сказать:
00:04:57
от 0 до 100 €, это будет
00:04:59
маленький пузырь, от 100 до 200,
00:05:01
Это был бы средний пузырь и 200
00:05:04
На 300 это будет большой пузырь.
00:05:07
И действительно,
00:05:08
в типе данных, которые могут быть
00:05:10
использовать для этого типа диаграммы,
00:05:12
У вас были бы, например, отношения
00:05:14
между стоимостью продукта и
00:05:16
Маржа реализована.
00:05:17
Итак, вот оно,
00:05:18
Мы в значительной степени в этом
00:05:20
зарегистрироваться там и по типу
00:05:23
продукта, так что обычно есть
00:05:24
Мы могли бы использовать цвета,
00:05:26
Разные цвета для
00:05:27
баллов или в зависимости от оборота,
00:05:30
генерируемого оборота
00:05:31
ну, это может быть размер
00:05:34
пузыря с довольно неожиданно
00:05:36
пузырьковая диаграмма.
00:05:38
И теперь мы будем тренироваться их создавать.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
which I think are not enough
00:00:03
used in general
00:00:05
in data visualization,
00:00:07
and more particularly on Excel,
00:00:08
Maybe it's because it's
00:00:10
a little less visual,
00:00:12
at least for the point cloud,
00:00:14
So that's all that's going to concern the
00:00:16
Evidence of relationship between
00:00:19
two or more properties and also
00:00:21
be able to realize potential
00:00:23
values that are a little extreme
00:00:26
or at least who take out a small
00:00:28
Little of the lot compared to
00:00:31
to other comments.
00:00:32
The first graph we're going to talk about,
00:00:35
This is the point cloud.
00:00:36
So how does it work?
00:00:39
You're going to get what we
00:00:40
calls for comments,
00:00:41
So basically
00:00:42
items so it can
00:00:44
be a list of products,
00:00:46
It can be days in
00:00:48
in a given year, et cetera,
00:00:50
and metrics, therefore characteristics
00:00:51
will be associated with it. Therefore
00:00:53
typically for products, it
00:00:54
can be the turnover,
00:00:56
the weight of the product,
00:00:57
if it's on a site
00:00:59
e-commerce for example,
00:01:00
It could be trying to put in place
00:01:02
Relation to the weight of the product
00:01:04
with shipping costs.
00:01:07
And so in relation to that,
00:01:09
So you're going to have... Let's start on this case,
00:01:12
Typically we will have for example
00:01:14
here the weight of the product in grams,
00:01:17
but here, shipping costs in euros.
00:01:19
So let's imagine that we have this product there,
00:01:22
So each point represents a
00:01:24
produced and typically this one
00:01:25
which will be around 155,
00:01:27
Come on
00:01:28
We're going to say that, so 155 grams
00:01:31
will cost 2€ in shipping costs.
00:01:34
And this one, which is at 190,
00:01:36
will also cost 2€ in
00:01:37
shipping, et cetera, et cetera.
00:01:39
From there,
00:01:40
So we will put all the points
00:01:42
on our chart and so it can
00:01:45
potentially trace a
00:01:46
pattern precisely, a plot on
00:01:49
The graph can potentially
00:01:50
highlight a correlation,
00:01:52
i.e. we see that more a value
00:01:54
this value on the abscissa increases and
00:01:57
The lower the value on the y-axis.
00:01:59
That's kind of what's happening here.
00:02:04
And other cases,
00:02:05
We can also highlight
00:02:06
the absence of correlation,
00:02:07
that is to say that there nothing is drawn,
00:02:09
that is,
00:02:10
There is no
00:02:12
Downward or upward correlation
00:02:13
and we're just going to have
00:02:15
points that are going to be completely
00:02:16
dispatched everywhere and in which case
00:02:17
It is also information.
00:02:19
We can also say but is these two
00:02:20
elements are not linked, well
00:02:22
By testing it we realize
00:02:24
that no and we can potentially
00:02:26
also conclude things.
00:02:28
It can also make it possible to put in
00:02:29
before so-called singularities,
00:02:31
So there typically on this chart
00:02:33
There, one could say,
00:02:34
Well this point, it is a little
00:02:36
extreme compared to others,
00:02:37
It is really removed from the
00:02:39
standard there of the curve
00:02:40
that we would tend to
00:02:41
trace here with the eye,
00:02:42
So it can be information too,
00:02:44
In itself to say: in
00:02:45
My dataset, I have one of the
00:02:47
values that is a bit extreme,
00:02:49
Is the data
00:02:50
good and if they are good
00:02:51
What happened?
00:02:53
What's special about
00:02:55
of this item?
00:02:57
Last element to keep in mind,
00:02:59
is that we can add categories
00:03:00
on dots via colors,
00:03:02
So typically here,
00:03:03
As I said,
00:03:05
These are fresh products
00:03:07
shipping plus weight and on
00:03:08
could quite add a
00:03:10
color that would say well when
00:03:12
the dot is red,
00:03:14
it's high tech, when the dot is green,
00:03:16
It's jewelry and when the
00:03:18
dot is blue, these are articles of
00:03:20
sport. And so from there, we
00:03:22
may have a third piece of information
00:03:24
more category-oriented,
00:03:25
So, not metric
00:03:26
which could be added.
00:03:28
The second graph we will
00:03:30
Talking is very close in terms of logic,
00:03:33
it's the Bubble chart,
00:03:35
So the bubble cloud.
00:03:39
And so here,
00:03:40
We're always going to have this system
00:03:41
crossing two values.
00:03:43
By the way
00:03:44
It is the same data that is here
00:03:46
also. The only difference,
00:03:48
is that we, there, we will be able to add
00:03:50
on this Bubble chart a third numerical value,
00:03:54
in the graph,
00:03:55
which will be the size of the bubble.
00:03:57
So there I always have my weight in grams,
00:03:59
my price and suddenly this size,
00:04:01
So it can potentially
00:04:03
be the price of the product typically
00:04:05
and therefore the bigger the bubble
00:04:07
and the more the price of the product will be
00:04:09
high. So the advantage of this
00:04:11
Graph there is that it allows
00:04:13
to actually have three metrics
00:04:14
in the same chart; We will be able to
00:04:16
even potentially add
00:04:17
The concept of colour for
00:04:19
categories as before but it
00:04:21
is starting to do a lot. Careful
00:04:22
not actually having
00:04:24
too many values because seen
00:04:25
that there the bubbles are more
00:04:27
big as the points,
00:04:29
if you have a lot of values,
00:04:31
It's going to be a big soup of
00:04:33
points and we will not be able to
00:04:35
necessarily distinguish them.
00:04:36
And obviously also think about adding
00:04:38
A legend for bubble size.
00:04:41
Because that
00:04:42
begins to add a lot
00:04:43
information and potentially
00:04:44
also for the size of the bubbles,
00:04:46
do not hesitate to make landings,
00:04:48
Because there typically enters this one
00:04:50
and this one,
00:04:50
We do not necessarily see too much of the
00:04:53
difference and yet there are
00:04:55
One so why not say:
00:04:57
from 0 to 100 €, it will be a
00:04:59
small bubble, from 100 to 200,
00:05:01
That would be an average bubble and 200
00:05:04
At 300 it will be a big bubble.
00:05:07
And so indeed,
00:05:08
in the type of data that could be
00:05:10
use for this type of chart,
00:05:12
You would have for example the relationship
00:05:14
between the cost of a product and
00:05:16
the margin realized.
00:05:17
So there you have it,
00:05:18
We are pretty much in this
00:05:20
register there and according to the type
00:05:23
of product, so there typically
00:05:24
we could use colors,
00:05:26
different colors for
00:05:27
points or depending on the turnover,
00:05:30
of the turnover generated
00:05:31
well it could be the size
00:05:34
of the bubble with rather suddenly
00:05:36
a Bubble chart chart.
00:05:38
And now we're going to train to create them.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
que creo que no son suficientes
00:00:03
utilizado en general
00:00:05
en la visualización de datos,
00:00:07
y más particularmente en Excel,
00:00:08
Tal vez sea porque es
00:00:10
un poco menos visual,
00:00:12
al menos para la nube de puntos,
00:00:14
Así que eso es todo lo que va a preocupar al
00:00:16
Evidencia de relación entre
00:00:19
dos o más propiedades y también
00:00:21
ser capaz de realizar el potencial
00:00:23
Valores que son un poco extremos
00:00:26
o al menos que sacan un pequeño
00:00:28
Poco del lote comparado con
00:00:31
a otros comentarios.
00:00:32
El primer gráfico del que vamos a hablar,
00:00:35
Esta es la nube de puntos.
00:00:36
Entonces, ¿cómo funciona?
00:00:39
Vas a conseguir lo que nosotros
00:00:40
pide comentarios,
00:00:41
Así que básicamente
00:00:42
artículos para que pueda
00:00:44
ser una lista de productos,
00:00:46
Pueden ser días en
00:00:48
en un año determinado, etcétera,
00:00:50
y métricas, por lo tanto características
00:00:51
se asociará con él. Por lo tanto
00:00:53
Típicamente para los productos,
00:00:54
puede ser el volumen de negocios,
00:00:56
el peso del producto,
00:00:57
si está en un sitio
00:00:59
comercio electrónico, por ejemplo,
00:01:00
Podría estar tratando de poner en marcha
00:01:02
Relación con el peso del producto
00:01:04
con gastos de envío.
00:01:07
Y entonces, en relación con eso,
00:01:09
Así que vas a tener... Comencemos con este caso,
00:01:12
Normalmente tendremos por ejemplo
00:01:14
aquí el peso del producto en gramos,
00:01:17
Pero aquí, los gastos de envío en euros.
00:01:19
Así que imaginemos que tenemos este producto allí,
00:01:22
Así que cada punto representa un
00:01:24
producido y típicamente este
00:01:25
que serán alrededor de 155,
00:01:27
Vamos
00:01:28
Vamos a decir eso, así que 155 gramos
00:01:31
tendrá un coste de 2€ en gastos de envío.
00:01:34
Y este, que está en 190,
00:01:36
también costará 2 € en
00:01:37
envío, etcétera, etcétera.
00:01:39
A partir de ahí,
00:01:40
Así que pondremos todos los puntos
00:01:42
en nuestro gráfico y así puede
00:01:45
potencialmente rastrear un
00:01:46
patrón precisamente, una gráfica en
00:01:49
El gráfico puede potencialmente
00:01:50
resaltar una correlación,
00:01:52
es decir, vemos que más un valor
00:01:54
Este valor en la abscisa aumenta y
00:01:57
Cuanto menor sea el valor en el eje y.
00:01:59
Eso es más o menos lo que está sucediendo aquí.
00:02:04
Y otros casos,
00:02:05
También podemos destacar
00:02:06
la ausencia de correlación,
00:02:07
es decir, que no se dibuja nada,
00:02:09
Es decir
00:02:10
No hay
00:02:12
Correlación descendente o ascendente
00:02:13
y vamos a tener
00:02:15
puntos que van a ser completamente
00:02:16
despachado a todas partes y en cuyo caso
00:02:17
También es información.
00:02:19
También podemos decir pero son estos dos
00:02:20
Los elementos no están vinculados, bueno
00:02:22
Al probarlo nos damos cuenta
00:02:24
que no y potencialmente podemos
00:02:26
También concluyen las cosas.
00:02:28
También puede hacer posible poner en
00:02:29
antes de las llamadas singularidades,
00:02:31
Así que normalmente hay en este gráfico
00:02:33
Allí, se podría decir,
00:02:34
Bueno este punto, es un poco
00:02:36
extremo en comparación con otros,
00:02:37
Realmente está eliminado de la
00:02:39
estándar allí de la curva
00:02:40
que tendríamos a
00:02:41
traza aquí con el ojo,
00:02:42
Así que también puede ser información,
00:02:44
En sí mismo decir: en
00:02:45
Mi conjunto de datos, tengo uno de los
00:02:47
valores que son un poco extremos,
00:02:49
Son los datos
00:02:50
bueno y si son buenos
00:02:51
¿¿Qué pasó??
00:02:53
¿Qué tiene de especial?
00:02:55
de este artículo?
00:02:57
Último elemento a tener en cuenta,
00:02:59
es que podemos añadir categorías
00:03:00
en puntos a través de colores,
00:03:02
Así que típicamente aquí,
00:03:03
Como dije,
00:03:05
Estos son productos frescos
00:03:07
Envío más peso y en
00:03:08
podría agregar un
00:03:10
color que diría bien cuando
00:03:12
el punto es rojo,
00:03:14
es alta tecnología, cuando el punto es verde,
00:03:16
Es joyería y cuando el
00:03:18
punto es azul, estos son artículos de
00:03:20
deporte. Y así, a partir de ahí,
00:03:22
puede tener una tercera pieza de información
00:03:24
más orientado a la categoría,
00:03:25
Por lo tanto, no métrico
00:03:26
que podría añadirse.
00:03:28
El segundo gráfico lo haremos
00:03:30
Hablar es muy cercano en términos de lógica,
00:03:33
es el gráfico de burbujas,
00:03:35
Así que la nube de burbujas.
00:03:39
Y así aquí,
00:03:40
Siempre vamos a tener este sistema
00:03:41
cruzando dos valores.
00:03:43
A propósito
00:03:44
Son los mismos datos que están aquí
00:03:46
Además. La única diferencia,
00:03:48
es que nosotros, allí, podremos agregar
00:03:50
en este gráfico de burbujas un tercer valor numérico,
00:03:54
En el gráfico,
00:03:55
que será del tamaño de la burbuja.
00:03:57
Así que ahí siempre tengo mi peso en gramos,
00:03:59
mi precio y de repente este tamaño,
00:04:01
Por lo tanto, potencialmente puede
00:04:03
ser el precio del producto típicamente
00:04:05
y, por lo tanto, cuanto más grande es la burbuja
00:04:07
y cuanto mayor sea el precio del producto
00:04:09
Alto. Así que la ventaja de esto
00:04:11
Grafo hay que permite
00:04:13
para tener realmente tres métricas
00:04:14
en el mismo gráfico; Podremos
00:04:16
incluso potencialmente agregar
00:04:17
El concepto de color para
00:04:19
categorías como antes pero que
00:04:21
está empezando a hacer mucho. Cuidadoso
00:04:22
en realidad no tener
00:04:24
Demasiados valores porque se ven
00:04:25
que ahí las burbujas son más
00:04:27
grande como los puntos,
00:04:29
Si tienes muchos valores,
00:04:31
Va a ser una gran sopa de
00:04:33
puntos y no podremos
00:04:35
necesariamente distinguirlos.
00:04:36
Y obviamente también piensa en agregar
00:04:38
Una leyenda para el tamaño de la burbuja.
00:04:41
Porque eso
00:04:42
comienza a sumar mucho
00:04:43
información y potencialmente
00:04:44
también por el tamaño de las burbujas,
00:04:46
no dude en hacer aterrizajes,
00:04:48
Porque normalmente entra este
00:04:50
y este,
00:04:50
No necesariamente vemos demasiado de la
00:04:53
diferencia y, sin embargo, hay
00:04:55
Uno, así que ¿por qué no decir:
00:04:57
de 0 a 100 €, será un
00:04:59
burbuja pequeña, de 100 a 200,
00:05:01
Eso sería una burbuja promedio y 200
00:05:04
A los 300 será una gran burbuja.
00:05:07
Y así, de hecho,
00:05:08
en el tipo de datos que podrían ser
00:05:10
utilizar para este tipo de gráfico,
00:05:12
Tendrías por ejemplo la relación
00:05:14
entre el costo de un producto y
00:05:16
el margen realizado.
00:05:17
Así que ahí lo tienes,
00:05:18
Estamos más o menos en esto
00:05:20
Regístrese allí y según el tipo
00:05:23
de producto, por lo que normalmente hay
00:05:24
podríamos usar colores,
00:05:26
diferentes colores para
00:05:27
puntos o dependiendo del volumen de negocios,
00:05:30
del volumen de negocios generado
00:05:31
bueno podría ser el tamaño
00:05:34
de la burbuja con bastante repentinamente
00:05:36
un gráfico de burbujas.
00:05:38
Y ahora vamos a entrenarnos para crearlos.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
die meiner Meinung nach nicht ausreichen
00:00:03
Verwendung im Allgemeinen
00:00:05
in der Datenvisualisierung,
00:00:07
und insbesondere auf Excel,
00:00:08
Vielleicht liegt es daran, dass es
00:00:10
etwas weniger visuell,
00:00:12
zumindest für die Punktwolke,
00:00:14
Das ist also alles, was die
00:00:16
Nachweis eines Zusammenhangs zwischen
00:00:19
zwei oder mehr Eigenschaften und auch
00:00:21
Potenziale ausschöpfen können
00:00:23
Werte, die ein wenig extrem sind
00:00:26
oder wenigstens eine kleine
00:00:28
Wenig von der Menge im Vergleich zu
00:00:31
zu anderen Kommentaren.
00:00:32
Die erste Grafik, über die wir sprechen werden,
00:00:35
Dies ist die Punktwolke.
00:00:36
Wie funktioniert das?
00:00:39
Du wirst bekommen, was wir bekommen
00:00:40
Aufrufe zur Stellungnahme,
00:00:41
Also im Grunde
00:00:42
Artikel, damit es
00:00:44
eine Liste von Produkten sein,
00:00:46
Es kann Tage dauern
00:00:48
in einem bestimmten Jahr, et cetera,
00:00:50
und Metriken, also Merkmale
00:00:51
wird damit in Verbindung gebracht. Deshalb
00:00:53
Typisch für Produkte ist es
00:00:54
kann der Umsatz sein,
00:00:56
das Gewicht des Produkts,
00:00:57
wenn es sich um eine Website handelt
00:00:59
E-Commerce zum Beispiel,
00:01:00
Es könnte versuchen,
00:01:02
Verhältnis zum Gewicht des Produkts
00:01:04
mit Versandkosten.
00:01:07
Und in diesem Zusammenhang,
00:01:09
Sie werden also ... Beginnen wir mit diesem Fall,
00:01:12
In der Regel haben wir zum Beispiel:
00:01:14
hier das Gewicht des Produktes in Gramm,
00:01:17
Aber hier Versandkosten in Euro.
00:01:19
Stellen wir uns also vor, dass wir dieses Produkt dort haben,
00:01:22
Jeder Punkt stellt also eine
00:01:24
produziert und in der Regel diese
00:01:25
das werden etwa 155 sein,
00:01:27
Komm schon
00:01:28
Wir werden das sagen, also 155 Gramm
00:01:31
kostet 2€ an Versandkosten.
00:01:34
Und dieser, der bei 190 liegt,
00:01:36
kostet auch 2€ in
00:01:37
Versand, et cetera, et cetera.
00:01:39
Daher
00:01:40
Also werden wir alle Punkte setzen
00:01:42
auf unserem Chart und so kann es
00:01:45
Verfolgen Sie möglicherweise eine
00:01:46
Schema, ein Plot auf
00:01:49
Das Diagramm kann potenziell
00:01:50
eine Korrelation hervorheben,
00:01:52
d.h. wir sehen das eher als einen Wert
00:01:54
Dieser Wert an der Abszisse erhöht sich und
00:01:57
Je niedriger der Wert auf der y-Achse.
00:01:59
Das ist in etwa das, was hier passiert.
00:02:04
Und andere Fälle,
00:02:05
Wir können auch hervorheben
00:02:06
das Fehlen von Korrelationen,
00:02:07
das heißt, dass dort nichts gezeichnet wird,
00:02:09
Das heißt
00:02:10
Es gibt keine
00:02:12
Korrelation nach unten oder oben
00:02:13
und wir werden einfach haben
00:02:15
Punkte, die vollständig
00:02:16
überall hin versandt werden und in welchem Fall
00:02:17
Es ist auch Information.
00:02:19
Wir können auch sagen, aber sind diese beiden
00:02:20
Elemente sind nicht verknüpft, nun ja
00:02:22
Durch das Testen stellen wir fest, dass
00:02:24
dass nein, und wir können potenziell
00:02:26
auch die Dinge abschließen.
00:02:28
Es kann auch möglich sein,
00:02:29
vor sogenannten Singularitäten,
00:02:31
Es gibt also typischerweise auf diesem Diagramm
00:02:33
Da könnte man sagen:
00:02:34
Nun, in diesem Punkt ist es ein wenig
00:02:36
extrem im Vergleich zu anderen,
00:02:37
Es ist wirklich von der
00:02:39
Standard der Kurve
00:02:40
die wir tendenziell
00:02:41
Zeichne hier mit dem Auge,
00:02:42
So kann es auch Information sein,
00:02:44
An sich zu sagen: in
00:02:45
Mein Datensatz, ich habe einen der
00:02:47
Werte, die etwas extrem sind,
00:02:49
Ist die Daten?
00:02:50
gut und wenn sie gut sind
00:02:51
Was ist passiert?
00:02:53
Das Besondere an
00:02:55
dieses Artikels?
00:02:57
Letztes Element, das Sie im Auge behalten sollten,
00:02:59
ist, dass wir Kategorien hinzufügen können
00:03:00
auf Punkten über Farben,
00:03:02
So typisch hier,
00:03:03
Wie gesagt,
00:03:05
Das sind frische Produkte
00:03:07
Versand zzgl. Gewicht und weiter
00:03:08
könnte durchaus eine
00:03:10
Farbe, die gut sagen würde, wenn
00:03:12
der Punkt ist rot,
00:03:14
es ist High-Tech, wenn der Punkt grün ist,
00:03:16
Es ist Schmuck und wenn die
00:03:18
Punkt ist blau, das sind Artikel von
00:03:20
Sport. Und so haben wir von dort aus
00:03:22
kann eine dritte Information enthalten
00:03:24
kategorieorientierter,
00:03:25
Also nicht metrisch
00:03:26
die hinzugefügt werden könnten.
00:03:28
In der zweiten Grafik werden wir
00:03:30
Das Reden ist logisch sehr nah,
00:03:33
es ist das Blasendiagramm,
00:03:35
Also die Blasenwolke.
00:03:39
Und so hier,
00:03:40
Wir werden dieses System immer haben
00:03:41
Überschreiten von zwei Werten.
00:03:43
Übrigens
00:03:44
Es sind die gleichen Daten, die hier sind
00:03:46
auch. Der einzige Unterschied,
00:03:48
ist, dass wir dort in der Lage sein werden,
00:03:50
in diesem Blasendiagramm ein dritter Zahlenwert,
00:03:54
in der Grafik,
00:03:55
was die Größe der Blase sein wird.
00:03:57
Da habe ich also immer mein Gewicht in Gramm,
00:03:59
mein Preis und plötzlich diese Größe,
00:04:01
Es kann also potenziell
00:04:03
in der Regel der Preis des Produkts
00:04:05
und desto größer ist die Blase
00:04:07
und desto höher wird der Preis des Produkts sein
00:04:09
Hoch. Der Vorteil davon ist also
00:04:11
Graph gibt es, dass es erlaubt
00:04:13
tatsächlich drei Metriken haben
00:04:14
im selben Diagramm; Wir werden in der Lage sein,
00:04:16
potenziell sogar
00:04:17
Das Konzept der Farbe für
00:04:19
Kategorien wie bisher, aber es
00:04:21
fängt an, viel zu tun. Vorsichtig
00:04:22
nicht wirklich zu haben
00:04:24
zu viele Werte, weil gesehen
00:04:25
dass dort die Blasen mehr sind
00:04:27
Groß wie die Punkte,
00:04:29
Wenn Sie viele Werte haben,
00:04:31
Es wird eine große Suppe von
00:04:33
und wir werden nicht in der Lage sein,
00:04:35
notwendigerweise unterscheiden.
00:04:36
Und denken Sie natürlich auch darüber nach,
00:04:38
Eine Legende für die Blasengröße.
00:04:41
Denn das
00:04:42
fängt an, viel hinzuzufügen
00:04:43
Informationen und potenziell
00:04:44
auch für die Größe der Blasen,
00:04:46
Zögern Sie nicht, Landungen zu machen,
00:04:48
Denn in der Regel gibt es diesen
00:04:50
und dieser,
00:04:50
Wir sehen nicht unbedingt zu viel von der
00:04:53
und doch gibt es
00:04:55
Warum also nicht sagen:
00:04:57
von 0 bis 100 €, wird es ein
00:04:59
kleine Blase, von 100 bis 200,
00:05:01
Das wäre eine durchschnittliche Blase und 200
00:05:04
Bei 300 wird es eine große Blase sein.
00:05:07
Und so ist es in der Tat,
00:05:08
in der Art der Daten, die
00:05:10
für diese Art von Diagramm verwenden,
00:05:12
Sie hätten zum Beispiel die Beziehung
00:05:14
zwischen den Kosten eines Produkts und
00:05:16
die realisierte Marge.
00:05:17
Da haben Sie es also,
00:05:18
Wir befinden uns so ziemlich in dieser Situation
00:05:20
Registrieren Sie sich dort und nach dem Typ
00:05:23
des Produkts, so dass es in der Regel
00:05:24
wir könnten Farben verwenden,
00:05:26
verschiedene Farben für
00:05:27
oder je nach Umsatz,
00:05:30
des erzielten Umsatzes
00:05:31
nun, es könnte die Größe sein
00:05:34
der Blase mit ziemlich plötzlich
00:05:36
ein Blasendiagramm.
00:05:38
Und jetzt werden wir trainieren, um sie zu erstellen.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
que eu acho que não são suficientes
00:00:03
usados em geral
00:00:05
na visualização de dados,
00:00:07
e mais particularmente no Excel,
00:00:08
Talvez seja porque é
00:00:10
um pouco menos visual,
00:00:12
pelo menos para a nuvem de pontos,
00:00:14
Então isso é tudo o que vai preocupar o
00:00:16
Evidência de relação entre
00:00:19
duas ou mais propriedades e também
00:00:21
ser capaz de realizar o potencial
00:00:23
valores um pouco extremos
00:00:26
ou pelo menos quem tira um pequeno
00:00:28
Pouco do lote em comparação com
00:00:31
a outros comentários.
00:00:32
O primeiro gráfico sobre o qual vamos falar,
00:00:35
Esta é a nuvem de pontos.
00:00:36
Então, como funciona?
00:00:39
Você vai conseguir o que nós
00:00:40
solicita comentários,
00:00:41
Então, basicamente
00:00:42
itens para que ele possa
00:00:44
ser uma lista de produtos,
00:00:46
Pode ser dias em
00:00:48
num determinado ano, et cetera,
00:00:50
e métricas, portanto, características
00:00:51
será associado a ele. Portanto
00:00:53
tipicamente para produtos, ele
00:00:54
pode ser o volume de negócios,
00:00:56
o peso do produto,
00:00:57
se estiver em um site
00:00:59
e-commerce, por exemplo,
00:01:00
Poderia estar tentando colocar em prática
00:01:02
Relação com o peso do produto
00:01:04
com custos de envio.
00:01:07
E assim, em relação a isso,
00:01:09
Então você vai ter... Comecemos por este caso,
00:01:12
Normalmente, teremos, por exemplo:
00:01:14
aqui o peso do produto em gramas,
00:01:17
Mas aqui, os custos de envio em euros.
00:01:19
Então vamos imaginar que temos esse produto lá,
00:01:22
Assim, cada ponto representa um
00:01:24
produzido e tipicamente este
00:01:25
que serão cerca de 155,
00:01:27
Sem essa
00:01:28
Vamos dizer isso, então 155 gramas
00:01:31
custará 2€ em custos de envio.
00:01:34
E este, que está em 190,
00:01:36
também custará 2€ em
00:01:37
navegação, et cetera, et cetera.
00:01:39
A partir daí,
00:01:40
Então vamos colocar todos os pontos
00:01:42
no nosso gráfico e assim pode
00:01:45
potencialmente rastrear um
00:01:46
padrão precisamente, um enredo em
00:01:49
O gráfico pode potencialmente
00:01:50
destacar uma correlação,
00:01:52
ou seja, vemos que mais um valor
00:01:54
este valor na abscissa aumenta e
00:01:57
Quanto menor o valor no eixo y.
00:01:59
É mais ou menos isso que está acontecendo aqui.
00:02:04
E outros casos,
00:02:05
Podemos destacar também
00:02:06
a ausência de correlação,
00:02:07
isto é, que não há nada desenhado,
00:02:09
Isto é
00:02:10
Não há
00:02:12
Correlação para baixo ou para cima
00:02:13
e nós só vamos ter
00:02:15
pontos que serão completamente
00:02:16
despachado para todo o lado e nesse caso
00:02:17
É também informação.
00:02:19
Também podemos dizer, mas são esses dois
00:02:20
elementos não estão ligados, bem
00:02:22
Ao testá-lo percebemos
00:02:24
que não e nós podemos potencialmente
00:02:26
também concluem as coisas.
00:02:28
Também pode tornar possível colocar em
00:02:29
diante das chamadas singularidades,
00:02:31
Então, normalmente há neste gráfico
00:02:33
Lá, pode-se dizer:
00:02:34
Bem, este ponto, é um pouco
00:02:36
extrema em comparação com outras,
00:02:37
Ele é realmente removido do
00:02:39
padrão lá da curva
00:02:40
que tenderíamos a
00:02:41
traçar aqui com o olho,
00:02:42
Então pode ser informação também,
00:02:44
Em si mesmo para dizer: em
00:02:45
Meu conjunto de dados, eu tenho um dos
00:02:47
valores que são um pouco extremos,
00:02:49
São os dados
00:02:50
bom e se eles são bons
00:02:51
O que aconteceu?
00:02:53
O que há de especial em
00:02:55
deste item?
00:02:57
Último elemento a ter em mente,
00:02:59
é que podemos adicionar categorias
00:03:00
em pontos através de cores,
00:03:02
Então, normalmente, aqui,
00:03:03
Como eu disse,
00:03:05
São produtos frescos
00:03:07
envio mais peso e em
00:03:08
poderia bastante adicionar um
00:03:10
cor que diria bem quando
00:03:12
o ponto é vermelho,
00:03:14
é alta tecnologia, quando o ponto é verde,
00:03:16
É joia e quando o
00:03:18
ponto é azul, estes são artigos de
00:03:20
desporto. E assim, a partir daí, nós
00:03:22
pode ter uma terceira informação
00:03:24
mais orientado para a categoria,
00:03:25
Então, não métrica
00:03:26
que poderia ser acrescentado.
00:03:28
O segundo gráfico vamos
00:03:30
Falar é muito próximo em termos de lógica,
00:03:33
é o gráfico de bolhas,
00:03:35
Então, a nuvem de bolha.
00:03:39
E por aqui,
00:03:40
Sempre vamos ter esse sistema
00:03:41
cruzando dois valores.
00:03:43
A propósito
00:03:44
São os mesmos dados que estão aqui
00:03:46
também. A única diferença,
00:03:48
é que nós, aí, vamos poder somar
00:03:50
neste gráfico de bolhas um terceiro valor numérico,
00:03:54
no gráfico,
00:03:55
que será do tamanho da bolha.
00:03:57
Então lá eu sempre tenho meu peso em gramas,
00:03:59
meu preço e de repente este tamanho,
00:04:01
Então pode potencialmente
00:04:03
ser o preço do produto tipicamente
00:04:05
e, portanto, quanto maior a bolha
00:04:07
e quanto mais o preço do produto for
00:04:09
alto. Então, a vantagem disso
00:04:11
Gráfico lá é que permite
00:04:13
para realmente ter três métricas
00:04:14
no mesmo gráfico; Seremos capazes de
00:04:16
mesmo potencialmente adicionar
00:04:17
O conceito de cor para
00:04:19
categorias como antes, mas ele
00:04:21
está começando a fazer muita coisa. Cuidadoso
00:04:22
não ter de fato
00:04:24
muitos valores porque visto
00:04:25
que lá as bolhas são mais
00:04:27
grandes como os pontos,
00:04:29
se você tem muitos valores,
00:04:31
Vai ser uma grande sopa de
00:04:33
pontos e não poderemos
00:04:35
necessariamente distingui-los.
00:04:36
E obviamente também pensar em adicionar
00:04:38
Uma lenda para o tamanho da bolha.
00:04:41
Porque isso
00:04:42
começa a agregar muito
00:04:43
informações e potencial
00:04:44
também para o tamanho das bolhas,
00:04:46
não hesite em fazer desembarques,
00:04:48
Porque normalmente entra este
00:04:50
e este,
00:04:50
Não vemos necessariamente muito do
00:04:53
diferença e ainda há
00:04:55
Um, então, por que não dizer:
00:04:57
de 0 a 100 €, será um
00:04:59
pequena bolha, de 100 a 200,
00:05:01
Seria uma bolha média e 200
00:05:04
Aos 300 será uma grande bolha.
00:05:07
E assim, de fato,
00:05:08
no tipo de dados que podem ser
00:05:10
usar para este tipo de gráfico,
00:05:12
Você teria, por exemplo, o relacionamento
00:05:14
entre o custo de um produto e
00:05:16
a margem realizada.
00:05:17
Então aí está,
00:05:18
Estamos praticamente nisso
00:05:20
cadastre-se lá e de acordo com o tipo
00:05:23
de produto, então normalmente não há
00:05:24
poderíamos usar cores,
00:05:26
cores diferentes para
00:05:27
pontos ou dependendo do volume de negócios,
00:05:30
do volume de negócios gerado
00:05:31
bem poderia ser o tamanho
00:05:34
da bolha com bastante subitamente
00:05:36
um gráfico de gráfico de bolhas.
00:05:38
E agora vamos treinar para criá-los.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
die volgens mij niet genoeg zijn
00:00:03
gebruikt in het algemeen
00:00:05
in datavisualisatie,
00:00:07
en meer in het bijzonder op Excel,
00:00:08
Misschien komt het omdat het
00:00:10
iets minder visueel,
00:00:12
althans voor de puntenwolk,
00:00:14
Dus dat is alles wat de
00:00:16
Bewijs van verband tussen
00:00:19
twee of meer eigenschappen en ook
00:00:21
in staat zijn om potentieel te realiseren
00:00:23
waarden die een beetje extreem zijn
00:00:26
of in ieder geval die een kleintje afsluiten
00:00:28
Weinig van de partij in vergelijking met
00:00:31
naar andere opmerkingen.
00:00:32
De eerste grafiek waar we het over gaan hebben,
00:00:35
Dit is de puntenwolk.
00:00:36
Dus hoe werkt het?
00:00:39
Je krijgt wat we krijgen
00:00:40
roept om commentaar,
00:00:41
Dus eigenlijk
00:00:42
items zodat het kan
00:00:44
een lijst van producten zijn,
00:00:46
Het kan dagen in
00:00:48
in een bepaald jaar, et cetera,
00:00:50
en metrics, dus kenmerken
00:00:51
zal ermee geassocieerd worden. Daarom
00:00:53
Typisch voor producten, IT
00:00:54
kan de omzet zijn,
00:00:56
het gewicht van het product,
00:00:57
als het op een site staat
00:00:59
e-commerce bijvoorbeeld,
00:01:00
Het zou kunnen zijn dat het probeert in te voeren
00:01:02
Verhouding tot het gewicht van het product
00:01:04
met verzendkosten.
00:01:07
En dus in verband daarmee,
00:01:09
Dus je gaat hebben... Laten we beginnen met deze zaak,
00:01:12
Meestal hebben we bijvoorbeeld
00:01:14
hier het gewicht van het product in grammen,
00:01:17
Maar hier, verzendkosten in euro's.
00:01:19
Dus laten we ons voorstellen dat we dit product daar hebben,
00:01:22
Elk punt vertegenwoordigt dus een
00:01:24
geproduceerd en meestal deze
00:01:25
dat zullen er ongeveer 155 zijn,
00:01:27
Kom nou
00:01:28
Dat gaan we zeggen, dus 155 gram
00:01:31
kost 2€ aan verzendkosten.
00:01:34
En deze, die op 190 staat,
00:01:36
kost ook 2 € in
00:01:37
verzending, et cetera, et cetera.
00:01:39
Daarvandaan
00:01:40
Dus we zullen alle punten op een rijtje zetten
00:01:42
op onze kaart en zo kan het
00:01:45
mogelijk een
00:01:46
patroon precies, een plot op
00:01:49
De grafiek kan potentieel
00:01:50
markeer een correlatie,
00:01:52
d.w.z. we zien dat meer een waarde
00:01:54
deze waarde op de abscis neemt toe en
00:01:57
Hoe lager de waarde op de y-as.
00:01:59
Dat is een beetje wat hier gebeurt.
00:02:04
En andere gevallen,
00:02:05
We kunnen ook benadrukken
00:02:06
de afwezigheid van correlatie,
00:02:07
dat wil zeggen dat er niets wordt getrokken,
00:02:09
dat wil zeggen
00:02:10
Er is geen
00:02:12
Neerwaartse of opwaartse correlatie
00:02:13
En we gaan gewoon hebben
00:02:15
punten die helemaal gaan worden
00:02:16
overal verzonden en in welk geval
00:02:17
Het is ook informatie.
00:02:19
We kunnen ook zeggen maar is deze twee
00:02:20
elementen zijn niet gekoppeld, tja
00:02:22
Door het te testen realiseren we ons
00:02:24
dat nee en dat kunnen we potentieel
00:02:26
Sluit ook dingen af.
00:02:28
Het kan het ook mogelijk maken om in te zetten
00:02:29
vóór zogenaamde singulariteiten,
00:02:31
Dus er meestal op deze grafiek
00:02:33
Daar zou je kunnen zeggen:
00:02:34
Nou dit punt, het is een beetje
00:02:36
extreem in vergelijking met anderen,
00:02:37
Het is echt verwijderd van de
00:02:39
standaard daar van de curve
00:02:40
dat we geneigd zouden zijn
00:02:41
traceer hier met het oog,
00:02:42
Het kan dus ook informatie zijn,
00:02:44
Op zich om te zeggen: in
00:02:45
Mijn dataset, ik heb een van de
00:02:47
waarden die een beetje extreem zijn,
00:02:49
Zijn de gegevens
00:02:50
goed en als ze goed zijn
00:02:51
Wat is er gebeurd?
00:02:53
Wat is er bijzonder aan
00:02:55
van dit item?
00:02:57
Laatste element om in gedachten te houden,
00:02:59
is dat we categorieën kunnen toevoegen
00:03:00
op stippen via kleuren,
00:03:02
Dus typisch hier,
00:03:03
Zoals ik al zei,
00:03:05
Dit zijn verse producten
00:03:07
Verzending plus gewicht en op
00:03:08
zou heel wat een
00:03:10
kleur die goed zou zeggen wanneer
00:03:12
de stip is rood,
00:03:14
het is hightech, als de stip groen is,
00:03:16
Het zijn sieraden en wanneer de
00:03:18
punt is blauw, dit zijn artikelen van
00:03:20
sport. En van daaruit hebben we
00:03:22
kan een derde stukje informatie hebben
00:03:24
meer categoriegericht,
00:03:25
Dus niet metrisch
00:03:26
die zou kunnen worden toegevoegd.
00:03:28
De tweede grafiek zullen we
00:03:30
Praten is heel dichtbij in termen van logica,
00:03:33
het is het bellendiagram,
00:03:35
De bubbelwolk dus.
00:03:39
En dus hier,
00:03:40
We zullen dit systeem altijd hebben
00:03:41
het kruisen van twee waarden.
00:03:43
Trouwens
00:03:44
Het zijn dezelfde gegevens die hier zijn
00:03:46
ook. Het enige verschil,
00:03:48
is dat wij, daar, we in staat zullen zijn om toe te voegen
00:03:50
op dit bellendiagram een derde numerieke waarde,
00:03:54
in de grafiek,
00:03:55
dat zal de grootte van de bubbel zijn.
00:03:57
Dus daar heb ik altijd mijn gewicht in grammen,
00:03:59
mijn prijs en ineens deze maat,
00:04:01
Het kan dus potentieel
00:04:03
de prijs van het product zijn
00:04:05
en dus hoe groter de bubbel
00:04:07
en hoe meer de prijs van het product zal zijn
00:04:09
hoog. Dus het voordeel hiervan
00:04:11
Grafiek daar is dat het toestaat
00:04:13
om daadwerkelijk drie statistieken te hebben
00:04:14
in dezelfde grafiek; We zullen in staat zijn om
00:04:16
zelfs potentieel toevoegen
00:04:17
Het concept van kleur voor
00:04:19
categorieën zoals voorheen, maar het
00:04:21
begint veel te doen. Voorzichtig
00:04:22
niet echt hebben
00:04:24
Te veel waarden omdat gezien
00:04:25
dat daar de bubbels meer zijn
00:04:27
groot als de punten,
00:04:29
als je veel waarden hebt,
00:04:31
Het wordt een grote soep van
00:04:33
punten en we zullen niet in staat zijn om
00:04:35
noodzakelijkerwijs onderscheid maken.
00:04:36
En denk natuurlijk ook aan het toevoegen
00:04:38
Een legende voor bubbelgrootte.
00:04:41
Want dat
00:04:42
begint veel toe te voegen
00:04:43
informatie en eventueel
00:04:44
ook voor de grootte van de bubbels,
00:04:46
aarzel niet om landingen te maken,
00:04:48
Omdat er meestal deze binnenkomt
00:04:50
en deze,
00:04:50
We zien niet per se te veel van de
00:04:53
verschil en toch zijn er
00:04:55
Een dus waarom niet zeggen:
00:04:57
van 0 tot 100 €, het zal een
00:04:59
kleine bubbel, van 100 tot 200,
00:05:01
Dat zou een gemiddelde bubbel zijn en 200
00:05:04
Bij 300 wordt het een grote bubbel.
00:05:07
En zo inderdaad,
00:05:08
in het type gegevens dat zou kunnen zijn
00:05:10
gebruik voor dit type grafiek,
00:05:12
Je zou bijvoorbeeld de relatie hebben
00:05:14
tussen de kosten van een product en
00:05:16
de marge gerealiseerd.
00:05:17
Dus daar heb je het,
00:05:18
We zitten hier zo'n beetje in
00:05:20
Registreer daar en volgens het type
00:05:23
van product, dus er zijn meestal
00:05:24
we konden kleuren gebruiken,
00:05:26
verschillende kleuren voor
00:05:27
punten of afhankelijk van de omzet,
00:05:30
van de gegenereerde omzet
00:05:31
nou ja, het zou de grootte kunnen zijn
00:05:34
van de bubbel met vrij plotseling
00:05:36
een bellendiagram.
00:05:38
En nu gaan we trainen om ze te maken.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
che secondo me non bastano
00:00:03
utilizzato in generale
00:00:05
nella visualizzazione dei dati,
00:00:07
e più in particolare su Excel,
00:00:08
Forse è perché è
00:00:10
un po 'meno visivo,
00:00:12
almeno per la nuvola di punti,
00:00:14
Quindi questo è tutto ciò che riguarderà il
00:00:16
Prova della relazione tra
00:00:19
due o più proprietà e anche
00:00:21
essere in grado di realizzare il potenziale
00:00:23
valori un po' estremi
00:00:26
o almeno chi tira fuori un piccolo
00:00:28
Poco del lotto rispetto a
00:00:31
ad altri commenti.
00:00:32
Il primo grafico di cui parleremo,
00:00:35
Questa è la nuvola di punti.
00:00:36
Quindi, come funziona?
00:00:39
Otterrai quello che noi
00:00:40
invita a presentare osservazioni,
00:00:41
Quindi fondamentalmente
00:00:42
articoli in modo che possa
00:00:44
essere un elenco di prodotti,
00:00:46
Può essere giorni in
00:00:48
in un dato anno, eccetera,
00:00:50
e metriche, quindi caratteristiche
00:00:51
sarà associato ad esso. Pertanto
00:00:53
tipicamente per i prodotti, IT
00:00:54
può essere il fatturato,
00:00:56
il peso del prodotto,
00:00:57
se si trova su un sito
00:00:59
e-commerce, ad esempio,
00:01:00
Potrebbe essere il tentativo di mettere in atto
00:01:02
Relazione con il peso del prodotto
00:01:04
con spese di spedizione.
00:01:07
E quindi, in relazione a questo,
00:01:09
Quindi avrai ... Iniziamo da questo caso,
00:01:12
In genere avremo ad esempio
00:01:14
qui il peso del prodotto in grammi,
00:01:17
Ma qui, i costi di spedizione in euro.
00:01:19
Quindi immaginiamo di avere questo prodotto lì,
00:01:22
Quindi ogni punto rappresenta un
00:01:24
prodotto e tipicamente questo
00:01:25
che saranno circa 155,
00:01:27
Dai
00:01:28
Lo diremo, quindi 155 grammi
00:01:31
avrà un costo di 2€ in spese di spedizione.
00:01:34
E questa, che è a 190,
00:01:36
costerà anche 2€ in
00:01:37
spedizione, eccetera, eccetera.
00:01:39
Quindi
00:01:40
Quindi metteremo tutti i punti
00:01:42
sul nostro grafico e così può
00:01:45
Potenzialmente traccia di un
00:01:46
modello appunto, una trama su
00:01:49
Il grafico può potenzialmente
00:01:50
evidenziare una correlazione,
00:01:52
cioè vediamo che più un valore
00:01:54
questo valore sulle ascisse aumenta e
00:01:57
Più basso è il valore sull'asse y.
00:01:59
Questo è un po' quello che sta succedendo qui.
00:02:04
E altri casi,
00:02:05
Possiamo anche evidenziare
00:02:06
l'assenza di correlazione,
00:02:07
vale a dire che non viene disegnato nulla,
00:02:09
Cioè
00:02:10
Non c'è
00:02:12
Correlazione verso il basso o verso l'alto
00:02:13
e avremo solo
00:02:15
punti che saranno completamente
00:02:16
spedito ovunque e nel qual caso
00:02:17
È anche informazione.
00:02:19
Possiamo anche dire ma sono questi due
00:02:20
gli elementi non sono collegati, bene
00:02:22
Testandolo ci rendiamo conto
00:02:24
che no e possiamo potenzialmente
00:02:26
anche concludere le cose.
00:02:28
Può anche consentire di mettere in
00:02:29
prima delle cosiddette singolarità,
00:02:31
Quindi in genere c'è su questo grafico
00:02:33
Lì, si potrebbe dire,
00:02:34
Bene, questo punto, è un po '
00:02:36
estremo rispetto ad altri,
00:02:37
È davvero rimosso dal
00:02:39
standard lì della curva
00:02:40
che tenderemmo a
00:02:41
traccia qui con l'occhio,
00:02:42
Quindi può essere anche informazione,
00:02:44
Di per sé dire: in
00:02:45
Il mio set di dati, ho uno dei
00:02:47
valori un po 'estremi,
00:02:49
Sono i dati
00:02:50
buono e se sono buoni
00:02:51
Cos'è successo?
00:02:53
Cosa c'è di speciale
00:02:55
di questo articolo?
00:02:57
Ultimo elemento da tenere a mente,
00:02:59
è che possiamo aggiungere categorie
00:03:00
sui punti tramite i colori,
00:03:02
Quindi tipicamente qui,
00:03:03
Come ho detto,
00:03:05
Questi sono prodotti freschi
00:03:07
spedizione più peso e via
00:03:08
potrebbe abbastanza aggiungere un
00:03:10
colore che direbbe bene quando
00:03:12
il punto è rosso,
00:03:14
è high tech, quando il punto è verde,
00:03:16
È gioielli e quando il
00:03:18
il punto è blu, questi sono articoli di
00:03:20
sport. E così da lì, noi
00:03:22
può avere una terza informazione
00:03:24
più orientato alle categorie,
00:03:25
Quindi, non metrica
00:03:26
che potrebbe essere aggiunto.
00:03:28
Il secondo grafico lo faremo
00:03:30
Parlare è molto vicino in termini di logica,
00:03:33
è il grafico a bolle,
00:03:35
Quindi la nuvola di bolle.
00:03:39
E così qui,
00:03:40
Avremo sempre questo sistema
00:03:41
incrociando due valori.
00:03:43
A proposito
00:03:44
Sono gli stessi dati che sono qui
00:03:46
anche. L'unica differenza,
00:03:48
è che noi, lì, saremo in grado di aggiungere
00:03:50
su questo grafico a bolle un terzo valore numerico,
00:03:54
nel grafico,
00:03:55
che sarà la dimensione della bolla.
00:03:57
Quindi lì ho sempre il mio peso in grammi,
00:03:59
il mio prezzo e improvvisamente questa dimensione,
00:04:01
Quindi può potenzialmente
00:04:03
essere il prezzo del prodotto tipicamente
00:04:05
e quindi più grande è la bolla
00:04:07
e più il prezzo del prodotto sarà
00:04:09
alto. Quindi il vantaggio di questo
00:04:11
Grafico c'è che permette
00:04:13
per avere effettivamente tre metriche
00:04:14
nello stesso grafico; Saremo in grado di
00:04:16
anche potenzialmente aggiungere
00:04:17
Il concetto di colore per
00:04:19
categorie come prima ma
00:04:21
sta iniziando a fare molto. Attento
00:04:22
non avendo effettivamente
00:04:24
troppi valori perché visti
00:04:25
che lì le bolle sono più
00:04:27
grandi come i punti,
00:04:29
se hai molti valori,
00:04:31
Sarà una grande zuppa di
00:04:33
punti e non saremo in grado di
00:04:35
necessariamente distinguerli.
00:04:36
E ovviamente pensa anche ad aggiungere
00:04:38
Una legenda per le dimensioni delle bolle.
00:04:41
Perché questo
00:04:42
inizia ad aggiungere molto
00:04:43
informazioni e potenzialmente
00:04:44
anche per la dimensione delle bolle,
00:04:46
non esitate a fare sbarchi,
00:04:48
Perché in genere entra questo
00:04:50
e questa,
00:04:50
Non vediamo necessariamente troppo del
00:04:53
differenza eppure ci sono
00:04:55
Uno quindi perché non dire:
00:04:57
da 0 a 100 €, sarà un
00:04:59
piccola bolla, da 100 a 200,
00:05:01
Sarebbe una bolla media e 200
00:05:04
A 300 sarà una grande bolla.
00:05:07
E così, in effetti,
00:05:08
nel tipo di dati che potrebbero essere
00:05:10
utilizzare per questo tipo di grafico,
00:05:12
Avresti ad esempio la relazione
00:05:14
tra il costo di un prodotto e
00:05:16
il margine realizzato.
00:05:17
Quindi il gioco è fatto,
00:05:18
Siamo praticamente in questo
00:05:20
Registrati lì e secondo il tipo
00:05:23
di prodotto, quindi c'è in genere
00:05:24
potremmo usare i colori,
00:05:26
colori diversi per
00:05:27
punti o a seconda del fatturato,
00:05:30
del fatturato generato
00:05:31
beh, potrebbe essere la dimensione
00:05:34
della bolla con piuttosto improvvisamente
00:05:36
un grafico a bolle.
00:05:38
E ora ci alleneremo per crearli.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
التي أعتقد أنها ليست كافية
00:00:03
تستخدم بشكل عام
00:00:05
في تصور البيانات ،
00:00:07
وبشكل أكثر تحديدا على Excel ،
00:00:08
ربما لأنه
00:00:10
أقل بصرية قليلا ،
00:00:12
على الأقل بالنسبة للسحابة النقطية ،
00:00:14
لذلك هذا كل ما يهم
00:00:16
دليل على العلاقة بين
00:00:19
اثنين أو أكثر من الخصائص وأيضا
00:00:21
تكون قادرة على تحقيق الإمكانات
00:00:23
القيم المتطرفة قليلا
00:00:26
أو على الأقل الذين يخرجون صغيرة
00:00:28
القليل من الكثير مقارنة ب
00:00:31
إلى تعليقات أخرى.
00:00:32
التمثيل البياني الأول الذي سنتحدث عنه،
00:00:35
هذه هي سحابة النقاط.
00:00:36
فكيف يعمل؟
00:00:39
ستحصل على ما نحن
00:00:40
يدعو للتعليق،
00:00:41
لذلك في الأساس
00:00:42
العناصر حتى تتمكن من
00:00:44
تكون قائمة من المنتجات ،
00:00:46
يمكن أن يكون أياما في
00:00:48
في سنة معينة ، وما إلى ذلك ،
00:00:50
والمقاييس ، وبالتالي الخصائص
00:00:51
سوف ترتبط به. لذلك
00:00:53
عادة بالنسبة للمنتجات ، فإنه
00:00:54
يمكن أن يكون دوران ،
00:00:56
وزن المنتج ،
00:00:57
إذا كان على موقع
00:00:59
التجارة الإلكترونية على سبيل المثال ،
00:01:00
يمكن أن يكون يحاول وضع في مكانه
00:01:02
العلاقة بوزن المنتج
00:01:04
مع تكاليف الشحن.
00:01:07
وهكذا فيما يتعلق بذلك ،
00:01:09
لذلك سيكون لديك ... لنبدأ في هذه الحالة ،
00:01:12
عادة سيكون لدينا على سبيل المثال
00:01:14
هنا وزن المنتج بالجرام ،
00:01:17
ولكن هنا ، تكاليف الشحن باليورو.
00:01:19
لذلك دعونا نتخيل أن لدينا هذا المنتج هناك ،
00:01:22
إذن، كل نقطة تمثل
00:01:24
أنتجت وعادة هذا واحد
00:01:25
والتي ستكون حوالي 155 ،
00:01:27
هيا
00:01:28
سنقول ذلك، إذن 155 جراما
00:01:31
سيكلف 2 يورو في تكاليف الشحن.
00:01:34
وهذا ، وهو في 190 ،
00:01:36
سيكلف أيضا 2 يورو في
00:01:37
الشحن ، وما إلى ذلك ، وما إلى ذلك.
00:01:39
من هناك،
00:01:40
لذلك سنضع كل النقاط
00:01:42
على الرسم البياني الخاص بنا وهكذا يمكن
00:01:45
يحتمل تتبع أ
00:01:46
نمط على وجه التحديد ، مؤامرة على
00:01:49
يمكن أن يكون الرسم البياني
00:01:50
تسليط الضوء على الارتباط ،
00:01:52
أي أننا نرى أن أكثر قيمة
00:01:54
تزداد هذه القيمة على الإحداثيات و
00:01:57
كلما انخفضت القيمة على المحور ص.
00:01:59
هذا نوع ما يحدث هنا.
00:02:04
وحالات أخرى،
00:02:05
يمكننا أيضا تسليط الضوء على
00:02:06
عدم وجود ارتباط ،
00:02:07
وهذا يعني أنه لا يوجد شيء يتم رسمه ،
00:02:09
إنه
00:02:10
لا يوجد
00:02:12
ارتباط هبوطي أو تصاعدي
00:02:13
وسنحصل فقط على
00:02:15
النقاط التي ستكون كاملة
00:02:16
إرسالها في كل مكان وفي هذه الحالة
00:02:17
إنها أيضا معلومات.
00:02:19
يمكننا أن نقول أيضا ولكن هل هذان هما
00:02:20
العناصر غير مرتبطة ، حسنا
00:02:22
من خلال اختباره ندرك
00:02:24
هذا لا ويمكننا أن يحتمل
00:02:26
أيضا اختتام الأشياء.
00:02:28
يمكن أن يجعل من الممكن أيضا وضعه
00:02:29
قبل ما يسمى التفردات ،
00:02:31
لذلك عادة ما يكون هناك على هذا الرسم البياني
00:02:33
هناك ، يمكن للمرء أن يقول ،
00:02:34
حسنا هذه النقطة ، إنها قليلة
00:02:36
المتطرفة مقارنة بالآخرين ،
00:02:37
يتم إزالته حقا من
00:02:39
معيار هناك من المنحنى
00:02:40
التي نميل إليها
00:02:41
تتبع هنا بالعين ،
00:02:42
لذلك يمكن أن تكون معلومات أيضا ،
00:02:44
في حد ذاته أن أقول: في
00:02:45
مجموعة البيانات الخاصة بي ، لدي واحدة من
00:02:47
القيم المتطرفة بعض الشيء ،
00:02:49
هي البيانات
00:02:50
جيد وإذا كانت جيدة
00:02:51
ماذا حدث؟
00:02:53
ما الذي يميز
00:02:55
من هذا البند؟
00:02:57
العنصر الأخير الذي يجب أخذه في الاعتبار ،
00:02:59
هو أنه يمكننا إضافة فئات
00:03:00
على النقاط عبر الألوان ،
00:03:02
لذلك عادة هنا ،
00:03:03
كما قلت،
00:03:05
هذه منتجات طازجة
00:03:07
الشحن بالإضافة إلى الوزن وما بعده
00:03:08
يمكن أن تضيف تماما
00:03:10
اللون الذي من شأنه أن يقول جيدا عندما
00:03:12
النقطة حمراء ،
00:03:14
إنها تقنية عالية ، عندما تكون النقطة خضراء ،
00:03:16
انها المجوهرات وعندما
00:03:18
النقطة زرقاء ، هذه مقالات من
00:03:20
رياضة. ومن هناك ، نحن
00:03:22
قد يكون لديه معلومة ثالثة
00:03:24
أكثر توجها نحو الفئة ،
00:03:25
لذلك ، ليس متري
00:03:26
التي يمكن إضافتها.
00:03:28
الرسم البياني الثاني سنقوم به
00:03:30
الحديث قريب جدا من حيث المنطق ،
00:03:33
إنه مخطط الفقاعات ،
00:03:35
لذا فإن سحابة الفقاعة.
00:03:39
وهكذا هنا،
00:03:40
سيكون لدينا دائما هذا النظام
00:03:41
عبور قيمتين.
00:03:43
بالمناسبة
00:03:44
إنها نفس البيانات الموجودة هنا
00:03:46
أيضًا. الفرق الوحيد ،
00:03:48
هو أننا ، هناك ، سنكون قادرين على إضافة
00:03:50
على هذا المخطط الفقاعي قيمة عددية ثالثة ،
00:03:54
في التمثيل البياني،
00:03:55
الذي سيكون حجم الفقاعة.
00:03:57
لذلك هناك دائما وزني بالجرام ،
00:03:59
سعري وفجأة هذا الحجم ،
00:04:01
لذلك يمكن أن يحتمل
00:04:03
يكون سعر المنتج عادة
00:04:05
وبالتالي كلما كبرت الفقاعة
00:04:07
وكلما زاد سعر المنتج
00:04:09
عال. لذا فإن ميزة هذا
00:04:11
الرسم البياني هناك أنه يسمح
00:04:13
أن يكون لديك بالفعل ثلاثة مقاييس
00:04:14
في نفس الرسم البياني ؛ سنكون قادرين على
00:04:16
حتى يحتمل إضافة
00:04:17
مفهوم اللون ل
00:04:19
الفئات كما كان من قبل ولكن ذلك
00:04:21
بدأت تفعل الكثير. ورع
00:04:22
عدم وجود في الواقع
00:04:24
الكثير من القيم بسبب المشاهدة
00:04:25
أن هناك فقاعات أكثر
00:04:27
كبيرة مثل النقاط ،
00:04:29
إذا كان لديك الكثير من القيم ،
00:04:31
سيكون حساء كبير من
00:04:33
نقاط ولن نتمكن من ذلك
00:04:35
تميزهم بالضرورة.
00:04:36
ومن الواضح أيضا التفكير في إضافة
00:04:38
أسطورة لحجم الفقاعة.
00:04:41
لأن ذلك
00:04:42
يبدأ في إضافة الكثير
00:04:43
المعلومات والمحتملة
00:04:44
أيضا لحجم الفقاعات ،
00:04:46
لا تتردد في الهبوط ،
00:04:48
لأن هناك عادة يدخل هذا واحد
00:04:50
وهذا واحد،
00:04:50
نحن لا نرى بالضرورة الكثير من
00:04:53
الفرق ومع ذلك هناك
00:04:55
فلماذا لا نقول:
00:04:57
من 0 إلى 100 يورو ، سيكون ملف
00:04:59
فقاعة صغيرة ، من 100 إلى 200 ،
00:05:01
سيكون ذلك فقاعة متوسطة و 200
00:05:04
في 300 ستكون فقاعة كبيرة.
00:05:07
وهكذا بالفعل،
00:05:08
في نوع البيانات التي يمكن أن تكون
00:05:10
استخدام لهذا النوع من الرسوم البيانية ،
00:05:12
سيكون لديك على سبيل المثال العلاقة
00:05:14
بين تكلفة المنتج و
00:05:16
الهامش المحقق.
00:05:17
لذلك هناك لديك ،
00:05:18
نحن إلى حد كبير في هذا
00:05:20
سجل هناك وحسب النوع
00:05:23
من المنتج ، لذلك عادة ما يكون هناك
00:05:24
يمكننا استخدام الألوان ،
00:05:26
ألوان مختلفة ل
00:05:27
نقاط أو اعتمادا على دوران ،
00:05:30
من معدل الدوران المتولد
00:05:31
حسنا ، يمكن أن يكون الحجم
00:05:34
من الفقاعة مع فجأة إلى حد ما
00:05:36
(أ) مخطط بياني فقاعي.
00:05:38
والآن سنتدرب على إنشائها.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
ki bence yeterli değil
00:00:03
genel olarak kullanılır
00:00:05
veri görselleştirmede,
00:00:07
ve özellikle Excel'de,
00:00:08
Belki de bunun nedeni
00:00:10
biraz daha az görsel,
00:00:12
en azından nokta bulutu için,
00:00:14
Yani ilgilenecek olan tek şey bu
00:00:16
Aralarındaki ilişkinin kanıtı
00:00:19
iki veya daha fazla özellik ve ayrıca
00:00:21
Potansiyeli gerçekleştirebilme
00:00:23
biraz aşırı olan değerler
00:00:26
ya da en azından küçük bir tane çıkaran
00:00:28
Ile karşılaştırıldığında çok az
00:00:31
diğer yorumlara.
00:00:32
Bahsedeceğimiz ilk grafik,
00:00:35
Bu nokta bulutudur.
00:00:36
Peki nasıl çalışıyor?
00:00:39
Bizim aldığımızı sen alacaksın
00:00:40
yorum çağrıları,
00:00:41
Yani temelde
00:00:42
öğeleri böylece yapabilir
00:00:44
ürün listesi olmak,
00:00:46
İçinde günler olabilir
00:00:48
belirli bir yılda, vb.
00:00:50
ve metrikler, dolayısıyla özellikler
00:00:51
onunla ilişkilendirilecektir. Bu yüzden
00:00:53
tipik olarak ürünler için,
00:00:54
ciro olabilir,
00:00:56
ürünün ağırlığı,
00:00:57
bir sitedeyse
00:00:59
Örneğin e-ticaret,
00:01:00
Yerine koymaya çalışıyor olabilir
00:01:02
Ürünün ağırlığı ile ilişkisi
00:01:04
nakliye masrafları ile.
00:01:07
Ve bununla ilgili olarak,
00:01:09
Yani sahip olacaksınız ... Bu davadan başlayalım,
00:01:12
Tipik olarak, örneğin;
00:01:14
burada ürünün gram cinsinden ağırlığı,
00:01:17
ama burada, Euro cinsinden nakliye maliyetleri.
00:01:19
Öyleyse orada bu ürüne sahip olduğumuzu düşünelim,
00:01:22
Yani her nokta bir
00:01:24
üretilen ve tipik olarak bu
00:01:25
155 civarında olacak,
00:01:27
Hadi
00:01:28
Bunu söyleyeceğiz, yani 155 gram
00:01:31
nakliye masraflarında 2 € 'ya mal olacak.
00:01:34
Ve 190'da olan bu,
00:01:36
Ayrıca 2 € 'ya mal olacak
00:01:37
nakliye, vb.
00:01:39
Oradan,
00:01:40
Bu yüzden tüm noktaları koyacağız
00:01:42
grafiğimizde ve böylece olabilir
00:01:45
potansiyel olarak bir
00:01:46
desen tam olarak, üzerinde bir arsa
00:01:49
Grafik potansiyel olarak
00:01:50
bir korelasyonu vurgulamak,
00:01:52
yani daha çok bir değer olduğunu görüyoruz
00:01:54
apsisteki bu değer artar ve
00:01:57
Y eksenindeki değer ne kadar düşükse.
00:01:59
Burada olan şey budur.
00:02:04
Ve diğer durumlarda,
00:02:05
Ayrıca şunu da vurgulayabiliriz
00:02:06
korelasyon yokluğu,
00:02:07
yani hiçbir şey çizilmemiş,
00:02:09
Yani
00:02:10
Yoktur
00:02:12
Aşağı veya yukarı korelasyon
00:02:13
ve biz sadece sahip olacağız
00:02:15
tamamen olacak noktalar
00:02:16
her yere gönderilir ve bu durumda
00:02:17
Aynı zamanda bilgidir.
00:02:19
Diyebiliriz ama bu ikisi
00:02:20
elemanlar birbirine bağlı değil, iyi
00:02:22
Test ederek fark ederiz
00:02:24
Bu hayır ve potansiyel olarak yapabiliriz
00:02:26
ayrıca bazı şeyleri sonuçlandırır.
00:02:28
Ayrıca koymayı da mümkün kılabilir.
00:02:29
sözde tekilliklerden önce,
00:02:31
Yani tipik olarak bu grafikte var
00:02:33
Orada, denilebilir ki,
00:02:34
Peki bu nokta, biraz
00:02:36
diğerlerine göre aşırı,
00:02:37
Gerçekten kaldırıldı
00:02:39
eğrinin orada standardı
00:02:40
eğilim göstereceğimiz
00:02:41
burada gözle iz,
00:02:42
Yani bilgi de olabilir,
00:02:44
Kendi içinde söylemek gerekirse: içinde
00:02:45
Veri kümemde,
00:02:47
biraz aşırı olan değerler,
00:02:49
Veriler mi?
00:02:50
iyi ve eğer iyilerse
00:02:51
Ne oldu?
00:02:53
Özel olan nedir?
00:02:55
Bu öğenin?
00:02:57
Akılda tutulması gereken son unsur,
00:02:59
kategori ekleyebilmemizdir
00:03:00
renkler aracılığıyla noktalar üzerinde,
00:03:02
Yani tipik olarak burada,
00:03:03
Dediğim gibi,
00:03:05
Bunlar taze ürünler
00:03:07
nakliye artı ağırlık ve üzerinde
00:03:08
oldukça bir ekleyebilir
00:03:10
Ne zaman iyi diyeceği renk
00:03:12
nokta kırmızı,
00:03:14
nokta yeşil olduğunda, yüksek teknolojidir,
00:03:16
Bu mücevher ve ne zaman
00:03:18
nokta mavidir, bunlar makaleler
00:03:20
spor. Ve böylece oradan, biz
00:03:22
üçüncü bir bilgiye sahip olabilir
00:03:24
daha kategori odaklı,
00:03:25
Yani, metrik değil
00:03:26
eklenebilir.
00:03:28
İkinci grafikte yapacağız
00:03:30
Konuşmak mantık açısından çok yakındır,
00:03:33
bu Kabarcık grafiği,
00:03:35
Yani kabarcık bulutu.
00:03:39
Ve işte burada,
00:03:40
Her zaman bu sisteme sahip olacağız
00:03:41
iki değeri geçmek.
00:03:43
Bu arada
00:03:44
Burada bulunan aynı veridir
00:03:46
de. Tek fark,
00:03:48
biz, orada, ekleyebileceğimiz
00:03:50
Bu Kabarcık grafiğinde üçüncü bir sayısal değer,
00:03:54
grafikte,
00:03:55
bu balonun büyüklüğü olacak.
00:03:57
Bu yüzden orada her zaman gram cinsinden ağırlığım var,
00:03:59
benim fiyatım ve aniden bu boyutta,
00:04:01
Yani potansiyel olarak
00:04:03
tipik olarak ürünün fiyatı olmalıdır
00:04:05
ve bu nedenle baloncuk ne kadar büyükse
00:04:07
ve ürünün fiyatı ne kadar fazla olursa o kadar fazla olacaktır
00:04:09
yüksek. Yani bunun avantajı
00:04:11
Grafik orada izin veriyor
00:04:13
aslında üç metriğe sahip olmak
00:04:14
aynı grafikte; Şunları yapabileceğiz:
00:04:16
hatta potansiyel olarak eklemek
00:04:17
Renk kavramı
00:04:19
kategoriler daha önce olduğu gibi ama o
00:04:21
çok şey yapmaya başlıyor. Dikkatli
00:04:22
aslında sahip olmamak
00:04:24
çok fazla değer görüldüğü için
00:04:25
orada kabarcıklar daha fazla
00:04:27
puanlar kadar büyük,
00:04:29
Çok fazla değeriniz varsa,
00:04:31
Büyük bir çorba olacak
00:04:33
puan ve biz yapamayacağız
00:04:35
mutlaka onları ayırt edin.
00:04:36
Ve açıkçası eklemeyi de düşünün
00:04:38
Kabarcık boyutu için bir gösterge.
00:04:41
Çünkü bu
00:04:42
çok şey eklemeye başlar
00:04:43
bilgi ve potansiyel olarak
00:04:44
ayrıca kabarcıkların büyüklüğü için,
00:04:46
iniş yapmaktan çekinmeyin,
00:04:48
Çünkü tipik olarak buna girer
00:04:50
ve bu,
00:04:50
Mutlaka çok fazla görmüyoruz
00:04:53
fark ve yine de var
00:04:55
Öyleyse neden söylemiyorsunuz:
00:04:57
0 ila 100 € arasında, bir
00:04:59
100 ila 200 arasında küçük kabarcık,
00:05:01
Bu ortalama bir baloncuk ve 200 olurdu
00:05:04
300'de büyük bir balon olacak.
00:05:07
Ve gerçekten de,
00:05:08
olabilecek veri türünde
00:05:10
bu grafik türü için kullanın,
00:05:12
Örneğin, ilişkiye sahip olursunuz
00:05:14
Bir ürünün maliyeti ile
00:05:16
marj gerçekleşti.
00:05:17
İşte burada,
00:05:18
Biz hemen hemen bu işin içindeyiz
00:05:20
oraya ve türüne göre kayıt olun
00:05:23
ürününün, yani tipik olarak orada
00:05:24
renkleri kullanabiliriz,
00:05:26
için farklı renkler
00:05:27
puan veya ciroya bağlı olarak,
00:05:30
üretilen cironun
00:05:31
iyi boyut olabilir
00:05:34
aniden kabarcık ile
00:05:36
Kabarcık grafiği grafiği.
00:05:38
Ve şimdi onları yaratmak için eğitim alacağız.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
które moim zdaniem nie wystarczą
00:00:03
używane ogólnie
00:00:05
w wizualizacji danych,
00:00:07
a w szczególności w programie Excel,
00:00:08
Może dlatego, że tak jest
00:00:10
trochę mniej wizualny,
00:00:12
przynajmniej dla chmury punktów,
00:00:14
To wszystko, co będzie dotyczyło
00:00:16
Dowody na związek między
00:00:19
dwie lub więcej właściwości, a także
00:00:21
być w stanie wykorzystać potencjał
00:00:23
wartości, które są trochę ekstremalne
00:00:26
A przynajmniej którzy wyjmują mały
00:00:28
Niewiele z partii w porównaniu do
00:00:31
do innych komentarzy.
00:00:32
Pierwszy wykres, o którym będziemy mówić,
00:00:35
To jest chmura punktów.
00:00:36
Jak to działa?
00:00:39
Dostaniesz to, co my
00:00:40
wzywa do zgłaszania uwag,
00:00:41
Więc w zasadzie
00:00:42
przedmiotów, aby mógł
00:00:44
być listą produktów,
00:00:46
To może być kilka dni w
00:00:48
w danym roku i tak dalej,
00:00:50
i metryki, a zatem cechy charakterystyczne
00:00:51
będzie z nim powiązany. Więc
00:00:53
Typowo dla produktów, IT
00:00:54
może być obrotem,
00:00:56
wagę produktu,
00:00:57
Jeśli znajduje się na stronie
00:00:59
na przykład handel elektroniczny,
00:01:00
Może to być próba wprowadzenia
00:01:02
Stosunek do masy produktu
00:01:04
z kosztami wysyłki.
00:01:07
A więc w związku z tym,
00:01:09
Więc będziesz miał... Zacznijmy od tej sprawy,
00:01:12
Zazwyczaj będziemy mieli na przykład
00:01:14
tutaj waga produktu w gramach,
00:01:17
Ale tutaj koszty wysyłki w euro.
00:01:19
Wyobraźmy sobie więc, że mamy tam ten produkt,
00:01:22
Tak więc każdy punkt reprezentuje
00:01:24
wyprodukowany i typowo ten
00:01:25
która będzie około 155,
00:01:27
Daj spokój
00:01:28
Powiemy tak, więc 155 gramów
00:01:31
będzie kosztować 2 € w kosztach wysyłki.
00:01:34
A ten, który jest na 190,
00:01:36
będzie również kosztować 2 € w
00:01:37
Żegluga, et cetera, et cetera.
00:01:39
Stamtąd
00:01:40
Więc przedstawimy wszystkie punkty
00:01:42
na naszym wykresie i tak może
00:01:45
potencjalnie śledzić
00:01:46
wzór precyzyjnie, wykres na
00:01:49
Wykres może potencjalnie
00:01:50
podkreśl korelację,
00:01:52
tzn. widzimy, że bardziej wartość
00:01:54
ta wartość odciętych wzrasta i
00:01:57
Im niższa wartość na osi y.
00:01:59
To właśnie dzieje się tutaj.
00:02:04
I inne przypadki,
00:02:05
Możemy również wyróżnić
00:02:06
brak korelacji,
00:02:07
to znaczy, że nic nie jest narysowane,
00:02:09
Czyli
00:02:10
Nie ma
00:02:12
Korelacja w dół lub w górę
00:02:13
i po prostu będziemy mieli
00:02:15
punkty, które będą całkowicie
00:02:16
wysyłane wszędzie i w takim przypadku
00:02:17
To także informacja.
00:02:19
Możemy też powiedzieć, ale czy te dwa
00:02:20
Elementy nie są połączone, no cóż
00:02:22
Testując go, realizujemy
00:02:24
że nie i możemy potencjalnie
00:02:26
Również podsumowuj rzeczy.
00:02:28
Może również umożliwić wprowadzenie
00:02:29
przed tak zwanymi osobliwościami,
00:02:31
Więc zazwyczaj na tym wykresie
00:02:33
Tam można powiedzieć:
00:02:34
Cóż, ten punkt, to jest trochę
00:02:36
ekstremalne w porównaniu do innych,
00:02:37
To jest naprawdę usunięte z
00:02:39
standard tam krzywej
00:02:40
że będziemy dążyć do
00:02:41
ślad tutaj okiem,
00:02:42
Więc może to być również informacja,
00:02:44
Sam w sobie powiedzieć: w
00:02:45
Mój zestaw danych, mam jeden z
00:02:47
wartości, które są nieco ekstremalne,
00:02:49
Czy dane
00:02:50
dobre i jeśli są dobre
00:02:51
Co się stało?
00:02:53
Co jest specjalnego
00:02:55
tego przedmiotu?
00:02:57
Ostatni element, o którym należy pamiętać,
00:02:59
jest to, że możemy dodawać kategorie
00:03:00
na kropkach za pomocą kolorów,
00:03:02
Więc typowo tutaj,
00:03:03
Jak już powiedziałem,
00:03:05
Są to świeże produkty
00:03:07
Wysyłka plus waga i na
00:03:08
mógłby całkiem dodać
00:03:10
kolor, który powiedziałby dobrze, kiedy
00:03:12
kropka jest czerwona,
00:03:14
to zaawansowana technologia, gdy kropka jest zielona,
00:03:16
To biżuteria, a kiedy
00:03:18
kropka jest niebieska, są to artykuły
00:03:20
sport. I tak stamtąd
00:03:22
może mieć trzecią informację;
00:03:24
bardziej zorientowane na kategorię,
00:03:25
A więc nie metryka
00:03:26
które można dodać.
00:03:28
Drugi wykres będziemy
00:03:30
Rozmowa jest bardzo bliska pod względem logiki,
00:03:33
to wykres bąbelkowy,
00:03:35
A więc chmura bąbelkowa.
00:03:39
I tak tutaj,
00:03:40
Zawsze będziemy mieć ten system
00:03:41
przekroczenie dwóch wartości.
00:03:43
Przy okazji
00:03:44
To te same dane, które są tutaj
00:03:46
też. Jedyna różnica,
00:03:48
jest to, że my, tam, będziemy mogli dodać
00:03:50
na tym wykresie bąbelkowym trzecia wartość liczbowa,
00:03:54
na wykresie,
00:03:55
który będzie wielkości bańki.
00:03:57
Więc tam zawsze mam swoją wagę w gramach,
00:03:59
moja cena i nagle ten rozmiar,
00:04:01
Więc może potencjalnie
00:04:03
być ceną produktu typowo
00:04:05
a zatem im większa bańka
00:04:07
i tym bardziej cena produktu będzie
00:04:09
wysoki. Więc zaleta tego
00:04:11
Wykres jest taki, że pozwala
00:04:13
mieć trzy metryki
00:04:14
na tym samym wykresie; Będziemy mogli
00:04:16
nawet potencjalnie dodać
00:04:17
Pojęcie koloru dla
00:04:19
kategorie jak poprzednio, ale to
00:04:21
zaczyna dużo robić. Ostrożny
00:04:22
nie mając
00:04:24
Zbyt wiele wartości, ponieważ widziany
00:04:25
że tam bąbelków jest więcej
00:04:27
duże jak punkty,
00:04:29
jeśli masz wiele wartości,
00:04:31
To będzie wielka zupa
00:04:33
punktów i nie będziemy w stanie
00:04:35
koniecznie je odróżnić.
00:04:36
I oczywiście pomyśl też o dodaniu
00:04:38
Legenda o rozmiarze bąbelków.
00:04:41
Bo to
00:04:42
zaczyna dużo dodawać
00:04:43
informacje i potencjalne
00:04:44
również dla wielkości pęcherzyków,
00:04:46
nie wahaj się lądować,
00:04:48
Bo tam zazwyczaj wchodzi ten
00:04:50
i ten,
00:04:50
Niekoniecznie widzimy zbyt wiele z
00:04:53
różnica, a jednak są
00:04:55
Dlaczego więc nie powiedzieć:
00:04:57
od 0 do 100 €, będzie to
00:04:59
mała bańka, od 100 do 200,
00:05:01
To byłaby średnia bańka i 200
00:05:04
Na 300 będzie to wielka bańka.
00:05:07
I rzeczywiście,
00:05:08
w typie danych, które mogą być
00:05:10
wykorzystanie do tego typu wykresu,
00:05:12
Miałbyś na przykład związek
00:05:14
między kosztem produktu a
00:05:16
marża zrealizowana.
00:05:17
Tak więc masz to,
00:05:18
Jesteśmy w tym prawie w tym
00:05:20
zarejestrować się tam i zgodnie z typem
00:05:23
produktu, więc zazwyczaj
00:05:24
moglibyśmy użyć kolorów,
00:05:26
różne kolory dla
00:05:27
punktów lub w zależności od obrotu,
00:05:30
wygenerowanego obrotu
00:05:31
Cóż, może to być rozmiar
00:05:34
bańki z dość nagle
00:05:36
wykres bąbelkowy.
00:05:38
A teraz będziemy trenować, aby je stworzyć.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
जो मुझे लगता है कि पर्याप्त नहीं हैं
00:00:03
सामान्य रूप से उपयोग किया जाता है
00:00:05
डेटा विज़ुअलाइज़ेशन में,
00:00:07
और विशेष रूप से एक्सेल पर,
00:00:08
शायद ऐसा इसलिए है क्योंकि यह है
00:00:10
थोड़ा कम दृश्य,
00:00:12
कम से कम बिंदु बादल के लिए,
00:00:14
तो यही वह सब है जो चिंता का विषय बनने जा रहा है
00:00:16
दोनों के बीच संबंधों के प्रमाण
00:00:19
दो या दो से अधिक गुण और यह भी
00:00:21
क्षमता का एहसास करने में सक्षम होना
00:00:23
मूल्य जो थोड़ा चरम हैं
00:00:26
या कम से कम जो एक छोटा सा निकालते हैं
00:00:28
इसकी तुलना में बहुत कम
00:00:31
अन्य टिप्पणियों के लिए.
00:00:32
पहला ग्राफ जिसके बारे में हम बात करने जा रहे हैं,
00:00:35
यह बिंदु बादल है।
00:00:36
तो यह कैसे काम करता है?
00:00:39
आपको वह मिलेगा जो हम प्राप्त करेंगे
00:00:40
टिप्पणियों के लिए कॉल,
00:00:41
तो मूल रूप से
00:00:42
आइटम ताकि यह कर सके
00:00:44
उत्पादों की एक सूची बनें,
00:00:46
यह दिन हो सकता है
00:00:48
किसी दिए गए वर्ष में, वगैरह,
00:00:50
और मैट्रिक्स, इसलिए विशेषताएं
00:00:51
इसके साथ जुड़े रहेंगे। इसलिए
00:00:53
आमतौर पर उत्पादों के लिए, यह
00:00:54
टर्नओवर हो सकता है,
00:00:56
उत्पाद का वजन,
00:00:57
अगर यह किसी साइट पर है
00:00:59
उदाहरण के लिए, ई-कॉमर्स,
00:01:00
यह जगह बनाने की कोशिश की जा सकती है
00:01:02
उत्पाद के वजन से संबंध
00:01:04
शिपिंग लागत के साथ।
00:01:07
और इसलिए उस संबंध में,
00:01:09
तो आप ऐसा करने जा रहे हैं ... चलो इस मामले पर शुरू करते हैं,
00:01:12
आमतौर पर हमारे पास उदाहरण के लिए होगा
00:01:14
यहां ग्राम में उत्पाद का वजन,
00:01:17
लेकिन यहां, यूरो में शिपिंग लागत।
00:01:19
तो चलो कल्पना करते हैं कि हमारे पास यह उत्पाद है,
00:01:22
तो प्रत्येक बिंदु एक का प्रतिनिधित्व करता है
00:01:24
उत्पादित और आमतौर पर यह एक
00:01:25
जो लगभग 155 होगा,
00:01:27
चलो भी
00:01:28
हम ऐसा कहने जा रहे हैं, इसलिए 155 ग्राम
00:01:31
शिपिंग लागत में 2 € खर्च होगा।
00:01:34
और यह, जो 190 पर है,
00:01:36
इसकी कीमत भी 2 € होगी
00:01:37
शिपिंग, एट सीटेरा, वगैरह।
00:01:39
वहाँ से
00:01:40
इसलिए हम सभी बिंदु रखेंगे।
00:01:42
हमारे चार्ट पर और इसलिए यह कर सकता है
00:01:45
संभावित रूप से एक का पता लगाएं
00:01:46
पैटर्न ठीक है, एक प्लॉट पर
00:01:49
ग्राफ संभावित रूप से हो सकता है
00:01:50
एक सहसंबंध को उजागर करें,
00:01:52
यानी हम देखते हैं कि अधिक मूल्य
00:01:54
एब्सिसा पर यह मान बढ़ जाता है और
00:01:57
y-अक्ष पर मान उतना ही कम होगा।
00:01:59
यहां ऐसा ही हो रहा है।
00:02:04
और अन्य मामलों में,
00:02:05
हम भी हाइलाइट कर सकते हैं
00:02:06
सहसंबंध की अनुपस्थिति,
00:02:07
कहने का मतलब यह है कि कुछ भी तैयार नहीं किया गया है,
00:02:09
यह है
00:02:10
कोई नहीं है
00:02:12
नीचे या ऊपर की ओर सहसंबंध
00:02:13
और हम बस होने जा रहे हैं
00:02:15
बिंदु जो पूरी तरह से होने जा रहे हैं
00:02:16
हर जगह और किस मामले में भेजा गया
00:02:17
यह भी जानकारी है।
00:02:19
हम यह भी कह सकते हैं लेकिन क्या ये दो हैं?
00:02:20
तत्व जुड़े नहीं हैं, अच्छी तरह से
00:02:22
इसका परीक्षण करके हम महसूस करते हैं
00:02:24
कि नहीं और हम संभावित रूप से कर सकते हैं
00:02:26
चीजों का निष्कर्ष भी निकालें।
00:02:28
यह भी डालना संभव बना सकता है
00:02:29
तथाकथित विलक्षणताओं से पहले,
00:02:31
तो आमतौर पर इस चार्ट पर
00:02:33
वहां, कोई कह सकता है,
00:02:34
खैर यह बात, यह थोड़ा सा है
00:02:36
दूसरों की तुलना में चरम,
00:02:37
यह वास्तव में इससे हटा दिया गया है
00:02:39
वक्र का मानक
00:02:40
कि हम ऐसा करेंगे
00:02:41
आंखों से यहां पता लगाएं,
00:02:42
तो यह जानकारी भी हो सकती है,
00:02:44
अपने आप में कहने के लिए:
00:02:45
मेरा डेटासेट, मेरे पास उनमें से एक है
00:02:47
मूल्य जो थोड़ा चरम है,
00:02:49
क्या डेटा है?
00:02:50
अच्छा है और अगर वे अच्छे हैं
00:02:51
क्या हुआ?
00:02:53
क्या है खास
00:02:55
इस आइटम के बारे में?
00:02:57
ध्यान रखने के लिए अंतिम तत्व,
00:02:59
यह है कि हम श्रेणियां जोड़ सकते हैं
00:03:00
रंगों के माध्यम से डॉट्स पर,
00:03:02
तो आमतौर पर यहाँ,
00:03:03
जैसा कि मैंने कहा,
00:03:05
ये ताजा उत्पाद हैं
00:03:07
शिपिंग प्लस वजन और पर
00:03:08
काफी हद तक एक जोड़ सकता है
00:03:10
रंग जो अच्छा कहेगा जब
00:03:12
बिंदु लाल है,
00:03:14
यह उच्च तकनीक है, जब बिंदु हरा है,
00:03:16
यह गहने हैं और कब
00:03:18
डॉट नीला है, ये किसके लेख हैं?
00:03:20
खेल। और इसलिए वहां से, हम
00:03:22
जानकारी का तीसरा टुकड़ा हो सकता है
00:03:24
अधिक श्रेणी-उन्मुख,
00:03:25
तो, मीट्रिक नहीं
00:03:26
जिसे जोड़ा जा सकता है।
00:03:28
दूसरा ग्राफ हम करेंगे
00:03:30
तर्क के मामले में बात करना बहुत करीब है,
00:03:33
यह बुलबुला चार्ट है,
00:03:35
तो बुलबुला बादल।
00:03:39
और इसलिए यहाँ,
00:03:40
हमारे पास हमेशा यह प्रणाली होगी।
00:03:41
दो मूल्यों को पार करना।
00:03:43
वैसे तो
00:03:44
यह वही डेटा है जो यहां है
00:03:46
भी। एकमात्र अंतर,
00:03:48
यह है कि हम, वहां, हम जोड़ने में सक्षम होंगे
00:03:50
इस बबल चार्ट पर एक तीसरा संख्यात्मक मान,
00:03:54
ग्राफ में,
00:03:55
जो बुलबुले का आकार होगा।
00:03:57
तो वहां मेरा वजन हमेशा ग्राम में होता है,
00:03:59
मेरी कीमत और अचानक यह आकार,
00:04:01
तो यह संभावित रूप से कर सकता है
00:04:03
आम तौर पर उत्पाद की कीमत होनी चाहिए
00:04:05
और इसलिए बुलबुला जितना बड़ा होगा
00:04:07
और उत्पाद की कीमत जितनी अधिक होगी
00:04:09
उच्च। तो इसका फायदा
00:04:11
ग्राफ वहां है कि यह अनुमति देता है
00:04:13
वास्तव में तीन मैट्रिक्स हैं
00:04:14
एक ही चार्ट में; हम कर पाएंगे
00:04:16
यहां तक कि संभावित रूप से जोड़ें
00:04:17
रंग की अवधारणा
00:04:19
पहले की तरह श्रेणियां लेकिन यह
00:04:21
बहुत कुछ करना शुरू कर दिया है। सावधान
00:04:22
वास्तव में नहीं है
00:04:24
बहुत सारे मूल्य क्योंकि देखा गया
00:04:25
कि वहां बुलबुले अधिक हैं
00:04:27
बिंदुओं के रूप में बड़ा,
00:04:29
यदि आपके पास बहुत सारे मूल्य हैं,
00:04:31
यह एक बड़ा सूप होने जा रहा है
00:04:33
अंक और हम नहीं कर पाएंगे
00:04:35
आवश्यक रूप से उन्हें अलग करें।
00:04:36
और जाहिर है कि जोड़ने के बारे में भी सोचें
00:04:38
बुलबुला आकार के लिए एक किंवदंती।
00:04:41
क्योंकि वह
00:04:42
बहुत कुछ जोड़ना शुरू कर देता है
00:04:43
जानकारी और संभावित रूप से
00:04:44
बुलबुले के आकार के लिए भी,
00:04:46
लैंडिंग करने में संकोच न करें,
00:04:48
क्योंकि वहाँ आम तौर पर इस एक में प्रवेश करता है
00:04:50
और यह एक,
00:04:50
जरूरी नहीं कि हम बहुत अधिक देखें।
00:04:53
अंतर और फिर भी वहाँ हैं
00:04:55
तो क्यों न कहें:
00:04:57
0 से 100 €तक, यह एक होगा
00:04:59
छोटा बुलबुला, 100 से 200 तक,
00:05:01
यह एक औसत बुलबुला और 200 होगा
00:05:04
300 पर यह एक बड़ा बुलबुला होगा।
00:05:07
और वास्तव में,
00:05:08
डेटा के प्रकार में जो हो सकता है
00:05:10
इस प्रकार के चार्ट के लिए उपयोग करें,
00:05:12
उदाहरण के लिए आपके पास संबंध होगा
00:05:14
एक उत्पाद की लागत के बीच और
00:05:16
मार्जिन का एहसास हुआ।
00:05:17
तो वहाँ तुम्हारे पास है,
00:05:18
हम इसमें काफी हद तक हैं
00:05:20
वहां रजिस्टर करें और प्रकार के अनुसार
00:05:23
उत्पाद की संख्या, इसलिए आमतौर पर
00:05:24
हम रंगों का उपयोग कर सकते हैं,
00:05:26
के लिए अलग-अलग रंग
00:05:27
अंक या टर्नओवर के आधार पर,
00:05:30
उत्पन्न कारोबार की संख्या
00:05:31
खैर यह आकार हो सकता है
00:05:34
बुलबुले को अचानक से बदलना
00:05:36
एक बुलबुला चार्ट चार्ट.
00:05:38
और अब हम उन्हें बनाने के लिए प्रशिक्षित करने जा रहे हैं।

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
yang menurut saya tidak cukup
00:00:03
digunakan secara umum
00:00:05
dalam visualisasi data,
00:00:07
dan lebih khusus lagi di Excel,
00:00:08
Mungkin karena itu
00:00:10
sedikit kurang visual,
00:00:12
setidaknya untuk point cloud,
00:00:14
Jadi hanya itu yang akan menjadi perhatian
00:00:16
Bukti hubungan antara
00:00:19
dua atau lebih properti dan juga
00:00:21
mampu mewujudkan potensi
00:00:23
Nilai yang sedikit ekstrim
00:00:26
atau setidaknya yang mengambil kecil
00:00:28
Sedikit dari banyak dibandingkan dengan
00:00:31
ke komentar lainnya.
00:00:32
Grafik pertama yang akan kita bicarakan,
00:00:35
Ini adalah point cloud.
00:00:36
Jadi bagaimana cara kerjanya?
00:00:39
Anda akan mendapatkan apa yang kami dapatkan
00:00:40
panggilan untuk komentar,
00:00:41
Jadi pada dasarnya
00:00:42
item sehingga bisa
00:00:44
menjadi daftar produk,
00:00:46
Ini bisa berhari-hari
00:00:48
pada tahun tertentu, dan sebagainya,
00:00:50
dan metrik, oleh karena itu karakteristik
00:00:51
akan dikaitkan dengannya. Jadi
00:00:53
Biasanya untuk produk, itu
00:00:54
bisa menjadi omset,
00:00:56
berat produk,
00:00:57
Jika ada di situs
00:00:59
e-commerce misalnya,
00:01:00
Itu bisa mencoba untuk menempatkan di tempat
00:01:02
Hubungan dengan berat produk
00:01:04
dengan biaya pengiriman.
00:01:07
Dan sehubungan dengan itu,
00:01:09
Jadi Anda akan memiliki... Mari kita mulai dari kasus ini,
00:01:12
Biasanya kita akan memiliki, misalnya:
00:01:14
di sini berat produk dalam gram,
00:01:17
Tapi di sini, biaya pengiriman dalam euro.
00:01:19
Jadi mari kita bayangkan bahwa kita memiliki produk ini di sana,
00:01:22
Jadi setiap titik mewakili a
00:01:24
diproduksi dan biasanya yang ini
00:01:25
yang akan menjadi sekitar 155,
00:01:27
Ayolah
00:01:28
Kami akan mengatakan itu, jadi 155 gram
00:01:31
akan dikenakan biaya 2 € dalam biaya pengiriman.
00:01:34
Dan yang ini, yaitu pada 190,
00:01:36
juga akan dikenakan biaya 2 € di
00:01:37
pengiriman, dan sebagainya, dan sebagainya.
00:01:39
Dari sana,
00:01:40
Jadi kami akan menempatkan semua poin
00:01:42
di bagan kami dan karenanya dapat
00:01:45
berpotensi melacak
00:01:46
pola tepatnya, plot pada
00:01:49
Grafik berpotensi
00:01:50
sorot korelasi,
00:01:52
yaitu kita melihat bahwa lebih banyak nilai
00:01:54
Nilai ini pada absis meningkat dan
00:01:57
Semakin rendah nilai pada sumbu y.
00:01:59
Itulah yang terjadi di sini.
00:02:04
Dan kasus lainnya,
00:02:05
Kami juga dapat menyoroti
00:02:06
tidak adanya korelasi,
00:02:07
artinya tidak ada yang ditarik,
00:02:09
Yaitu
00:02:10
Tidak ada
00:02:12
Korelasi ke bawah atau ke atas
00:02:13
Dan kita hanya akan memiliki
00:02:15
poin yang akan sepenuhnya
00:02:16
dikirim ke mana-mana dan dalam hal apa
00:02:17
Itu juga informasi.
00:02:19
Kita juga dapat mengatakan tetapi apakah keduanya
00:02:20
elemen tidak terhubung, yah
00:02:22
Dengan mengujinya kita menyadari:
00:02:24
bahwa tidak dan kita bisa berpotensi
00:02:26
Juga menyimpulkan banyak hal.
00:02:28
Itu juga dapat memungkinkan untuk dimasukkan
00:02:29
sebelum apa yang disebut singularitas,
00:02:31
Jadi biasanya ada di bagan ini
00:02:33
Di sana, bisa dikatakan,
00:02:34
Nah poin ini, sedikit
00:02:36
ekstrim dibandingkan dengan yang lain,
00:02:37
Itu benar-benar dihapus dari
00:02:39
standar di sana dari kurva
00:02:40
bahwa kita akan cenderung
00:02:41
lacak di sini dengan mata,
00:02:42
Jadi bisa informasi juga,
00:02:44
Dalam dirinya sendiri untuk mengatakan: dalam
00:02:45
Himpunan data saya, saya memiliki salah satu
00:02:47
nilai yang agak ekstrim,
00:02:49
Apakah datanya
00:02:50
baik dan jika mereka baik
00:02:51
Apa yang terjadi?
00:02:53
Apa yang spesial dari
00:02:55
dari item ini?
00:02:57
Elemen terakhir yang perlu diingat,
00:02:59
adalah kita dapat menambahkan kategori
00:03:00
pada titik-titik melalui warna,
00:03:02
Jadi biasanya di sini,
00:03:03
Seperti yang saya katakan,
00:03:05
Ini adalah produk segar
00:03:07
pengiriman plus berat dan seterusnya
00:03:08
cukup bisa menambahkan
00:03:10
warna yang akan mengatakan dengan baik ketika
00:03:12
titiknya merah,
00:03:14
itu berteknologi tinggi, ketika titik berwarna hijau,
00:03:16
Ini perhiasan dan ketika
00:03:18
titik berwarna biru, ini adalah artikel dari
00:03:20
olahraga. Dan dari sana, kami
00:03:22
mungkin memiliki informasi ketiga
00:03:24
lebih berorientasi kategori,
00:03:25
Jadi, bukan metrik
00:03:26
yang bisa ditambahkan.
00:03:28
Grafik kedua kita akan
00:03:30
Berbicara sangat dekat dalam hal logika,
00:03:33
itu adalah bagan Gelembung,
00:03:35
Jadi awan gelembung.
00:03:39
Dan di sini,
00:03:40
Kami akan selalu memiliki sistem ini
00:03:41
melintasi dua nilai.
00:03:43
Omong-omong
00:03:44
Ini adalah data yang sama yang ada di sini
00:03:46
juga. Satu-satunya perbedaan,
00:03:48
adalah bahwa kita, di sana, kita akan dapat menambahkan
00:03:50
pada bagan Gelembung ini nilai numerik ketiga,
00:03:54
dalam grafik,
00:03:55
yang akan menjadi ukuran gelembung.
00:03:57
Jadi di sana saya selalu memiliki berat badan saya dalam gram,
00:03:59
harga saya dan tiba-tiba ukuran ini,
00:04:01
Sehingga berpotensi
00:04:03
menjadi harga produk biasanya
00:04:05
dan karena itu semakin besar gelembungnya
00:04:07
Dan semakin banyak harga produk
00:04:09
tinggi. Jadi keuntungan dari ini
00:04:11
Grafik ada yang memungkinkan
00:04:13
untuk benar-benar memiliki tiga metrik
00:04:14
dalam bagan yang sama; Kami akan dapat
00:04:16
bahkan berpotensi menambah
00:04:17
Konsep warna untuk
00:04:19
kategori seperti sebelumnya tetapi itu
00:04:21
mulai melakukan banyak hal. Cermat
00:04:22
tidak benar-benar memiliki
00:04:24
Terlalu banyak nilai karena dilihat
00:04:25
bahwa di sana gelembungnya lebih banyak
00:04:27
sebesar poinnya,
00:04:29
jika Anda memiliki banyak nilai,
00:04:31
Ini akan menjadi sup besar
00:04:33
poin dan kami tidak akan bisa
00:04:35
tentu membedakan mereka.
00:04:36
Dan jelas juga berpikir untuk menambahkan
00:04:38
Legenda untuk ukuran gelembung.
00:04:41
Karena itu
00:04:42
mulai menambahkan banyak
00:04:43
informasi dan potensi
00:04:44
juga untuk ukuran gelembung,
00:04:46
jangan ragu untuk melakukan pendaratan,
00:04:48
Karena di sana biasanya masuk yang satu ini
00:04:50
dan yang ini,
00:04:50
Kita tidak perlu melihat terlalu banyak
00:04:53
perbedaan namun ada
00:04:55
Satu jadi mengapa tidak mengatakan:
00:04:57
dari 0 hingga 100 €, itu akan menjadi
00:04:59
gelembung kecil, dari 100 hingga 200,
00:05:01
Itu akan menjadi gelembung rata-rata dan 200
00:05:04
Pada 300 itu akan menjadi gelembung besar.
00:05:07
Dan memang,
00:05:08
dalam jenis data yang bisa
00:05:10
gunakan untuk jenis bagan ini,
00:05:12
Anda akan memiliki, misalnya, hubungan;
00:05:14
antara biaya suatu produk dan
00:05:16
margin terwujud.
00:05:17
Jadi begitulah,
00:05:18
Kami cukup banyak dalam hal ini
00:05:20
Daftar di sana dan sesuai dengan jenisnya
00:05:23
produk, jadi biasanya ada
00:05:24
kita bisa menggunakan warna,
00:05:26
warna berbeda untuk
00:05:27
poin atau tergantung pada omset,
00:05:30
dari omset yang dihasilkan
00:05:31
yah bisa jadi ukurannya
00:05:34
gelembung dengan agak tiba-tiba
00:05:36
bagan Bagan gelembung.
00:05:38
Dan sekarang kita akan berlatih untuk membuatnya.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

résultat(s)
00:00:01
que eu acho que não são suficientes
00:00:03
Geralmente usado
00:00:05
na visualização de dados,
00:00:07
e mais especificamente no Excel,
00:00:08
Talvez seja porque é
00:00:10
um pouco menos visual,
00:00:12
pelo menos para a nuvem de pontos,
00:00:14
Então isso é tudo o que vai ter a ver com o
00:00:16
Evidência da relação entre
00:00:19
duas ou mais propriedades e também de
00:00:21
para ser capaz de ver o potencial
00:00:23
valores um pouco extremos
00:00:26
ou pelo menos que saiam um pouco
00:00:28
pouco do lote em comparação com
00:00:31
a outras observações.
00:00:32
O primeiro gráfico sobre o qual vamos falar,
00:00:35
Este é o gráfico de dispersão.
00:00:36
Então, como funciona?
00:00:39
Você vai conseguir o que temos
00:00:40
solicita comentários,
00:00:41
Então, basicamente,
00:00:42
itens para que possa
00:00:44
ser uma lista de produtos,
00:00:46
Pode ser dias de manhã.
00:00:48
num determinado ano, et cetera,
00:00:50
e métricas, portanto, características
00:00:51
estará associado a ele. Por conseguinte,
00:00:53
tipicamente para produtos,
00:00:54
pode ser volume de negócios,
00:00:56
o peso do produto,
00:00:57
se estiver em um site
00:00:59
comércio eletrónico, por exemplo,
00:01:00
Poderia estar a tentar pôr em prática
00:01:02
Relação com o peso do produto
00:01:04
com custos de envio.
00:01:07
E assim, em relação a isso,
00:01:09
Então você vai ter... Comecemos por este caso,
00:01:12
Normalmente, vamos ter, por exemplo,
00:01:14
aqui o peso do produto em gramas,
00:01:17
Mas aqui, os custos de envio em euros.
00:01:19
Então vamos imaginar que temos esse produto lá,
00:01:22
Assim, cada ponto representa um
00:01:24
e tipicamente este
00:01:25
que vai ser em torno de 155,
00:01:27
Vá lá
00:01:28
Digamos que, então 155 gramas
00:01:31
vai custar 2 € em envio.
00:01:34
E este, que está em 190,
00:01:36
também vai custar 2 € em
00:01:37
custos de envio, et cetera, et cetera.
00:01:39
A partir daí,
00:01:40
Então vamos colocar todos os pontos
00:01:42
no nosso gráfico e assim pode
00:01:45
potencialmente rastreie um
00:01:46
padrão, um gráfico em
00:01:49
o gráfico, ele pode potencialmente
00:01:50
destacar uma correlação,
00:01:52
ou seja, vemos que quanto mais um valor
00:01:54
Este valor do eixo x aumenta e
00:01:57
quanto menor pode ser o valor y.
00:01:59
Isso é um pouco o que está acontecendo aqui.
00:02:04
E outros casos,
00:02:05
Podemos também destacar
00:02:06
a ausência de correlação,
00:02:07
ou seja, nada é desenhado,
00:02:09
ou seja,
00:02:10
Não existe
00:02:12
Correlação descendente ou ascendente
00:02:13
E nós vamos ter
00:02:15
pontos que vão ser completamente
00:02:16
expedidos para todo o lado e em que caso
00:02:17
É também informação.
00:02:19
Também podemos dizer a nós mesmos, mas são estes dois
00:02:20
elementos não estão relacionados, bem
00:02:22
Quando você testa, você percebe
00:02:24
e podemos potencialmente
00:02:26
também para concluir as coisas a partir dele.
00:02:28
Também pode ser utilizado para
00:02:29
diante do que se chama singularidades,
00:02:31
Então, normalmente há neste gráfico
00:02:33
Lá, poderíamos dizer a nós mesmos:
00:02:34
Bem, este ponto, é um pouco
00:02:36
extremo em comparação com outros,
00:02:37
Está realmente fora do caminho
00:02:39
Padrão lá da curva
00:02:40
que tenderíamos a
00:02:41
Trace aqui com o olho,
00:02:42
Então pode ser informação também,
00:02:44
em si mesmo dizer: em
00:02:45
meu conjunto de dados, eu tenho um dos
00:02:47
valores um pouco extremos,
00:02:49
São os dados
00:02:50
bom e se eles são bons
00:02:51
O que aconteceu?
00:02:53
O que há de tão especial nisso?
00:02:55
deste item?
00:02:57
Última coisa a ter em mente,
00:02:59
é que podemos adicionar categorias
00:03:00
nos pontos através de cores,
00:03:02
Então, tipicamente aqui,
00:03:03
Como eu estava dizendo,
00:03:05
Estes são produtos com fresco
00:03:07
envio mais peso e em
00:03:08
poderia muito bem adicionar um
00:03:10
cor que iria e diria bem quando
00:03:12
o ponto é vermelho,
00:03:14
É alta tecnologia, quando o ponto está verde,
00:03:16
É joalharia e quando o
00:03:18
ponto é azul, estes são itens de
00:03:20
desporto. E assim, a partir daí, nós
00:03:22
pode ter uma terceira informação
00:03:24
mais orientada para as categorias,
00:03:25
como resultado, e não métrico
00:03:26
isso poderia ser acrescentado.
00:03:28
O segundo gráfico que vamos fazer
00:03:30
Falar é muito semelhante em termos de lógica,
00:03:33
é o gráfico de bolhas,
00:03:35
Portanto, a nuvem de bolhas.
00:03:39
E assim aqui,
00:03:40
Teremos sempre este sistema
00:03:41
cruzando dois valores.
00:03:43
A propósito
00:03:44
São os mesmos dados que estão aqui
00:03:46
também. A única diferença é que
00:03:48
é que nós, lá, seremos capazes de acrescentar
00:03:50
neste gráfico de bolhas um terceiro valor numérico,
00:03:54
No gráfico,
00:03:55
qual será o tamanho da bolha.
00:03:57
Então agora eu ainda tenho meu peso em gramas,
00:03:59
meu preço e, portanto, este tamanho,
00:04:01
Portanto, pode potencialmente
00:04:03
ser o preço do produto tipicamente
00:04:05
e, portanto, maior a bolha
00:04:07
e quanto maior for o preço do produto
00:04:09
alto. Portanto, a vantagem disso
00:04:11
gráfico é que lhe permite
00:04:13
para realmente ter três métricas
00:04:14
no mesmo gráfico; Seremos capazes de:
00:04:16
mesmo potencialmente adicionar
00:04:17
A noção de cor para
00:04:19
categorias como antes, mas
00:04:21
está começando a fazer muito. Cuidado
00:04:22
não ser realmente
00:04:24
Demasiados valores porque vistos
00:04:25
que lá as bolhas são mais
00:04:27
tão grande quanto os pontos,
00:04:29
Se você tem muitos valores,
00:04:31
Vai ser uma grande sopa de
00:04:33
pontos e não conseguiremos mais fazê-lo
00:04:35
Claro que têm de ser distinguidos.
00:04:36
E, claro, não se esqueça de adicionar
00:04:38
Uma lenda para o tamanho das bolhas.
00:04:41
Porque é isso que
00:04:42
começa a adicionar muito
00:04:43
informação e potencialmente
00:04:44
também para o tamanho das bolhas,
00:04:46
Não hesite em dar passos,
00:04:48
porque normalmente há entre este
00:04:50
e este,
00:04:50
Não vemos necessariamente muito do
00:04:53
diferença e, no entanto, existem
00:04:55
Então, por que não dizer a si mesmo:
00:04:57
de 0€ a 100€, será um
00:04:59
pequena bolha, de 100 a 200,
00:05:01
Isso seria uma bolha média e 200
00:05:04
Aos 300 será uma grande bolha.
00:05:07
E assim, de fato,
00:05:08
no tipo de dados que podem ser
00:05:10
uso para este tipo de gráfico,
00:05:12
Por exemplo, você teria o relacionamento
00:05:14
entre o custo de um produto e
00:05:16
a margem alcançada.
00:05:17
Aí está,
00:05:18
Estamos praticamente nisto
00:05:20
registro e dependendo do tipo
00:05:23
produto, então normalmente há
00:05:24
nós poderíamos usar cores,
00:05:26
cores diferentes para
00:05:27
pontos ou em função do volume de negócios,
00:05:30
das receitas geradas pelo
00:05:31
Bem, poderia ser o tamanho
00:05:34
da bolha com um pouco de um golpe
00:05:36
um gráfico de bolhas.
00:05:38
E agora vamos praticar a sua criação.

Il n’existe aucun élément correspondant à votre recherche dans cette vidéo...
Effectuez une autre recherche ou retournez au contenu !

 

Mandarine AI: CE QUI POURRAIT VOUS INTÉRESSER

LES COURS ASSOCIÉS Ce tutoriel fait partie des cours suivants

Abonnés
2579 vues
E-learning Avancé

Formation Vidéo Microsoft Excel – Avancée

Grâces à nos tutoriels « avancés », découvrez et maitrisez le plein potentiel d’Excel grâce à l’utilisation de fonctions complexes, aux macr...

Cours E-learning
TOUS LES COURS

Une erreur est survenue

Impossible de sauvegarder votre progression. Veuillez recharger la page, vous connecter, et essayer de nouveau. Si le problème persiste, merci de contacter un administrateur.

Fermer

Rappel

Afficher

/

Acceder à la session