Excel - Les aires Vidéo

Découvrez comment créer et personnaliser des graphiques d'aires dans Microsoft 365 en utilisant des données réelles.
Cette vidéo présente les étapes clés pour ajouter des aires, personnaliser les axes et les étiquettes de données, et choisir la bonne visualisation en fonction de vos données.
Obtenez des conseils pratiques pour afficher clairement les données chronologiques et les proportions pour mieux comprendre l'évolution de vos chiffres d'affaires, trafic mensuel ou courbes épidémiologiques.
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 d'aires professionnels et mieux comprendre vos données.

05:40
583 vues

Objectifs :

L'objectif de cette vidéo est d'explorer l'utilisation des graphiques à aires pour visualiser des données cumulées, en mettant l'accent sur la comparaison entre plusieurs catégories, notamment dans le contexte de l'évolution des cas de COVID-19 par pays. La vidéo vise à démontrer comment les graphiques à aires empilées peuvent offrir une meilleure compréhension des tendances et des contributions relatives de chaque pays au total.

Chapitres :

Introduction aux Graphiques à Aires
Dans cette section, nous allons examiner les graphiques à aires, qui permettent d'obtenir une vue cumulée des données. Ces graphiques sont particulièrement utiles lorsque l'on souhaite visualiser les contributions de différentes catégories sur une période donnée.
Affichage des Aires Simples
Nous commençons par les aires simples. Cependant, un problème se pose : les aires se superposent, rendant difficile la visualisation des données de chaque pays. Par exemple, si l'Espagne recouvre les données des autres pays, cela complique l'interprétation des résultats.
Utilisation des Aires Empilées
Pour résoudre ce problème, nous allons utiliser des aires empilées. Ce type de graphique permet de visualiser les données cumulées de chaque pays, en montrant clairement l'évolution des cas. Par exemple, en observant les données pour la France, l'Allemagne, l'Italie et l'Espagne, nous pouvons voir comment chaque pays contribue au total au fil du temps.
Analyse des Données par Pays
En utilisant les aires empilées, nous pouvons analyser les tendances. Par exemple, nous remarquons que l'Italie a connu une augmentation significative des cas à partir d'une certaine date, tandis que l'Espagne a également montré une forte augmentation. Ces graphiques permettent de visualiser les moments où chaque pays a commencé à enregistrer des cas, offrant ainsi une perspective claire sur l'évolution de la pandémie.
Comparaison des Aires Empilées et Simples
Les aires empilées sont plus informatives que les aires simples, car elles montrent non seulement les valeurs brutes, mais aussi la part de chaque pays par rapport au total. Cela permet de mieux comprendre la dynamique des cas de COVID-19 en Europe, en mettant en lumière les contributions relatives de chaque pays.
Conclusion
En conclusion, les graphiques à aires, en particulier les aires empilées, sont des outils puissants pour visualiser des données cumulées. Ils permettent d'analyser les tendances et de comprendre les contributions de chaque catégorie, ce qui est essentiel pour une interprétation précise des données, notamment dans le contexte de la pandémie de COVID-19.

FAQ :

Qu'est-ce qu'un graphique à aires?

Un graphique à aires est une représentation graphique qui utilise des surfaces colorées pour montrer des valeurs cumulées sur une période. Il permet de visualiser les contributions de différentes catégories.

Comment utiliser les aires empilées dans une analyse de données?

Les aires empilées permettent de visualiser la contribution de chaque catégorie au total. Elles sont utiles pour comprendre comment les différentes catégories évoluent dans le temps et se comparent les unes aux autres.

Quelle est la différence entre les aires empilées et les aires empilées 100?

Les aires empilées montrent les valeurs absolues cumulées, tandis que les aires empilées 100 montrent la part relative de chaque catégorie par rapport au total, normalisé à 100%.

Pourquoi est-il important de visualiser les données cumulées?

La visualisation des données cumulées permet d'identifier les tendances globales et les contributions de chaque catégorie, facilitant ainsi la prise de décision basée sur des données.

Comment les aires empilées peuvent-elles aider à analyser les données COVID-19?

Les aires empilées permettent de visualiser l'évolution des cas de COVID-19 par pays, montrant comment chaque pays contribue au total des cas au fil du temps.

Quelques cas d'usages :

Analyse des tendances de vente par région

Utiliser des graphiques à aires empilées pour visualiser les ventes cumulées par région sur plusieurs mois, permettant d'identifier les régions les plus performantes et les tendances saisonnières.

Suivi de l'évolution des cas de COVID-19

Appliquer des aires empilées pour représenter le nombre de cas de COVID-19 par pays, facilitant la compréhension de l'évolution de la pandémie et des contributions relatives de chaque pays.

Visualisation des performances des produits

Utiliser des graphiques à aires pour montrer la part de marché de différents produits au fil du temps, permettant aux équipes marketing de prendre des décisions éclairées sur les stratégies de vente.

Analyse des dépenses par catégorie

Mettre en place des aires empilées pour visualiser les dépenses cumulées par catégorie (marketing, opérations, etc.) sur une période donnée, aidant à identifier les domaines nécessitant des ajustements budgétaires.

Évaluation des performances des campagnes publicitaires

Utiliser des graphiques à aires pour comparer l'impact de différentes campagnes publicitaires sur les ventes, permettant d'identifier les campagnes les plus efficaces.

Glossaire :

Aires

Représentation graphique des données sous forme de surfaces colorées, permettant de visualiser des valeurs cumulées sur une période donnée.

Aires empilées

Type de graphique où les aires sont superposées les unes sur les autres, permettant de visualiser la contribution de chaque catégorie au total.

Aires empilées 100

Graphique similaire aux aires empilées, mais qui montre la part relative de chaque catégorie par rapport au total, normalisé à 100%.

Courbes

Représentation graphique des données sous forme de lignes, permettant de visualiser les tendances au fil du temps.

Cumulé

Somme des valeurs sur une période donnée, permettant de visualiser l'évolution totale d'un ensemble de données.

Visualisation des données

Technique de représentation graphique des données pour faciliter leur compréhension et leur analyse.

COVID-19

Maladie infectieuse causée par le coronavirus SARS-CoV-2, qui a conduit à une pandémie mondiale à partir de 2019.

00:00:02

maintenant on va voir un autre

00:00:04

aspect qui vont être les aires.

00:00:06

Ça c'est intéressant

00:00:07

dans le cas où vous souhaitez avoir une vue

00:00:10

un petit peu cumulée sur les éléments

00:00:12

que vous affichez. Donc là typiquement

00:00:14

j'ai quatre catégories et quand j'affiche

00:00:15

les courbes, du coup les courbes

00:00:17

vont se superposer. Là ce qu'on

00:00:19

voudrait avoir c'est potentiellement

00:00:20

avoir le détail par pays,

00:00:22

mais aussi le total visuellement sur

00:00:24

la période. Donc pour ça, on

00:00:26

va aller toujours dans l'Insertion

00:00:28

et on va aller sélectionner,

00:00:30

(alors peut-être par défaut,

00:00:31

il ne les affiche pas) effectivement,

00:00:32

si effectivement ça se retrouvera ici.

00:00:34

Donc là on va faire le premier

00:00:36

qui est celui-ci,

00:00:37

les aires simples,

00:00:38

on verra qu'il y en a d'autres,

00:00:40

voilà les aires empilées et les aires

00:00:42

empilées 100%, on va y venir.

00:00:43

On va commencer par les aires toute simples.

00:00:46

Alors là,

00:00:47

on va se rendre compte

00:00:48

rapidement d'un problème,

00:00:49

c'est que vu que là, tout ce qui

00:00:52

est la partie inférieure de la

00:00:53

courbe va être mise avec

00:00:56

une couleur. Donc là le problème par

00:00:58

rapport à ça, c'est que du coup je

00:01:01

vais avoir l'Espagne par exemple

00:01:02

qui va recouvrir l'intégralité

00:01:04

des données des autres pays.

00:01:06

Donc là on voit que ça ne marche pas du tout.

00:01:08

Donc là nous ce dont on a besoin

00:01:10

plutôt, c'est non pas des aires comme

00:01:11

ça qui vont se superposer parce que

00:01:13

au final ça revient à peu près à

00:01:14

la même chose que les courbes,

00:01:16

et c'est encore moins clair parce

00:01:17

que du coup je n'ai pas les données

00:01:19

des autres pays qui s'affichent.

00:01:20

Donc pour ça, je vais plutôt changer le type

00:01:24

de mon graphique et aller mettre ce

00:01:27

qu'on appelle des courbes des aires empilées.

00:01:31

Je vais agrandir un petit peu,

00:01:34

pour voir un petit peu mieux ce que ça rend.

00:01:38

Voilà donc ici on a les données de chaque

00:01:40

pays qui s'affichent en fait en cumulé. Donc là

00:01:42

on va commencer par la France, donc le

00:01:44

compteur est à 0 et donc là ce que vous

00:01:47

avez en fait c'est ce qui s'est passé

00:01:49

pour la France et juste au-dessus de ça,

00:01:51

on va aller additionner ce qui est

00:01:53

apparu pour l'Allemagne et encore

00:01:54

au-dessus de ça pour l'Italie et

00:01:56

encore au-dessus ça pour l'Espagne.

00:01:57

Ce qui fait qu'on peut se rendre compte

00:01:59

effectivement de qui évolue plus rapidement.

00:02:01

Là on voit que typiquement l'Italie et

00:02:03

c'est ce qui s'est réellement passé,

00:02:04

c'est ce qu'on a pu voir mais en

00:02:06

tout cas visuellement on voit que,

00:02:09

et l'Espagne aussi d'ailleurs,

00:02:10

on voit que il y a une prédominance de

00:02:12

ces pays là qui apparaît à

00:02:15

partir à peu près de cette partie là,

00:02:17

en tout cas, visuellement,

00:02:18

c'est là que ça se voit et ce qui

00:02:20

est aussi intéressant,

00:02:21

c'est qu'on peut avoir du coup le cumulé ici,

00:02:23

donc ça sera le haut de l'Espagne.

00:02:25

Donc tout ce qui est au-dessus là

00:02:27

des zones de couleur où là du

00:02:30

coup on aura la somme de la France,

00:02:32

de la Germanie, de l'Allemagne,

00:02:34

de l'Italie et de l'Espagne pour

00:02:35

chaque jour où on a récupéré des

00:02:37

données et donc après in fine

00:02:39

le résultat total, donc plutôt intéressant.

00:02:41

C'est une autre manière d'analyser les

00:02:44

données où à la fois on a le détail,

00:02:47

à la fois on a le global, donc c'est plutôt

00:02:49

pas mal. Et l'autre

00:02:51

type d'aire qu'on pourra utiliser,

00:02:53

ce sont les aires empilées,

00:02:57

alors peut être un peu plus abstraites.

00:02:59

L'idée, en gros,

00:03:00

c'est que là on ne va pas prendre les

00:03:02

valeurs brutes, on va plutôt prendre

00:03:03

quelle est la part de ce pays-là

00:03:06

par rapport au total.

00:03:07

Donc là si on regarde ici par

00:03:08

exemple au tout début,

00:03:10

bon on voit que

00:03:11

c'est la France qui occupait 100 %

00:03:13

des cas de COVID en

00:03:14

Europe en tout cas sur ces 4 pays.

00:03:16

Et pourquoi ça ?

00:03:17

Parce que si on regarde les

00:03:19

premiers jours de l'épidémie,

00:03:20

les 1, 2, 3,

00:03:21

les 5 premiers jours,

00:03:22

mais en fait il n'y a que la France

00:03:24

qui comptabilisait ses cas. Peut être

00:03:26

que les autres pays en avaient, en tous

00:03:28

les cas nous on a commencé à compter

00:03:30

à partir de ce moment-là.

00:03:32

Et donc effectivement du 22 au 26

00:03:34

donc c'est à peu près ce

00:03:37

qu'on a ici,

00:03:37

et bien 100 % des cas sur les quatre

00:03:40

pays étaient représentés par la France.

00:03:42

Après, si on avance un petit peu,

00:03:44

on voit qu'on va avoir l'Allemagne aussi

00:03:47

qui va commencer à apparaître quelques

00:03:49

jours après et c'est ce qu'on voit ici.

00:03:51

Là on a des valeurs et ici

00:03:53

sur l'Espagne, sur l'Espagne,

00:03:55

et l'Italie, nous n'en avons pas. Et après

00:03:57

on va avoir la comptabilisation qui

00:03:59

va s'opérer de manière très brutale

00:04:01

côté italien,

00:04:02

à partir de février où

00:04:04

là-bas, du coup,

00:04:05

il y a un décrochage complet,

00:04:07

c'est à dire que à partir du... alors il faudrait

00:04:10

regarder les données..., dans tous les cas

00:04:11

enfin il faut quand même prendre ça

00:04:13

avec des pincettes parce qu'on reste

00:04:15

sur des volumes de cas qui sont quand

00:04:17

même relativement faible

00:04:18

mais effectivement si on regarde ici,

00:04:20

vous voyez le décollage qui est très net

00:04:23

par rapport aux autres pays sur le 22.

00:04:26

À partir du 22 et donc là,

00:04:27

à partir de ce moment-là,

00:04:29

l'Italie, sur cette période là,

00:04:30

là ici va prendre une place très très

00:04:32

forte sur la période. Et ça du coup ce n'est

00:04:34

pas facile à voir quand on est en

00:04:36

empilé simple parce que les données

00:04:38

sont extrêmement faibles au démarrage

00:04:39

et donc en fait les la courbe est un

00:04:42

peu tassée par rapport aux valeurs

00:04:43

de fin et donc ça on ne peut pas s'en

00:04:45

rendre compte donc c'est pour ça que

00:04:46

ces aires empilées sont très intéressantes,

00:04:48

ça permet de se rendre

00:04:50

compte de ces effets là.

00:04:52

Et effectivement donc,

00:04:53

sur toute cette zone là,

00:04:55

l'Italie prend une place qui

00:04:56

est extrêmement importante.

00:04:57

Après on a un rattrapage de

00:04:59

l'Espagne à partir de, à peu près

00:05:01

voilà du, à partir de mi-mars,

00:05:03

on va dire, et jusqu'à une

00:05:05

stabilisation de la répartition,

00:05:07

j'ai envie de dire, sur cette

00:05:09

période là donc on va dire à partir

00:05:12

de mi-avril voilà et à partir de

00:05:14

ce moment-là, du coup, on a chacun

00:05:17

sa place entre guillemets avec des

00:05:19

pourcentages qui sont plus ou moins

00:05:21

associés

00:05:23

à chaque pays.

00:05:24

Voilà donc ça,

00:05:25

c'est vraiment sur tout ce qui est

00:05:27

répartition et évolution de la répartition,

00:05:29

une visualisation que j'aime beaucoup

00:05:30

et qui permet de se rendre compte

00:05:32

de ses immenses effets de bord sur

00:05:34

certaines périodes où le volume

00:05:36

brut de données est relativement faible.

00:00:02

Теперь мы увидим еще один

00:00:04

аспекты, которые будут областями.

00:00:06

Это интересно

00:00:07

В случае, если вы хотите иметь вид

00:00:10

немного кумулятивно по стихии

00:00:12

которые вы просматриваете. Так что обычно

00:00:14

У меня есть четыре категории, и когда я публикую

00:00:15

кривые, поэтому кривые

00:00:17

будет накладываться друг на друга. Там что мы

00:00:19

хотел бы, чтобы он был потенциально

00:00:20

иметь подробную информацию по странам,

00:00:22

но и общее визуально на

00:00:24

Период. Так что для этого мы

00:00:26

всегда будет входить в Insertion

00:00:28

а мы пойдем и выберем,

00:00:30

(так что, может быть, по умолчанию,

00:00:31

он их не отображает) действительно,

00:00:32

если действительно это закончится здесь.

00:00:34

Итак, здесь мы сделаем первое

00:00:36

кто этот,

00:00:37

простые участки,

00:00:38

Мы увидим, что есть другие,

00:00:40

Вот сложенные области и

00:00:42

Сложив 100%, мы доберемся до этого.

00:00:43

Начнем с простых направлений.

00:00:46

Итак,

00:00:47

Разберемся

00:00:48

быстро проблемы,

00:00:49

Дело в том, что с тех пор, как все это

00:00:52

— нижняя часть

00:00:53

кривая будет поставлена с помощью

00:00:56

цвет. Так что здесь проблема

00:00:58

В связи с этим, это то, что внезапно я

00:01:01

будет Испания например

00:01:02

который покроет все

00:01:04

данные из других стран.

00:01:06

Так что здесь мы видим, что это вообще не работает.

00:01:08

Так что там нам нужно

00:01:10

скорее, это не такие области, как

00:01:11

Это будет перекрываться, потому что

00:01:13

В конце концов, все сводится к тому, что

00:01:14

то же, что и кривые,

00:01:16

И это еще менее понятно, потому что

00:01:17

что вдруг у меня нет данных

00:01:19

других стран, которые отображаются.

00:01:20

Так что для этого я собираюсь изменить тип.

00:01:24

моей диаграммы и иди поставь это

00:01:27

называются кривыми площади с накоплением.

00:01:31

Я собираюсь немного увеличить,

00:01:34

чтобы немного лучше увидеть, как это выглядит.

00:01:38

Итак, здесь у нас есть данные каждого

00:01:40

страны, которые фактически отображаются кумулятивно. Так вот:

00:01:42

Начнем с Франции, так что

00:01:44

счетчик стоит на 0 и так вот, что вы

00:01:47

На самом деле это то, что произошло

00:01:49

для Франции и чуть выше этого,

00:01:51

Сложим то, что есть

00:01:53

появился за Германию и снова

00:01:54

выше этого для Италии и

00:01:56

все еще выше, чем для Испании.

00:01:57

Что дает возможность реализовать

00:01:59

Действительно, кто быстрее развивается.

00:02:01

Здесь мы видим, что типично Италия и

00:02:03

Вот что произошло на самом деле,

00:02:04

Это то, что мы видели, но в

00:02:06

В любом случае визуально мы видим, что,

00:02:09

и Испания тоже,

00:02:10

Мы видим, что наблюдается преобладание

00:02:12

Эти страны появляются на

00:02:15

Начните примерно с этой части,

00:02:17

Во всяком случае, визуально,

00:02:18

Вот где это показывает и что

00:02:20

тоже интересно,

00:02:21

Дело в том, что мы можем внезапно иметь кумуляцию здесь,

00:02:23

так что это будет вершина Испании.

00:02:25

Так что все наверху там

00:02:27

Области цвета, где есть

00:02:30

удар у нас будет сумма Франции,

00:02:32

Германия, Германия,

00:02:34

Италия и Испания для

00:02:35

Каждый день мы выздоравливали

00:02:37

данные и, следовательно, после в штрафе

00:02:39

Итоговый результат, так довольно интересный.

00:02:41

Это еще один способ анализа

00:02:44

данные, где в то же время у нас есть детализация,

00:02:47

В то же время у нас есть глобальный, так что это скорее

00:02:49

Неплохо. А другой

00:02:51

тип площади, которую можно использовать,

00:02:53

Это уложенные друг на друга участки,

00:02:57

Тогда, может быть, немного более абстрактно.

00:02:59

Идея, в основном,

00:03:00

Дело в том, что там мы не собираемся брать

00:03:02

Сырые значения, скорее возьмем

00:03:03

Какова доля страны

00:03:06

относительно общего количества.

00:03:07

Итак, если мы посмотрим сюда:

00:03:08

пример в самом начале,

00:03:10

Что ж, мы это видим

00:03:11

это Франция оккупировала 100%

00:03:13

случаев COVID в

00:03:14

Европа во всяком случае на эти 4 страны.

00:03:16

И почему так?

00:03:17

Потому что, если мы посмотрим на

00:03:19

первые дни эпидемии,

00:03:20

1, 2, 3,

00:03:21

первые 5 дней,

00:03:22

Но на самом деле есть только Франция

00:03:24

кто считал их дела. Может быть

00:03:26

чем в других странах, во всех

00:03:28

Случаи, которые мы начали считать

00:03:30

с этого момента.

00:03:32

И так эффективно с 22-го по 26-е

00:03:34

Так что это в значительной степени то, что

00:03:37

что мы имеем здесь,

00:03:37

ну 100% случаев из четырех

00:03:40

страны были представлены Францией.

00:03:42

После, если мы немного продвинемся,

00:03:44

мы видим, что у нас будет и Германия

00:03:47

которые начнут появляться какие-то

00:03:49

Несколько дней спустя, и это то, что мы видим здесь.

00:03:51

Там у нас есть ценности, а здесь

00:03:53

на Испанию, на Испанию,

00:03:55

а Италия у нас ее нет. А после

00:03:57

У нас будет бухгалтерия, которая

00:03:59

будет действовать очень жестоким образом

00:04:01

Итальянская сторона,

00:04:02

с февраля, где

00:04:04

Там, вдруг,

00:04:05

есть полное стойло,

00:04:07

То есть из... то надо бы

00:04:10

посмотрите на данные..., в любом случае

00:04:11

Ну, вы все равно должны взять это

00:04:13

пинцетом, потому что мы остаемся

00:04:15

по объемам дел, которые находятся, когда

00:04:17

даже относительно низкий

00:04:18

Но действительно, если мы посмотрим сюда,

00:04:20

Вы видите взлет, который очень четкий

00:04:23

по сравнению с другими странами на 22.

00:04:26

С 22-го и поэтому там,

00:04:27

С этого момента

00:04:29

Италия, в этот период,

00:04:30

Там здесь будет проходить место очень и очень

00:04:32

сильный за период. И это не так

00:04:34

Нелегко увидеть, когда вы находитесь в

00:04:36

Простое стекирование, потому что данные

00:04:38

крайне низки при запуске

00:04:39

Таким образом, на самом деле кривая представляет собой

00:04:42

Слегка упакован по отношению к значениям

00:04:43

конца и так, чтобы мы не могли

00:04:45

Таким образом, отчетность - вот почему

00:04:46

Эти сложенные друг на друга участки очень интересны,

00:04:48

Это позволяет вам добраться туда

00:04:50

Объяснения этих эффектов нет.

00:04:52

И действительно,

00:04:53

На всей этой площади есть,

00:04:55

Италия занимает место, которое

00:04:56

чрезвычайно важно.

00:04:57

После того, как мы наверстаем упущенное

00:04:59

Испания из, грубо говоря,

00:05:01

Вот именно, с середины марта,

00:05:03

Скажем, и до

00:05:05

стабилизация распределения,

00:05:07

Я хочу сказать, по этому поводу

00:05:09

Точка там, так мы скажем из

00:05:12

с середины апреля здесь и из

00:05:14

Этот момент, внезапно, у каждого из нас есть

00:05:17

его место в кавычках с

00:05:19

проценты, которые больше или меньше

00:05:21

Родственный

00:05:23

в каждую страну.

00:05:24

Вот и все,

00:05:25

Это действительно обо всем, что есть

00:05:27

распространение и эволюция распространения,

00:05:29

Визуализация, которая мне очень нравится

00:05:30

и что дает возможность реализовать

00:05:32

его огромных побочных эффектов на

00:05:34

Определенные периоды, когда объем

00:05:36

Объем необработанных данных относительно низок.

00:00:02

now we'll see another one

00:00:04

aspects that will be the areas.

00:00:06

That's interesting

00:00:07

in case you want to have a view

00:00:10

a little cumulative on the elements

00:00:12

that you are viewing. So there typically

00:00:14

I have four categories and when I post

00:00:15

curves, so curves

00:00:17

will overlap. There what we

00:00:19

would like to have it is potentially

00:00:20

have the details by country,

00:00:22

but also the total visually on

00:00:24

the period. So for that, we

00:00:26

will always go into Insertion

00:00:28

and we will go and select,

00:00:30

(so maybe by default,

00:00:31

it does not display them) indeed,

00:00:32

if indeed it will end up here.

00:00:34

So here we will do the first

00:00:36

who is this one,

00:00:37

simple areas,

00:00:38

We will see that there are others,

00:00:40

Here are the stacked areas and the

00:00:42

Stacked 100%, we'll get to it.

00:00:43

We will start with the simple areas.

00:00:46

So there,

00:00:47

We'll figure it out

00:00:48

quickly of a problem,

00:00:49

It is that since there, all that

00:00:52

is the lower part of the

00:00:53

curve will be put with

00:00:56

a color. So here the problem by

00:00:58

In relation to that, it is that suddenly I

00:01:01

will have Spain for example

00:01:02

which will cover the entirety

00:01:04

data from other countries.

00:01:06

So here we see that it does not work at all.

00:01:08

So there we need

00:01:10

rather, it is not areas like

00:01:11

This will overlap because

00:01:13

In the end it comes down to pretty much

00:01:14

the same as curves,

00:01:16

And it's even less clear because

00:01:17

that suddenly I don't have the data

00:01:19

of other countries that are displayed.

00:01:20

So for that, I'm going to change the type instead.

00:01:24

of my chart and go put this

00:01:27

called stacked area curves.

00:01:31

I'm going to enlarge a little bit,

00:01:34

to see a little better what it looks like.

00:01:38

So here we have the data of each

00:01:40

countries that are actually displayed cumulatively. So there

00:01:42

We'll start with the France, so the

00:01:44

counter is at 0 and so there what you

00:01:47

have actually that's what happened

00:01:49

for the France and just above that,

00:01:51

We will add up what is

00:01:53

appeared for Germany and again

00:01:54

above that for Italy and

00:01:56

still above that for Spain.

00:01:57

What makes it possible to realize

00:01:59

Indeed, who evolves more quickly.

00:02:01

Here we see that typically Italy and

00:02:03

That's what really happened,

00:02:04

This is what we have seen but in

00:02:06

Any case visually we see that,

00:02:09

and Spain too,

00:02:10

We see that there is a predominance of

00:02:12

These countries appear at

00:02:15

start from about that part,

00:02:17

In any case, visually,

00:02:18

This is where it shows and what

00:02:20

is also interesting,

00:02:21

It is that we can suddenly have the cumulation here,

00:02:23

so it will be the top of Spain.

00:02:25

So everything above there

00:02:27

areas of color where there

00:02:30

blow we will have the sum of the France,

00:02:32

Germania, Germany,

00:02:34

Italy and Spain for

00:02:35

every day we recovered

00:02:37

data and therefore after in fine

00:02:39

The total result, so rather interesting.

00:02:41

This is another way of analysing

00:02:44

data where at the same time we have the detail,

00:02:47

At the same time we have the global, so it's rather

00:02:49

Not bad. And the other

00:02:51

type of area that can be used,

00:02:53

these are the stacked areas,

00:02:57

then maybe a little more abstract.

00:02:59

The idea, basically,

00:03:00

It is that there we are not going to take the

00:03:02

raw values, we will rather take

00:03:03

What is the country's share

00:03:06

relative to the total.

00:03:07

So there if we look here by

00:03:08

example at the very beginning,

00:03:10

Well, we see that

00:03:11

it was the France that occupied 100%

00:03:13

of COVID cases in

00:03:14

Europe in any case on these 4 countries.

00:03:16

And why is that?

00:03:17

Because if we look at the

00:03:19

first days of the epidemic,

00:03:20

1, 2, 3,

00:03:21

the first 5 days,

00:03:22

But in fact there is only France

00:03:24

who was counting their cases. May be

00:03:26

than other countries had, in all

00:03:28

The cases we started counting

00:03:30

from that moment on.

00:03:32

And so effectively from the 22nd to the 26th

00:03:34

So that's pretty much what

00:03:37

that we have here,

00:03:37

well 100% of the cases out of the four

00:03:40

countries were represented by France.

00:03:42

After, if we advance a little,

00:03:44

we see that we will have Germany too

00:03:47

which will begin to appear some

00:03:49

days later and that's what we see here.

00:03:51

There we have values and here

00:03:53

on Spain, on Spain,

00:03:55

and Italy, we don't have one. And after

00:03:57

We will have the accounting that

00:03:59

will operate in a very brutal way

00:04:01

Italian side,

00:04:02

from February where

00:04:04

there, suddenly,

00:04:05

there is a complete stall,

00:04:07

That is to say, from the... then it would be necessary

00:04:10

look at the data..., in any case

00:04:11

well, you still have to take that

00:04:13

with tweezers because we stay

00:04:15

on case volumes that are when

00:04:17

even relatively low

00:04:18

but indeed if we look here,

00:04:20

You see the take-off which is very clear

00:04:23

compared to other countries on the 22.

00:04:26

From the 22nd and therefore there,

00:04:27

from that moment on,

00:04:29

Italy, during this period,

00:04:30

There here will take a place very very

00:04:32

strong over the period. And that's not

00:04:34

Not easy to see when you are in

00:04:36

Simple stacked because the data

00:04:38

are extremely low at startup

00:04:39

and so in fact the curve is a

00:04:42

Slightly packed in relation to values

00:04:43

of end and so that we can not

00:04:45

Reporting, therefore, is why

00:04:46

these stacked areas are very interesting,

00:04:48

it allows you to get there

00:04:50

account of these effects there.

00:04:52

And indeed,

00:04:53

on all this area there,

00:04:55

Italy takes a place that

00:04:56

is extremely important.

00:04:57

After we have a catch-up of

00:04:59

Spain from, roughly,

00:05:01

That's it, from mid-March,

00:05:03

We will say, and up to a

00:05:05

stabilization of distribution,

00:05:07

I want to say, on this

00:05:09

period there so we will say from

00:05:12

from mid-April here and from

00:05:14

That moment, suddenly, we each have

00:05:17

its place in quotation marks with

00:05:19

percentages that are more or less

00:05:21

Related

00:05:23

to each country.

00:05:24

So that's it,

00:05:25

It's really about everything that's

00:05:27

distribution and evolution of distribution,

00:05:29

A visualization that I really like

00:05:30

and which makes it possible to realize

00:05:32

of its immense side effects on

00:05:34

certain periods when the volume

00:05:36

raw data is relatively low.

00:00:02

Ahora veremos otro

00:00:04

aspectos que serán las áreas.

00:00:06

Eso es interesante

00:00:07

en caso de que quieras tener una vista

00:00:10

Un poco acumulativo en los elementos

00:00:12

que estás viendo. Así que normalmente hay

00:00:14

Tengo cuatro categorías y cuando publico

00:00:15

curvas, así que curvas

00:00:17

se superpondrá. Ahí lo que tenemos

00:00:19

me gustaría tenerlo es potencialmente

00:00:20

tener los detalles por país,

00:00:22

pero también el total visualmente en

00:00:24

el período. Así que para eso,

00:00:26

siempre entrará en Inserción

00:00:28

y vamos a ir y seleccionar,

00:00:30

(así que tal vez por defecto,

00:00:31

no los muestra) de hecho,

00:00:32

si es que terminará aquí.

00:00:34

Así que aquí haremos la primera

00:00:36

quién es este,

00:00:37

áreas simples,

00:00:38

Veremos que hay otros,

00:00:40

Aquí están las áreas apiladas y el

00:00:42

Apilados al 100%, llegaremos a ello.

00:00:43

Comenzaremos con las áreas simples.

00:00:46

Así que allí,

00:00:47

Lo resolveremos

00:00:48

rápidamente de un problema,

00:00:49

Es que desde allí, todo eso

00:00:52

es la parte inferior de la

00:00:53

La curva se pondrá con

00:00:56

un color. Así que aquí el problema por

00:00:58

En relación con eso, es que de repente

00:01:01

tendrá España por ejemplo

00:01:02

que cubrirá la totalidad

00:01:04

datos de otros países.

00:01:06

Así que aquí vemos que no funciona en absoluto.

00:01:08

Así que ahí necesitamos

00:01:10

más bien, no se trata de áreas como

00:01:11

Esto se superpondrá porque

00:01:13

Al final, todo se reduce a más o menos

00:01:14

lo mismo que las curvas,

00:01:16

Y es aún menos claro porque

00:01:17

que de repente no tengo los datos

00:01:19

de otros países que se muestran.

00:01:20

Así que para eso, voy a cambiar el tipo en su lugar.

00:01:24

de mi gráfico y ve a poner esto

00:01:27

llamadas curvas de área apilada.

00:01:31

Voy a extenderme un poco,

00:01:34

para ver un poco mejor cómo se ve.

00:01:38

Así que aquí tenemos los datos de cada

00:01:40

países que realmente se muestran acumulativamente. Así que hay

00:01:42

Comenzaremos con Francia, así que el

00:01:44

contador está en 0 y así que ahí lo que usted

00:01:47

¿Ha sido realmente eso lo que sucedió?

00:01:49

para Francia y justo por encima de eso,

00:01:51

Sumaremos lo que es

00:01:53

apareció para Alemania y otra vez

00:01:54

por encima de la de Italia y

00:01:56

todavía por encima de eso para España.

00:01:57

Lo que hace posible realizar

00:01:59

De hecho, quién evoluciona más rápidamente.

00:02:01

Aquí vemos que típicamente Italia y

00:02:03

Eso es lo que realmente sucedió,

00:02:04

Esto es lo que hemos visto, pero en

00:02:06

En cualquier caso visualmente vemos que,

00:02:09

y España también,

00:02:10

Vemos que hay un predominio de

00:02:12

Estos países aparecen en

00:02:15

Comience desde aproximadamente esa parte,

00:02:17

En cualquier caso, visualmente,

00:02:18

Aquí es donde se muestra y qué

00:02:20

también es interesante,

00:02:21

Es que de repente podemos tener la acumulación aquí,

00:02:23

así que será el top de España.

00:02:25

Así que todo lo que está arriba

00:02:27

áreas de color donde hay

00:02:30

golpe tendremos la suma de la Francia,

00:02:32

Germania, Alemania,

00:02:34

Italia y España para

00:02:35

Todos los días nos recuperamos

00:02:37

datos y por lo tanto después de in fine

00:02:39

El resultado total, bastante interesante.

00:02:41

Esta es otra forma de analizar

00:02:44

datos donde al mismo tiempo tenemos el detalle,

00:02:47

Al mismo tiempo tenemos lo global, por lo que es más bien

00:02:49

Bien. Y el otro

00:02:51

tipo de área que se puede utilizar,

00:02:53

estas son las áreas apiladas,

00:02:57

Entonces tal vez un poco más abstracto.

00:02:59

La idea, básicamente,

00:03:00

Es que ahí no vamos a tomar el

00:03:02

valores brutos, preferiremos tomar

00:03:03

¿Cuál es la participación del país?

00:03:06

en relación con el total.

00:03:07

Así que ahí si miramos aquí por

00:03:08

ejemplo al principio,

00:03:10

Bueno, vemos que

00:03:11

fue Francia la que ocupó el 100%

00:03:13

de casos de COVID en

00:03:14

Europa en cualquier caso sobre estos 4 países.

00:03:16

¿Y por qué?

00:03:17

Porque si nos fijamos en el

00:03:19

primeros días de la epidemia,

00:03:20

1, 2, 3,

00:03:21

los primeros 5 días,

00:03:22

Pero, de hecho, solo hay Francia

00:03:24

que estaba contando sus casos. Quizás

00:03:26

que otros países tenían, en todos

00:03:28

Los casos que empezamos a contar

00:03:30

a partir de ese momento.

00:03:32

Y así eficazmente del 22 al 26

00:03:34

Así que eso es más o menos lo que

00:03:37

que tenemos aquí,

00:03:37

bueno el 100% de los casos de los cuatro

00:03:40

países estuvieron representados por Francia.

00:03:42

Después, si avanzamos un poco,

00:03:44

vemos que también tendremos Alemania

00:03:47

que empezarán a aparecer algunos

00:03:49

días después y eso es lo que vemos aquí.

00:03:51

Ahí tenemos valores y aquí

00:03:53

sobre España, sobre España,

00:03:55

e Italia, no tenemos uno. Y después

00:03:57

Tendremos la contabilidad que

00:03:59

operará de una manera muy brutal

00:04:01

Lado italiano,

00:04:02

a partir de febrero donde

00:04:04

Allí, de repente,

00:04:05

hay un puesto completo,

00:04:07

Es decir, desde el... entonces sería necesario

00:04:10

Mira los datos..., en cualquier caso

00:04:11

Bueno, todavía tienes que tomar eso

00:04:13

con pinzas porque nos quedamos

00:04:15

en volúmenes de casos que son cuando

00:04:17

incluso relativamente bajo

00:04:18

Pero, de hecho, si miramos aquí,

00:04:20

Ves el despegue que es muy claro

00:04:23

en comparación con otros países en el 22.

00:04:26

Desde el día 22 y por lo tanto allí,

00:04:27

a partir de ese momento,

00:04:29

Italia, durante este período,

00:04:30

Allí aquí tomará un lugar muy, muy

00:04:32

fuerte durante el período. Y eso no es

00:04:34

No es fácil de ver cuando estás en

00:04:36

Simple apilado porque los datos

00:04:38

son extremadamente bajos al inicio

00:04:39

Y así, de hecho, la curva es un

00:04:42

Ligeramente empaquetado en relación con los valores

00:04:43

de fin y para que no podamos

00:04:45

La presentación de informes, por lo tanto, es la razón por la que

00:04:46

Estas áreas apiladas son muy interesantes,

00:04:48

Te permite llegar allí

00:04:50

cuenta de estos efectos allí.

00:04:52

Y de hecho,

00:04:53

en toda esta área allí,

00:04:55

Italia ocupa un lugar que

00:04:56

es extremadamente importante.

00:04:57

Después de que tengamos una puesta al día de

00:04:59

España desde, aproximadamente,

00:05:01

Eso es todo, desde mediados de marzo,

00:05:03

Diremos, y hasta un

00:05:05

estabilización de la distribución,

00:05:07

Quiero decir, sobre esto

00:05:09

período allí así que diremos desde

00:05:12

desde mediados de abril aquí y desde

00:05:14

Ese momento, de repente, cada uno de nosotros tiene

00:05:17

su lugar entre comillas con

00:05:19

porcentajes que son más o menos

00:05:21

Relacionado

00:05:23

a cada país.

00:05:24

Así que eso es todo,

00:05:25

Realmente se trata de todo lo que es

00:05:27

distribución y evolución de la distribución,

00:05:29

Una visualización que me gusta mucho

00:05:30

y que permite realizar

00:05:32

de sus inmensos efectos secundarios en

00:05:34

ciertos períodos en los que el volumen

00:05:36

Los datos brutos son relativamente bajos.

00:00:02

Jetzt sehen wir noch einen

00:00:04

Aspekte, die die Bereiche sein werden.

00:00:06

Das ist interessant

00:00:07

für den Fall, dass Sie einen Blick darauf werfen möchten

00:00:10

ein wenig kumulativ auf den Elementen

00:00:12

die Sie sich ansehen. Es gibt also typischerweise

00:00:14

Ich habe vier Kategorien und wenn ich poste

00:00:15

Kurven, also Kurven

00:00:17

wird sich überlappen. Dort, was wir

00:00:19

Ich möchte es haben, ist potenziell

00:00:20

haben Sie die Details nach Ländern,

00:00:22

sondern auch die Gesamtsumme visuell auf

00:00:24

die Periode. Dafür haben wir

00:00:26

wird immer in die Einfügung gehen

00:00:28

und wir werden gehen und auswählen,

00:00:30

(also vielleicht standardmäßig,

00:00:31

es zeigt sie nicht an) in der Tat,

00:00:32

wenn es tatsächlich hier landen wird.

00:00:34

Hier werden wir also die erste machen

00:00:36

Wer ist dieser,

00:00:37

einfache Bereiche,

00:00:38

Wir werden sehen, dass es noch andere gibt,

00:00:40

Hier sind die gestapelten Bereiche und die

00:00:42

Zu 100% gestapelt, kommen wir zur Sache.

00:00:43

Wir beginnen mit den einfachen Bereichen.

00:00:46

Also da,

00:00:47

Wir werden es herausfinden

00:00:48

schnell eines Problems,

00:00:49

Es ist so, dass, da es all das gibt

00:00:52

ist der untere Teil der

00:00:53

curve wird mit

00:00:56

eine Farbe. Hier ist also das Problem von

00:00:58

In diesem Zusammenhang ist es so, dass ich plötzlich

00:01:01

Spanien zum Beispiel

00:01:02

die die gesamte

00:01:04

Daten aus anderen Ländern.

00:01:06

Hier sehen wir also, dass es überhaupt nicht funktioniert.

00:01:08

Da brauchen wir also

00:01:10

Vielmehr handelt es sich nicht um Bereiche wie

00:01:11

Dies überschneidet sich, weil

00:01:13

Am Ende kommt es auf so ziemlich alles an

00:01:14

das gleiche wie Kurven,

00:01:16

Und es ist noch weniger klar, weil

00:01:17

dass ich plötzlich die Daten nicht mehr habe

00:01:19

anderer Länder, die angezeigt werden.

00:01:20

Dafür werde ich stattdessen den Typ ändern.

00:01:24

meines Horoskops und setze das

00:01:27

gestapelte Flächenkurven genannt.

00:01:31

Ich werde ein wenig vergrößern,

00:01:34

um ein bisschen besser zu sehen, wie es aussieht.

00:01:38

Hier haben wir also die Daten von jedem

00:01:40

Länder, die tatsächlich kumulativ angezeigt werden. Also da

00:01:42

Fangen wir mit dem Frankreich an, also dem

00:01:44

Zähler ist bei 0 und so gibt es, was Sie

00:01:47

haben das tatsächlich passiert,

00:01:49

für Frankreich und knapp darüber,

00:01:51

Wir werden addieren, was

00:01:53

trat für Deutschland auf und wieder

00:01:54

darüber hinaus für Italien und

00:01:56

für Spanien noch darüber.

00:01:57

Was es möglich macht,

00:01:59

In der Tat, wer sich schneller entwickelt.

00:02:01

Hier sehen wir, dass typisch Italien und

00:02:03

Das ist es, was wirklich passiert ist,

00:02:04

Das ist es, was wir gesehen haben, aber in

00:02:06

In jedem Fall sehen wir visuell, dass,

00:02:09

und auch Spanien,

00:02:10

Wir sehen, dass es eine Dominanz von

00:02:12

Diese Länder erscheinen unter

00:02:15

Beginnen Sie ungefähr mit diesem Teil,

00:02:17

Auf jeden Fall visuell,

00:02:18

Hier zeigt es sich und was

00:02:20

ist auch interessant,

00:02:21

Es ist so, dass wir hier plötzlich die Kumulation haben können,

00:02:23

es wird also die Spitze Spaniens sein.

00:02:25

Also alles da oben

00:02:27

Farbflächen, in denen es

00:02:30

blasen wir werden die Summe der Frankreichs haben,

00:02:32

Germania, Deutschland,

00:02:34

Italien und Spanien für

00:02:35

Jeden Tag erholten wir uns

00:02:37

Daten und damit nach in Ordnung

00:02:39

Das Gesamtergebnis, also ziemlich interessant.

00:02:41

Dies ist eine andere Art der Analyse

00:02:44

Daten, bei denen wir gleichzeitig die Details haben,

00:02:47

Gleichzeitig haben wir das Globale, also ist es eher

00:02:49

Nicht schlecht. Und der andere

00:02:51

Art der Fläche, die genutzt werden kann,

00:02:53

Dies sind die gestapelten Bereiche,

00:02:57

dann vielleicht etwas abstrakter.

00:02:59

Die Idee ist im Grunde,

00:03:00

Es ist so, dass wir dort nicht die

00:03:02

Rohwerte nehmen wir lieber

00:03:03

Wie hoch ist der Anteil des Landes?

00:03:06

relativ zur Gesamtsumme.

00:03:07

Also dort, wenn wir hier nach

00:03:08

Beispiel ganz am Anfang,

00:03:10

Nun, das sehen wir

00:03:11

es war Frankreich, das 100% besetzte

00:03:13

der COVID-Fälle in

00:03:14

Europa auf jeden Fall auf diese 4 Länder.

00:03:16

Und warum ist das so?

00:03:17

Denn wenn wir uns die

00:03:19

erste Tage der Epidemie,

00:03:20

1, 2, 3,

00:03:21

die ersten 5 Tage,

00:03:22

Aber eigentlich gibt es nur Frankreich

00:03:24

der ihre Fälle zählte. Kann sein

00:03:26

als andere Länder in allen

00:03:28

Die Fälle, mit denen wir begonnen haben

00:03:30

von diesem Moment an.

00:03:32

Und so effektiv vom 22. bis zum 26.

00:03:34

Das ist also so ziemlich das, was

00:03:37

die wir hier haben,

00:03:37

gut 100% der Fälle von den vier

00:03:40

Länder wurden durch Frankreich vertreten.

00:03:42

Danach, wenn wir ein wenig vorrücken,

00:03:44

wir sehen, dass wir auch Deutschland haben werden

00:03:47

die anfangen werden, einige zu erscheinen

00:03:49

Tage später und das ist es, was wir hier sehen.

00:03:51

Dort haben wir Werte und hier

00:03:53

über Spanien, über Spanien,

00:03:55

und Italien, wir haben keine. Und danach

00:03:57

Wir werden die Buchhaltung haben, die

00:03:59

wird auf sehr brutale Weise vorgehen

00:04:01

Italienische Seite,

00:04:02

ab Februar, wo

00:04:04

Dort, plötzlich,

00:04:05

es gibt einen kompletten Stillstand,

00:04:07

Das heißt, von der... dann wäre es nötig

00:04:10

Schauen Sie sich die Daten an..., auf jeden Fall

00:04:11

naja, das muss man ja noch hinnehmen

00:04:13

mit Pinzette, weil wir

00:04:15

auf Fallvolumina, die sind, wenn

00:04:17

sogar relativ niedrig

00:04:18

aber in der Tat, wenn wir hier schauen,

00:04:20

Sie sehen den Start, der sehr klar ist

00:04:23

im Vergleich zu anderen Ländern am 22.

00:04:26

Ab dem 22. und damit dort,

00:04:27

Von diesem Moment an

00:04:29

Italien hat in dieser Zeit

00:04:30

Dort wird hier ein Platz sehr sehr sehr einnehmen

00:04:32

stark über den Zeitraum. Und das ist es nicht

00:04:34

Nicht leicht zu sehen, wenn man drin ist

00:04:36

Einfach gestapelt, weil die Daten

00:04:38

sind beim Start extrem niedrig

00:04:39

und so ist die Kurve in der Tat eine

00:04:42

Leicht verpackt im Verhältnis zu den Werten

00:04:43

des Zwecks und so dass wir nicht

00:04:45

Die Berichterstattung ist daher der Grund

00:04:46

Diese gestapelten Bereiche sind sehr interessant,

00:04:48

Es ermöglicht Ihnen, dorthin zu gelangen

00:04:50

diesen Effekten dort Rechnung tragen.

00:04:52

Und tatsächlich,

00:04:53

auf dieser ganzen Fläche dort,

00:04:55

Italien nimmt einen Platz ein, der

00:04:56

ist extrem wichtig.

00:04:57

Nachdem wir eine Aufholjagd von

00:04:59

Spanien aus, ungefähr,

00:05:01

Das war's, ab Mitte März,

00:05:03

Wir werden sagen, und bis zu einem

00:05:05

Stabilisierung der Verteilung,

00:05:07

Dazu möchte ich sagen

00:05:09

Periode dort, so werden wir sagen von

00:05:12

ab Mitte April hier und ab

00:05:14

Diesen Moment haben wir plötzlich alle

00:05:17

seinen Platz in Anführungszeichen mit

00:05:19

Prozentsätze, die mehr oder weniger

00:05:21

Verwandt

00:05:23

in jedes Land.

00:05:24

Das war's also,

00:05:25

Es geht wirklich um alles, was

00:05:27

Verbreitung und Entwicklung der Verbreitung,

00:05:29

Eine Visualisierung, die mir sehr gut gefällt

00:05:30

und die es ermöglicht,

00:05:32

seiner immensen Nebenwirkungen auf

00:05:34

bestimmten Zeiträumen, in denen die Lautstärke

00:05:36

Die Rohdaten sind relativ gering.

00:00:02

Agora veremos mais um

00:00:04

aspectos que serão as áreas.

00:00:06

Isso é interessante

00:00:07

caso você queira ter uma visão

00:00:10

um pouco cumulativo sobre os elementos

00:00:12

que você está vendo. Então, normalmente há

00:00:14

Tenho quatro categorias e quando posto

00:00:15

curvas, então curvas

00:00:17

vai se sobrepor. Lá o que nós

00:00:19

gostaria de tê-lo é potencialmente

00:00:20

ter os detalhes por país,

00:00:22

mas também o total visualmente ligado

00:00:24

o período. Então, para isso, nós

00:00:26

sempre irá para Inserção

00:00:28

e nós vamos e selecionamos,

00:00:30

(então talvez por padrão,

00:00:31

não os exibe) na verdade,

00:00:32

se de fato vai acabar aqui.

00:00:34

Então aqui vamos fazer o primeiro

00:00:36

quem é este,

00:00:37

áreas simples,

00:00:38

Veremos que há outros,

00:00:40

Aqui estão as áreas empilhadas e o

00:00:42

Empilhado 100%, vamos chegar a isso.

00:00:43

Vamos começar com as áreas simples.

00:00:46

E aí,

00:00:47

Vamos descobrir

00:00:48

rapidamente de um problema,

00:00:49

É que desde aí, tudo isso

00:00:52

é a parte inferior do

00:00:53

curva será colocada com

00:00:56

uma cor. Então aqui o problema por

00:00:58

Em relação a isso, é que de repente eu

00:01:01

terá Espanha, por exemplo

00:01:02

que abrangerá a totalidade

00:01:04

dados de outros países.

00:01:06

Então aqui a gente vê que não funciona de jeito nenhum.

00:01:08

Então, aí nós precisamos

00:01:10

pelo contrário, não são áreas como

00:01:11

Isso se sobreporá porque

00:01:13

No fim das contas, tudo se resume a praticamente

00:01:14

o mesmo que curvas,

00:01:16

E é ainda menos claro porque

00:01:17

que de repente eu não tenho os dados

00:01:19

de outros países que são exibidos.

00:01:20

Então, para isso, vou mudar o tipo.

00:01:24

do meu gráfico e vá colocar isso

00:01:27

chamadas curvas de área empilhada.

00:01:31

Vou ampliar um pouquinho,

00:01:34

para ver um pouco melhor como é.

00:01:38

Então aqui temos os dados de cada um

00:01:40

países que são realmente exibidos cumulativamente. Pois há

00:01:42

Vamos começar com a França, então o

00:01:44

contador está em 0 e assim lá o que você

00:01:47

Na verdade, foi isso que aconteceu

00:01:49

para a França e logo acima disso,

00:01:51

Vamos somar o que é

00:01:53

apareceu para a Alemanha e novamente

00:01:54

acima do que para a Itália e

00:01:56

ainda acima disso para a Espanha.

00:01:57

O que torna possível realizar

00:01:59

Aliás, quem evolui mais rapidamente.

00:02:01

Aqui vemos que tipicamente Itália e

00:02:03

Foi o que realmente aconteceu,

00:02:04

Isto é o que temos visto, mas em

00:02:06

Qualquer caso visualmente vemos que,

00:02:09

e Espanha também,

00:02:10

Vemos que há uma predominância de

00:02:12

Estes países aparecem em

00:02:15

começar por essa parte,

00:02:17

Em qualquer caso, visualmente,

00:02:18

É aqui que mostra e o que

00:02:20

também é interessante,

00:02:21

É que de repente podemos ter a acumulação aqui,

00:02:23

por isso será o topo da Espanha.

00:02:25

Então, tudo lá em cima

00:02:27

áreas de cor onde há

00:02:30

golpe teremos a soma da França,

00:02:32

Germania, Alemanha,

00:02:34

Itália e Espanha para

00:02:35

Todos os dias nos recuperamos

00:02:37

dados e, portanto, depois em multa

00:02:39

O resultado total, tão interessante.

00:02:41

Esta é outra forma de analisar

00:02:44

dados onde ao mesmo tempo temos o detalhe,

00:02:47

Ao mesmo tempo, temos o global, então é bastante

00:02:49

Nada mau. E o outro

00:02:51

tipo de área que pode ser utilizada,

00:02:53

estas são as áreas empilhadas,

00:02:57

então talvez um pouco mais abstrato.

00:02:59

A ideia, basicamente,

00:03:00

É que lá não vamos levar o

00:03:02

valores brutos, vamos preferir tomar

00:03:03

Qual é a parte do país

00:03:06

em relação ao total.

00:03:07

Então, se olharmos aqui por

00:03:08

exemplo logo no início,

00:03:10

Bem, vemos que

00:03:11

foi a França que ocupou 100%

00:03:13

de casos de COVID em

00:03:14

A Europa, em todo o caso, nestes 4 países.

00:03:16

E porquê?

00:03:17

Porque se olharmos para o

00:03:19

primeiros dias da epidemia,

00:03:20

1, 2, 3,

00:03:21

os primeiros 5 dias,

00:03:22

Mas, na verdade, só existe a França

00:03:24

que estava contando seus casos. Talvez

00:03:26

do que outros países tiveram, em todos

00:03:28

Os casos que começamos a contar

00:03:30

a partir desse momento.

00:03:32

E assim efetivamente do dia 22 ao dia 26

00:03:34

Então é praticamente isso

00:03:37

que temos aqui,

00:03:37

bem 100% dos casos dos quatro

00:03:40

os países foram representados pela França.

00:03:42

Depois, se avançarmos um pouco,

00:03:44

vemos que teremos também a Alemanha

00:03:47

que vai começar a aparecer alguns

00:03:49

dias depois e é o que vemos aqui.

00:03:51

Lá temos valores e aqui

00:03:53

sobre Espanha, sobre Espanha,

00:03:55

e Itália, não temos. E depois

00:03:57

Teremos a contabilidade de que

00:03:59

vai operar de uma forma muito brutal

00:04:01

Lado italiano,

00:04:02

de fevereiro onde

00:04:04

ali, de repente,

00:04:05

há uma banca completa,

00:04:07

Ou seja, do... então seria necessário

00:04:10

olhe para os dados..., em qualquer caso

00:04:11

bem, você ainda tem que tomar isso

00:04:13

com pinça porque ficamos

00:04:15

em volumes de caso que são quando

00:04:17

mesmo relativamente baixo

00:04:18

mas, de fato, se olharmos aqui,

00:04:20

Você vê a decolagem que é muito clara

00:04:23

em comparação com outros países no dia 22.

00:04:26

A partir do dia 22 e, portanto, lá,

00:04:27

a partir desse momento,

00:04:29

Itália, durante este período,

00:04:30

Lá aqui vai ter um lugar muito

00:04:32

forte no período. E não é isso

00:04:34

Não é fácil de ver quando você está em

00:04:36

Simples empilhado porque os dados

00:04:38

são extremamente baixos na inicialização

00:04:39

e assim, de fato, a curva é um

00:04:42

Levemente embalado em relação aos valores

00:04:43

de fim e para que não possamos

00:04:45

Denunciar, portanto, é o motivo

00:04:46

essas áreas empilhadas são muito interessantes,

00:04:48

ele permite que você chegue lá

00:04:50

conta desses efeitos aí.

00:04:52

E, de fato,

00:04:53

sobre toda essa área aí,

00:04:55

A Itália ocupa um lugar que

00:04:56

é extremamente importante.

00:04:57

Depois de termos um catch-up de

00:04:59

Espanha de, grosso modo,

00:05:01

É isso, a partir de meados de março,

00:05:03

Vamos dizer, e até um

00:05:05

estabilização da distribuição,

00:05:07

Quero dizer, sobre isso

00:05:09

ponto aí então vamos dizer de

00:05:12

de meados de abril aqui e de

00:05:14

Aquele momento, de repente, cada um de nós tem

00:05:17

seu lugar entre aspas com

00:05:19

porcentagens que são mais ou menos

00:05:21

Relacionado

00:05:23

para cada país.

00:05:24

Então é isso,

00:05:25

É realmente sobre tudo o que é

00:05:27

distribuição e evolução da distribuição,

00:05:29

Uma visualização que eu gosto muito

00:05:30

e que torna possível realizar

00:05:32

de seus imensos efeitos colaterais sobre

00:05:34

certos períodos em que o volume

00:05:36

Os dados brutos são relativamente baixos.

00:00:02

Nu zien we er nog een

00:00:04

aspecten die de gebieden zullen zijn.

00:00:06

Dat is interessant

00:00:07

voor het geval u een uitzicht wilt hebben

00:00:10

een beetje cumulatief op de elementen

00:00:12

die je aan het bekijken bent. Er is dus typisch

00:00:14

Ik heb vier categorieën en wanneer ik post

00:00:15

bochten, dus bochten

00:00:17

zal overlappen. Daar wat we

00:00:19

zou graag willen hebben dat het potentieel is

00:00:20

beschikken over de gegevens per land,

00:00:22

maar ook het totaal visueel op

00:00:24

de periode. Dus daarvoor hebben we

00:00:26

gaat altijd naar Invoegen

00:00:28

en we zullen gaan selecteren,

00:00:30

(dus misschien standaard,

00:00:31

het geeft ze niet weer) inderdaad,

00:00:32

als het inderdaad hier terecht komt.

00:00:34

Dus hier zullen we de eerste doen

00:00:36

wie is deze,

00:00:37

eenvoudige gebieden,

00:00:38

We zullen zien dat er anderen zijn,

00:00:40

Hier zijn de gestapelde gebieden en de

00:00:42

100% gestapeld, komen we er wel uit.

00:00:43

We beginnen met de eenvoudige gebieden.

00:00:46

Dus daar,

00:00:47

We zoeken het uit

00:00:48

snel van een probleem,

00:00:49

Het is dat sinds daar, dat alles

00:00:52

is het onderste deel van de

00:00:53

curve zal worden gezet met

00:00:56

een kleur. Dus hier het probleem door

00:00:58

In verband daarmee is het dat ik ineens

00:01:01

zal spanje hebben bijvoorbeeld

00:01:02

die het geheel zal bestrijken

00:01:04

gegevens uit andere landen.

00:01:06

Hier zien we dus dat het helemaal niet werkt.

00:01:08

Daar hebben we dus behoefte aan

00:01:10

het zijn eerder geen gebieden zoals

00:01:11

Dit zal overlappen omdat

00:01:13

Uiteindelijk komt het neer op zo'n beetje

00:01:14

hetzelfde als bochten,

00:01:16

En het is nog minder duidelijk omdat

00:01:17

dat ik ineens de gegevens niet meer heb

00:01:19

van andere landen die worden weergegeven.

00:01:20

Dus daarvoor ga ik in plaats daarvan het type veranderen.

00:01:24

van mijn grafiek en ga dit zetten

00:01:27

Gestapelde gebiedscurven genoemd.

00:01:31

Ik ga een beetje vergroten,

00:01:34

om iets beter te zien hoe het eruit ziet.

00:01:38

Dus hier hebben we de gegevens van elk

00:01:40

landen die daadwerkelijk cumulatief worden weergegeven. Daar dus

00:01:42

We beginnen met de France, dus de

00:01:44

teller staat op 0 en dus daar wat je

00:01:47

Is dat eigenlijk wat er gebeurd is

00:01:49

voor Frankrijk en net daarboven,

00:01:51

We zullen optellen wat is

00:01:53

verscheen voor Duitsland en opnieuw

00:01:54

daarboven voor Italië en

00:01:56

nog steeds daarboven voor Spanje.

00:01:57

Wat maakt het mogelijk om te realiseren

00:01:59

Inderdaad, die evolueert sneller.

00:02:01

Hier zien we dat typisch Italië en

00:02:03

Dat is wat er echt is gebeurd,

00:02:04

Dit is wat we hebben gezien, maar in

00:02:06

Elk geval visueel zien we dat,

00:02:09

en ook Spanje,

00:02:10

We zien dat er een overwicht is van

00:02:12

Deze landen verschijnen op

00:02:15

Begin vanaf ongeveer dat deel,

00:02:17

In ieder geval, visueel,

00:02:18

Dit is waar het laat zien en wat

00:02:20

is ook interessant,

00:02:21

Het is dat we hier ineens de cumulatie kunnen hebben,

00:02:23

het wordt dus de top van Spanje.

00:02:25

Dus alles daarboven

00:02:27

kleurvlakken waar

00:02:30

klap zullen we de som van de Frankrijk hebben,

00:02:32

Germania, Duitsland,

00:02:34

Italië en Spanje voor

00:02:35

Elke dag herstelden we

00:02:37

gegevens en dus daarna in prima

00:02:39

Het totaalresultaat, dus best interessant.

00:02:41

Dit is een andere manier van analyseren

00:02:44

gegevens waar we tegelijkertijd de details hebben,

00:02:47

Tegelijkertijd hebben we het mondiale, dus het is nogal

00:02:49

Niet slecht. En de andere

00:02:51

type gebied dat kan worden gebruikt,

00:02:53

dit zijn de gestapelde gebieden,

00:02:57

Dan misschien iets abstracter.

00:02:59

Het idee, eigenlijk,

00:03:00

Het is dat we daar niet de

00:03:02

ruwe waarden nemen we liever

00:03:03

Wat is het aandeel van het land

00:03:06

ten opzichte van het totaal.

00:03:07

Dus daar als we hier kijken door

00:03:08

voorbeeld helemaal aan het begin,

00:03:10

Nou, dat zien we

00:03:11

het was het Frankrijk dat 100% bezette

00:03:13

van COVID-gevallen in

00:03:14

Europa in ieder geval op deze 4 landen.

00:03:16

En waarom is dat?

00:03:17

Want als we kijken naar de

00:03:19

eerste dagen van de epidemie,

00:03:20

1, 2, 3,

00:03:21

de eerste 5 dagen,

00:03:22

Maar in feite is er alleen Frankrijk

00:03:24

die hun zaken aan het tellen waren. Misschien

00:03:26

dan andere landen hadden, in totaal

00:03:28

De gevallen die we zijn gaan tellen

00:03:30

vanaf dat moment.

00:03:32

En dus effectief van de 22e tot de 26e

00:03:34

Dus dat is zo'n beetje wat

00:03:37

die we hier hebben,

00:03:37

nou 100% van de gevallen van de vier

00:03:40

landen werden vertegenwoordigd door Frankrijk.

00:03:42

Na, als we een beetje vooruitgaan,

00:03:44

we zien dat we ook Duitsland zullen hebben

00:03:47

die zal beginnen te verschijnen sommige

00:03:49

dagen later en dat is wat we hier zien.

00:03:51

Daar hebben we waarden en hier

00:03:53

over Spanje, over Spanje,

00:03:55

en Italië, die hebben we niet. En na

00:03:57

We zullen de boekhouding hebben die

00:03:59

zal op een zeer brutale manier werken

00:04:01

Italiaanse zijde,

00:04:02

vanaf februari waar

00:04:04

daar, plotseling,

00:04:05

er is een complete kraam,

00:04:07

Dat wil zeggen, van de... dan zou het nodig zijn

00:04:10

kijk naar de data..., in ieder geval

00:04:11

tja, dat moet je nog nemen

00:04:13

met pincet omdat we blijven

00:04:15

op casevolumes die wanneer

00:04:17

zelfs relatief laag

00:04:18

Maar inderdaad, als we hier kijken,

00:04:20

Je ziet de start die heel duidelijk is

00:04:23

in vergelijking met andere landen op de 22.

00:04:26

Vanaf de 22e en dus daar,

00:04:27

vanaf dat moment,

00:04:29

Italië, gedurende deze periode,

00:04:30

Daar zal een plaats heel erg

00:04:32

sterk over de periode. En dat is niet zo

00:04:34

Niet gemakkelijk te zien als je binnen bent

00:04:36

Eenvoudig gestapeld omdat de gegevens

00:04:38

zijn extreem laag bij het opstarten

00:04:39

En dus is de curve in feite een

00:04:42

Licht verpakt in verhouding tot waarden

00:04:43

van einde en zodat we niet kunnen

00:04:45

Rapportage is dus de reden waarom

00:04:46

deze gestapelde gebieden zijn zeer interessant,

00:04:48

het stelt je in staat om er te komen

00:04:50

rekening houden met deze effecten daar.

00:04:52

En inderdaad,

00:04:53

op al dit gebied daar,

00:04:55

Italië neemt een plaats in die

00:04:56

is uiterst belangrijk.

00:04:57

Nadat we een inhaalslag hebben gemaakt van

00:04:59

Spanje uit, grofweg,

00:05:01

Dat is het, vanaf half maart,

00:05:03

We zullen zeggen, en tot een

00:05:05

stabilisatie van de distributie,

00:05:07

Ik wil hierover zeggen:

00:05:09

periode daar dus zullen we zeggen van

00:05:12

vanaf half april hier en vanaf

00:05:14

Dat moment, plotseling, hebben we allemaal

00:05:17

zijn plaats tussen aanhalingstekens met

00:05:19

percentages die min of meer

00:05:21

Aanverwant

00:05:23

naar elk land.

00:05:24

Dus dat is het,

00:05:25

Het gaat echt om alles wat is

00:05:27

distributie en evolutie van de distributie,

00:05:29

Een visualisatie die ik erg leuk vind

00:05:30

en die het mogelijk maakt om te realiseren

00:05:32

van de immense bijwerkingen op

00:05:34

bepaalde perioden waarin het volume

00:05:36

ruwe data is relatief laag.

00:00:02

Ora ne vedremo un altro

00:00:04

aspetti che saranno le aree.

00:00:06

È interessante

00:00:07

nel caso in cui si desidera avere una vista

00:00:10

un po 'cumulativo sugli elementi

00:00:12

che stai visualizzando. Quindi in genere c'è

00:00:14

Ho quattro categorie e quando pubblico

00:00:15

curve, quindi curve

00:00:17

si sovrapporranno. Lì quello che abbiamo

00:00:19

vorrebbe che fosse potenzialmente

00:00:20

avere i dettagli per paese,

00:00:22

ma anche il totale visivamente acceso

00:00:24

il periodo. Quindi, per questo, noi

00:00:26

andrà sempre in Inserimento

00:00:28

e andremo a selezionare,

00:00:30

(quindi forse per impostazione predefinita,

00:00:31

non li visualizza) anzi,

00:00:32

se davvero finirà qui.

00:00:34

Quindi qui faremo il primo

00:00:36

chi è costui,

00:00:37

aree semplici,

00:00:38

Vedremo che ce ne sono altri,

00:00:40

Ecco le aree impilate e il

00:00:42

Impilati al 100%, ci arriveremo.

00:00:43

Inizieremo con le aree semplici.

00:00:46

Quindi lì,

00:00:47

Lo scopriremo

00:00:48

rapidamente di un problema,

00:00:49

È che da lì, tutto ciò che

00:00:52

è la parte inferiore del

00:00:53

curva verrà messa con

00:00:56

un colore. Quindi ecco il problema di

00:00:58

In relazione a ciò, è che improvvisamente io

00:01:01

avrà la Spagna per esempio

00:01:02

che coprirà l'intero

00:01:04

dati provenienti da altri paesi.

00:01:06

Quindi qui vediamo che non funziona affatto.

00:01:08

Quindi abbiamo bisogno di

00:01:10

piuttosto, non si tratta di aree come

00:01:11

Questo si sovrapporrà perché

00:01:13

Alla fine si tratta praticamente di

00:01:14

lo stesso delle curve,

00:01:16

Ed è ancora meno chiaro perché

00:01:17

che improvvisamente non ho i dati

00:01:19

di altri paesi visualizzati.

00:01:20

Quindi, per questo, cambierò invece il tipo.

00:01:24

del mio grafico e vai a mettere questo

00:01:27

chiamate curve di area impilate.

00:01:31

Ho intenzione di allargare un po ',

00:01:34

per vedere un po 'meglio come appare.

00:01:38

Quindi qui abbiamo i dati di ciascuno

00:01:40

paesi che vengono effettivamente visualizzati cumulativamente. Quindi c'è

00:01:42

Inizieremo con la Francia, quindi il

00:01:44

contatore è a 0 e quindi lì quello che si

00:01:47

in realtà è quello che è successo

00:01:49

per la Francia e appena sopra,

00:01:51

Aggiungeremo ciò che è

00:01:53

apparso per la Germania e di nuovo

00:01:54

superiore a quello per l'Italia e

00:01:56

ancora superiore a quello per la Spagna.

00:01:57

Cosa rende possibile realizzare

00:01:59

Anzi, chi si evolve più rapidamente.

00:02:01

Qui vediamo che tipicamente l'Italia e

00:02:03

Questo è ciò che è realmente accaduto,

00:02:04

Questo è ciò che abbiamo visto ma in

00:02:06

In ogni caso visivamente vediamo che,

00:02:09

e anche la Spagna,

00:02:10

Vediamo che c'è una predominanza di

00:02:12

Questi paesi figurano su

00:02:15

inizia da circa quella parte,

00:02:17

In ogni caso, visivamente,

00:02:18

Ecco dove mostra e cosa

00:02:20

è anche interessante,

00:02:21

È che possiamo improvvisamente avere il cumulo qui,

00:02:23

quindi sarà il top della Spagna.

00:02:25

Quindi tutto laggiù sopra

00:02:27

aree di colore dove c'è

00:02:30

colpo avremo la somma della Francia,

00:02:32

Germania, Germany,

00:02:34

Italia e Spagna per

00:02:35

ogni giorno abbiamo recuperato

00:02:37

dati e quindi dopo in fine

00:02:39

Il risultato complessivo, quindi piuttosto interessante.

00:02:41

Questo è un altro modo di analizzare

00:02:44

dati in cui allo stesso tempo abbiamo il dettaglio,

00:02:47

Allo stesso tempo abbiamo il globale, quindi è piuttosto

00:02:49

Non male. E l'altro

00:02:51

tipo di area che può essere utilizzata,

00:02:53

queste sono le aree impilate,

00:02:57

poi forse un po' più astratto.

00:02:59

L'idea, in sostanza,

00:03:00

È che lì non prenderemo il

00:03:02

valori grezzi, preferiremo prendere

00:03:03

Qual è la quota del paese

00:03:06

rispetto al totale.

00:03:07

Quindi lì se guardiamo qui da

00:03:08

esempio all'inizio,

00:03:10

Bene, vediamo che

00:03:11

era la Francia che occupava il 100%

00:03:13

dei casi di COVID in

00:03:14

L'Europa in ogni caso su questi 4 paesi.

00:03:16

E perché?

00:03:17

Perché se guardiamo al

00:03:19

primi giorni dell'epidemia,

00:03:20

1, 2, 3,

00:03:21

i primi 5 giorni,

00:03:22

Ma in realtà c'è solo la Francia

00:03:24

che contava i loro casi. Può essere

00:03:26

rispetto ad altri paesi, in tutto

00:03:28

I casi che abbiamo iniziato a contare

00:03:30

da quel momento in poi.

00:03:32

E così efficacemente dal 22 al 26

00:03:34

Quindi questo è più o meno quello che

00:03:37

che abbiamo qui,

00:03:37

Ben il 100% dei casi su quattro

00:03:40

paesi erano rappresentati dalla Francia.

00:03:42

Dopo, se avanziamo un po ',

00:03:44

vediamo che avremo anche la Germania

00:03:47

che cominceranno ad apparire alcuni

00:03:49

giorni dopo ed è quello che vediamo qui.

00:03:51

Lì abbiamo dei valori e qui

00:03:53

sulla Spagna, sulla Spagna,

00:03:55

e l'Italia, non ne abbiamo uno. E dopo

00:03:57

Avremo la contabilità che

00:03:59

opererà in modo molto brutale

00:04:01

Parte italiana,

00:04:02

da febbraio dove

00:04:04

lì, improvvisamente,

00:04:05

c'è una bancarella completa,

00:04:07

Vale a dire, dalla... allora sarebbe necessario

00:04:10

guarda i dati..., in ogni caso

00:04:11

beh, devi ancora prenderlo

00:04:13

con le pinzette perché restiamo

00:04:15

sui volumi di casi che sono quando

00:04:17

anche relativamente basso

00:04:18

ma in effetti se guardiamo qui,

00:04:20

Si vede il decollo che è molto chiaro

00:04:23

rispetto ad altri paesi sul 22.

00:04:26

Dal 22 e quindi lì,

00:04:27

Da quel momento in poi,

00:04:29

L'Italia, durante questo periodo,

00:04:30

Ci sarà un posto molto molto molto

00:04:32

forte nel periodo. E questo non è

00:04:34

Non è facile vedere quando sei in

00:04:36

Semplice impilato perché i dati

00:04:38

sono estremamente bassi all'avvio

00:04:39

e quindi in effetti la curva è un

00:04:42

Leggermente imballato in relazione ai valori

00:04:43

di fine e in modo che non possiamo

00:04:45

La segnalazione, quindi, è il motivo per cui

00:04:46

queste aree impilate sono molto interessanti,

00:04:48

ti permette di arrivarci

00:04:50

conto di questi effetti lì.

00:04:52

E infatti,

00:04:53

su tutta questa zona lì,

00:04:55

L'Italia prende un posto che

00:04:56

è estremamente importante.

00:04:57

Dopo che abbiamo un recupero di

00:04:59

Spagna da, approssimativamente,

00:05:01

Ecco fatto, da metà marzo,

00:05:03

Diremo, e fino a un

00:05:05

stabilizzazione della distribuzione,

00:05:07

Voglio dire, su questo

00:05:09

periodo lì quindi diremo da

00:05:12

da metà aprile qui e da

00:05:14

Quel momento, improvvisamente, ognuno di noi ha

00:05:17

il suo posto tra virgolette con

00:05:19

percentuali più o meno

00:05:21

Imparentato

00:05:23

ad ogni paese.

00:05:24

Questo è tutto,

00:05:25

Si tratta davvero di tutto ciò che è

00:05:27

distribuzione ed evoluzione della distribuzione,

00:05:29

Una visualizzazione che mi piace molto

00:05:30

e che permette di realizzare

00:05:32

dei suoi immensi effetti collaterali su

00:05:34

alcuni periodi in cui il volume

00:05:36

I dati grezzi sono relativamente bassi.

00:00:02

الآن سنرى واحدة أخرى

00:00:04

الجوانب التي ستكون المناطق.

00:00:06

هذا مثير للاهتمام

00:00:07

في حال كنت ترغب في الحصول على عرض

00:00:10

تراكمي قليلا على العناصر

00:00:12

التي تشاهدها. لذلك هناك عادة

00:00:14

لدي أربع فئات وعندما أنشر

00:00:15

المنحنيات ، لذلك المنحنيات

00:00:17

سوف تتداخل. هناك ما نحن

00:00:19

ترغب في الحصول عليه من المحتمل

00:00:20

لديك التفاصيل حسب البلد ،

00:00:22

ولكن أيضا المجموع بصريا على

00:00:24

الفترة. لذلك ، نحن

00:00:26

سيذهب دائما إلى الإدراج

00:00:28

وسنذهب ونختار ،

00:00:30

(لذلك ربما بشكل افتراضي ،

00:00:31

لا يعرضها) في الواقع ،

00:00:32

إذا كان بالفعل سينتهي هنا.

00:00:34

لذلك هنا سنفعل الأول

00:00:36

من هو هذا ،

00:00:37

مناطق بسيطة ،

00:00:38

سنرى أن هناك آخرين ،

00:00:40

فيما يلي المناطق المكدسة و

00:00:42

مكدسة 100٪ ، سنصل إليها.

00:00:43

سنبدأ بالمناطق البسيطة.

00:00:46

لذلك هناك،

00:00:47

سنكتشف ذلك

00:00:48

بسرعة من مشكلة ،

00:00:49

إنه منذ ذلك الحين ، كل ذلك

00:00:52

هو الجزء السفلي من

00:00:53

سيتم وضع منحنى مع

00:00:56

لون. إذن هنا المشكلة من قبل

00:00:58

فيما يتعلق بذلك ، هو أنني فجأة

00:01:01

سيكون لديك إسبانيا على سبيل المثال

00:01:02

والتي ستغطي كامل

00:01:04

بيانات من بلدان أخرى.

00:01:06

لذلك هنا نرى أنه لا يعمل على الإطلاق.

00:01:08

لذلك هناك نحتاج

00:01:10

بدلا من ذلك ، ليست مناطق مثل

00:01:11

سيتداخل هذا لأن

00:01:13

في النهاية يتعلق الأمر إلى حد كبير

00:01:14

نفس المنحنيات ،

00:01:16

وهو أقل وضوحا لأن

00:01:17

فجأة ليس لدي البيانات

00:01:19

من البلدان الأخرى التي يتم عرضها.

00:01:20

لذلك ، سأقوم بتغيير النوع بدلا من ذلك.

00:01:24

من الرسم البياني الخاص بي واذهب لوضع هذا

00:01:27

تسمى منحنيات المساحة المكدسة.

00:01:31

سأقوم بالتكبير قليلا ،

00:01:34

لرؤية أفضل قليلا كيف يبدو.

00:01:38

لذلك لدينا هنا بيانات كل منها

00:01:40

البلدان التي يتم عرضها بالفعل بشكل تراكمي. لذلك هناك

00:01:42

سنبدأ بفرنسا ، لذا فإن

00:01:44

العداد عند 0 وهكذا هناك ما أنت

00:01:47

في الواقع هذا ما حدث

00:01:49

لفرنسا وفوق ذلك بقليل ،

00:01:51

سنضيف ما هو

00:01:53

ظهر لألمانيا ومرة أخرى

00:01:54

فوق ذلك بالنسبة لإيطاليا و

00:01:56

لا يزال فوق ذلك بالنسبة لإسبانيا.

00:01:57

ما الذي يجعل من الممكن تحقيق

00:01:59

في الواقع ، من يتطور بسرعة أكبر.

00:02:01

هنا نرى أن إيطاليا نموذجية و

00:02:03

هذا ما حدث بالفعل ،

00:02:04

هذا ما رأيناه ولكن في

00:02:06

على أي حال بصريا نرى ذلك ،

00:02:09

وإسبانيا أيضا،

00:02:10

نرى أن هناك غلبة

00:02:12

تظهر هذه البلدان في

00:02:15

ابدأ من هذا الجزء تقريبا ،

00:02:17

على أي حال ، بصريا ،

00:02:18

هذا هو المكان الذي يظهر فيه وماذا

00:02:20

مثير للاهتمام أيضا ،

00:02:21

هو أنه يمكننا فجأة الحصول على التراكم هنا ،

00:02:23

لذلك سيكون الجزء العلوي من إسبانيا.

00:02:25

لذلك كل شيء أعلاه هناك

00:02:27

مناطق اللون حيث يوجد

00:02:30

ضربة سيكون لدينا مجموع فرنسا ،

00:02:32

جرمانيا, ألمانيا,

00:02:34

إيطاليا وإسبانيا ل

00:02:35

كل يوم تعافينا

00:02:37

البيانات وبالتالي بعد في غرامة

00:02:39

النتيجة الإجمالية ، مثيرة للاهتمام إلى حد ما.

00:02:41

هذه طريقة أخرى للتحليل

00:02:44

البيانات حيث لدينا التفاصيل في نفس الوقت ،

00:02:47

في نفس الوقت لدينا العالمية ، لذلك هو بدلا من ذلك

00:02:49

ليس رديئًا. والآخر

00:02:51

نوع المنطقة التي يمكن استخدامها ،

00:02:53

هذه هي المناطق المكدسة ،

00:02:57

ثم ربما أكثر تجريدا.

00:02:59

الفكرة ، في الأساس ،

00:03:00

هو أننا لن نأخذ

00:03:02

القيم الخام ، سنفضل أن نأخذ

00:03:03

ما هي حصة البلد

00:03:06

بالنسبة إلى المجموع.

00:03:07

لذلك هناك إذا نظرنا هنا من خلال

00:03:08

مثال في البداية ،

00:03:10

حسنا ، نرى ذلك

00:03:11

كانت فرنسا هي التي احتلت 100٪

00:03:13

من حالات COVID في

00:03:14

أوروبا على أي حال على هذه البلدان 4.

00:03:16

ولماذا هذا؟

00:03:17

لأنه إذا نظرنا إلى

00:03:19

الأيام الأولى للوباء ،

00:03:20

1, 2, 3,

00:03:21

أول 5 أيام ،

00:03:22

ولكن في الواقع لا يوجد سوى فرنسا

00:03:24

الذي كان يحصي قضاياهم. ربما

00:03:26

أكثر من البلدان الأخرى ، في جميع

00:03:28

الحالات التي بدأنا في عدها

00:03:30

من تلك اللحظة فصاعدا.

00:03:32

وهكذا بشكل فعال من 22 إلى 26

00:03:34

لذلك هذا إلى حد كبير ما

00:03:37

التي لدينا هنا،

00:03:37

حسنا 100٪ من الحالات من أصل أربعة

00:03:40

ومثلت فرنسا البلدان.

00:03:42

بعد ذلك ، إذا تقدمنا قليلا ،

00:03:44

نرى أنه سيكون لدينا ألمانيا أيضا

00:03:47

والتي ستبدأ في الظهور بعض

00:03:49

بعد أيام وهذا ما نراه هنا.

00:03:51

هناك لدينا قيم وهنا

00:03:53

على إسبانيا ، على إسبانيا ،

00:03:55

وإيطاليا ، ليس لدينا واحدة. وبعد

00:03:57

سيكون لدينا المحاسبة التي

00:03:59

ستعمل بطريقة وحشية للغاية

00:04:01

الجانب الإيطالي,

00:04:02

من فبراير حيث

00:04:04

هناك ، فجأة ،

00:04:05

هناك كشك كامل ،

00:04:07

وهذا يعني ، من ... ثم سيكون من الضروري

00:04:10

انظر إلى البيانات ... ، على أي حال

00:04:11

حسنا ، لا يزال عليك أن تأخذ ذلك

00:04:13

مع ملاقط لأننا نبقى

00:04:15

على أحجام الحالات التي تكون عندما

00:04:17

حتى منخفضة نسبيا

00:04:18

ولكن في الواقع إذا نظرنا هنا ،

00:04:20

ترى الإقلاع وهو واضح جدا

00:04:23

مقارنة بالدول الأخرى في 22.

00:04:26

من 22 وبالتالي هناك ،

00:04:27

من تلك اللحظة فصاعدا،

00:04:29

إيطاليا ، خلال هذه الفترة ،

00:04:30

هناك هنا سوف تأخذ مكان جدا جدا

00:04:32

قوية خلال هذه الفترة. وهذا ليس كذلك

00:04:34

ليس من السهل أن نرى عندما تكون في

00:04:36

مكدسة بسيطة لأن البيانات

00:04:38

منخفضة للغاية عند بدء التشغيل

00:04:39

ومن ثم، فإن المنحنى في الواقع هو

00:04:42

معبأة قليلا فيما يتعلق بالقيم

00:04:43

من النهاية وحتى لا نتمكن من ذلك

00:04:45

الإبلاغ ، لذلك ، هو السبب

00:04:46

هذه المناطق المكدسة مثيرة جدا للاهتمام ،

00:04:48

يسمح لك بالوصول إلى هناك

00:04:50

حساب هذه الآثار هناك.

00:04:52

وبالفعل،

00:04:53

في كل هذه المنطقة هناك ،

00:04:55

إيطاليا تأخذ مكان أن

00:04:56

مهم للغاية.

00:04:57

بعد أن يكون لدينا اللحاق بالركب

00:04:59

إسبانيا من ، تقريبا ،

00:05:01

هذا كل شيء ، من منتصف مارس ،

00:05:03

سنقول ، وحتى أ

00:05:05

استقرار التوزيع ،

00:05:07

أريد أن أقول ، على هذا

00:05:09

الفترة هناك لذلك سنقول من

00:05:12

من منتصف أبريل هنا ومن

00:05:14

في تلك اللحظة ، فجأة ، كل منا لديه

00:05:17

مكانها بين علامتي اقتباس مع

00:05:19

النسب المئوية التي هي أكثر أو أقل

00:05:21

ذات الصله

00:05:23

لكل بلد.

00:05:24

هذا كل شيء،

00:05:25

انها حقا عن كل ما هو عليه

00:05:27

توزيع وتطور التوزيع ،

00:05:29

تصور يعجبني حقا

00:05:30

والذي يجعل من الممكن تحقيق

00:05:32

من آثاره الجانبية الهائلة على

00:05:34

فترات معينة عندما يكون حجم

00:05:36

البيانات الأولية منخفضة نسبيا.

00:00:02

şimdi bir tane daha göreceğiz

00:00:04

alanlar olacak yönler.

00:00:06

Bu ilginç

00:00:07

Bir görünüme sahip olmak istemeniz durumunda

00:00:10

elementler üzerinde biraz kümülatif

00:00:12

görüntülemekte olduğunuzu. Yani tipik olarak orada

00:00:14

Dört kategorim var ve yayınladığımda

00:00:15

eğriler, yani eğriler

00:00:17

üst üste binecektir. Orada ne biz

00:00:19

potansiyel olarak sahip olmak istiyorum

00:00:20

Ülkelere göre ayrıntılara sahip olmak,

00:00:22

ama aynı zamanda görsel olarak toplam

00:00:24

dönem. Bunun için

00:00:26

her zaman Ekleme'ye girecektir

00:00:28

ve gidip seçeceğiz,

00:00:30

(yani belki varsayılan olarak,

00:00:31

onları göstermez) gerçekten,

00:00:32

eğer gerçekten burada bitecekse.

00:00:34

İşte burada ilkini yapacağız

00:00:36

kim bu kişi,

00:00:37

basit alanlar,

00:00:38

Başkaları da olduğunu göreceğiz,

00:00:40

İşte yığılmış alanlar ve

00:00:42

% 100 istiflenmiş, ona ulaşacağız.

00:00:43

Basit alanlarla başlayacağız.

00:00:46

İşte orada,

00:00:47

Bunu çözeceğiz

00:00:48

hızlı bir şekilde bir sorun,

00:00:49

Oradan beri, tüm bunlar

00:00:52

alt kısmıdır

00:00:53

eğri ile konulacak

00:00:56

bir renk. Yani burada sorun şu şekildedir:

00:00:58

Bununla ilgili olarak, aniden ben

00:01:01

örneğin İspanya'ya sahip olacak

00:01:02

bütünü kapsayacak

00:01:04

diğer ülkelerden gelen veriler.

00:01:06

Yani burada bunun hiç işe yaramadığını görüyoruz.

00:01:08

İşte orada ihtiyacımız var

00:01:10

daha ziyade, gibi alanlar değildir

00:01:11

Bu çakışacaktır çünkü

00:01:13

Sonunda hemen hemen aşağı iniyor

00:01:14

eğrilerle aynı,

00:01:16

Ve bu daha da az açık çünkü

00:01:17

aniden verilere sahip olmadığımı

00:01:19

görüntülenen diğer ülkelerin.

00:01:20

Bunun için bunun yerine türü değiştireceğim.

00:01:24

benim grafik ve git bunu koymak

00:01:27

yığılmış alan eğrileri olarak adlandırılır.

00:01:31

Biraz büyüteceğim,

00:01:34

neye benzediğini biraz daha iyi görmek için.

00:01:38

Yani burada her birinin verilerine sahibiz

00:01:40

aslında kümülatif olarak görüntülenen ülkeler. İşte orada

00:01:42

Fransa ile başlayacağız, bu yüzden

00:01:44

sayaç 0'da ve işte orada ne

00:01:47

aslında olan buydu mu

00:01:49

Fransa için ve bunun hemen ötesinde,

00:01:51

Ne olduğunu toplayacağız

00:01:53

Almanya için ortaya çıktı ve tekrar

00:01:54

İtalya için bunun üstünde ve

00:01:56

İspanya için hala bunun üzerinde.

00:01:57

Gerçekleştirmeyi mümkün kılan nedir?

00:01:59

Gerçekten de, kim daha hızlı gelişir.

00:02:01

Burada tipik olarak İtalya ve

00:02:03

Gerçekte olan buydu,

00:02:04

Gördüğümüz şey buydu ama

00:02:06

Her halükarda görsel olarak görüyoruz ki,

00:02:09

ve İspanya da,

00:02:10

Görüyoruz ki bir baskınlık var

00:02:12

Bu ülkeler

00:02:15

Bu kısımdan başlayın,

00:02:17

Her durumda, görsel olarak,

00:02:18

Burası nerede ve ne gösteriyor

00:02:20

aynı zamanda ilginç,

00:02:21

Burada aniden kümülasyona sahip olabilmemizdir,

00:02:23

bu yüzden İspanya'nın zirvesi olacak.

00:02:25

Yani yukarıdaki her şey orada

00:02:27

renk alanlarının bulunduğu yerde

00:02:30

Fransa'nın toplamına darbe vurursak,

00:02:32

Germania, Almanya,

00:02:34

İtalya ve İspanya için

00:02:35

her gün iyileştik

00:02:37

veriler ve bu nedenle iyi durumda

00:02:39

Toplam sonuç, çok ilginç.

00:02:41

Bu, analiz etmenin başka bir yoludur

00:02:44

Aynı zamanda detaylara sahip olduğumuz veriler,

00:02:47

Aynı zamanda küresele sahibiz, bu yüzden daha ziyade

00:02:49

Fena değil. Ve diğeri

00:02:51

kullanılabilecek alan tipi,

00:02:53

bunlar yığılmış alanlar,

00:02:57

o zaman belki biraz daha soyut.

00:02:59

Fikir, temel olarak,

00:03:00

Orada biz almayacağız

00:03:02

ham değerleri daha çok alacağız

00:03:03

Ülkenin payı nedir

00:03:06

toplamın göresinde.

00:03:07

Yani buraya bakarsak oraya

00:03:08

en baştaki örnek,

00:03:10

Peki, görüyoruz ki

00:03:11

%100 işgal eden Fransa'ydı

00:03:13

COVID vakalarının oranı

00:03:14

Avrupa her halükarda bu 4 ülke üzerinde.

00:03:16

Ve bu neden böyle?

00:03:17

Çünkü bakacak olursak

00:03:19

salgının ilk günleri,

00:03:20

1, 2, 3,

00:03:21

ilk 5 gün,

00:03:22

Ama aslında sadece Fransa var

00:03:24

davalarını kim sayıyordu. Belki

00:03:26

diğer ülkelerin sahip olduğundan daha fazla, hepsinde

00:03:28

Saymaya başladığımız vakalar

00:03:30

o andan itibaren.

00:03:32

Ve 22'sinden 26'sına kadar etkili bir şekilde

00:03:34

Yani hemen hemen bu

00:03:37

burada sahip olduğumuzu,

00:03:37

dört vakadan %100'ü

00:03:40

ülkeler Fransa tarafından temsil edildi.

00:03:42

Sonra, biraz ilerlersek,

00:03:44

Almanya'nın da olacağını görüyoruz

00:03:47

ki bu da biraz görünmeye başlayacak

00:03:49

Günler sonra ve burada gördüğümüz şey bu.

00:03:51

Orada değerlerimiz var ve burada

00:03:53

İspanya'da, İspanya'da,

00:03:55

ve İtalya, bizde yok. Ve sonra

00:03:57

Muhasebeye sahip olacağız ki

00:03:59

çok acımasız bir şekilde işleyecek

00:04:01

İtalyan tarafı,

00:04:02

Şubat ayından itibaren nerede

00:04:04

orada, aniden,

00:04:05

tam bir durak var,

00:04:07

Şöyle ki, ... o zaman gerekli olurdu

00:04:10

verilere bakın..., her halükarda

00:04:11

peki, hala bunu almak zorundasın

00:04:13

cımbızla çünkü kalıyoruz

00:04:15

ne zaman olduğu gibi servis talebi birimlerinde

00:04:17

nispeten düşük bile

00:04:18

ama gerçekten de buraya bakarsak,

00:04:20

Kalkışı görüyorsunuz ki bu çok açık

00:04:23

diğer ülkelerle karşılaştırıldığında 22.

00:04:26

Ayın 22'sinden itibaren ve dolayısıyla orada,

00:04:27

O andan itibaren,

00:04:29

İtalya, bu dönemde,

00:04:30

Orada burada çok bir yer alacak

00:04:32

dönem boyunca güçlü. Ve bu değil

00:04:34

İçeride olduğunuzda görmek kolay değil

00:04:36

Basit yığılmış çünkü veriler

00:04:38

başlangıçta son derece düşüktür

00:04:39

ve aslında eğri bir

00:04:42

Değerlere göre hafifçe paketlenmiş

00:04:43

Sonu ve böylece yapamayız

00:04:45

Bu nedenle raporlama nedenidir

00:04:46

Bu yığılmış alanlar çok ilginç,

00:04:48

oraya ulaşmanızı sağlar

00:04:50

oradaki bu etkilerin hesabı.

00:04:52

Ve gerçekten,

00:04:53

oradaki tüm bu alanda,

00:04:55

İtalya öyle bir yer alıyor ki

00:04:56

son derece önemlidir.

00:04:57

Bir yakalama yaptıktan sonra

00:04:59

İspanya'dan, kabaca,

00:05:01

İşte bu, Mart ortasından itibaren,

00:05:03

Diyeceğiz ki, ve bir

00:05:05

dağılımın stabilizasyonu,

00:05:07

Bu konuda şunu söylemek istiyorum

00:05:09

Dönem orada yani biz de oradan diyelim

00:05:12

Nisan ortasından itibaren burada ve

00:05:14

O an, aniden, her birimiz

00:05:17

tırnak içindeki yeri ile

00:05:19

az ya da çok olan yüzdeler

00:05:21

İlgili

00:05:23

her ülkeye.

00:05:24

İşte bu kadar,

00:05:25

Bu gerçekten olan her şeyle ilgili

00:05:27

dağıtımın dağıtımı ve evrimi,

00:05:29

Gerçekten sevdiğim bir görselleştirme

00:05:30

ve bu da gerçekleştirmeyi mümkün kılar

00:05:32

üzerindeki muazzam yan etkilerinin

00:05:34

belirli dönemlerde hacim

00:05:36

ham veriler nispeten düşüktür.

00:00:02

Teraz zobaczymy kolejny

00:00:04

aspekty, które będą obszarami.

00:00:06

To ciekawe

00:00:07

na wypadek, gdybyś chciał mieć widok

00:00:10

trochę kumulacja na elementach

00:00:12

, które oglądasz. Więc zazwyczaj

00:00:14

Mam cztery kategorie i kiedy publikuję

00:00:15

krzywe, więc krzywe

00:00:17

będzie się nakładać. Tam co my

00:00:19

chciałbym, aby to było potencjalnie

00:00:20

mieć szczegółowe informacje według kraju,

00:00:22

ale także suma wizualnie włączona

00:00:24

kropka. W tym celu

00:00:26

zawsze będzie wchodzić do Wstawienia

00:00:28

a my pójdziemy i wybierzemy,

00:00:30

(więc może domyślnie,

00:00:31

nie wyświetla ich) w istocie,

00:00:32

jeśli rzeczywiście skończy się tutaj.

00:00:34

Więc tutaj zrobimy pierwszy

00:00:36

kim jest ten,

00:00:37

proste obszary,

00:00:38

Zobaczymy, że są inni,

00:00:40

Oto ułożone w stos obszary i

00:00:42

Ułożone w 100%, dojdziemy do tego.

00:00:43

Zaczniemy od prostych obszarów.

00:00:46

Więc tam,

00:00:47

Dowiemy się

00:00:48

szybko problemu,

00:00:49

To jest to, że skoro tam, to wszystko

00:00:52

jest dolną częścią

00:00:53

krzywa zostanie umieszczona z

00:00:56

kolor. Więc tutaj problem przez

00:00:58

W związku z tym jest tak, że nagle

00:01:01

będzie miała na przykład Hiszpanię

00:01:02

który obejmie całość

00:01:04

dane z innych krajów.

00:01:06

Więc tutaj widzimy, że to w ogóle nie działa.

00:01:08

Tak więc potrzebujemy

00:01:10

raczej nie są to obszary takie jak

00:01:11

Będzie się to nakładać, ponieważ

00:01:13

Ostatecznie sprowadza się to do

00:01:14

tak samo jak krzywe,

00:01:16

A jest to jeszcze mniej jasne, ponieważ

00:01:17

że nagle nie mam danych

00:01:19

innych krajów, które są wyświetlane.

00:01:20

W tym celu zmienię typ.

00:01:24

mojego wykresu i idź umieścić to

00:01:27

nazywane skumulowanymi krzywymi powierzchniowymi.

00:01:31

Powiększę trochę,

00:01:34

aby zobaczyć trochę lepiej, jak to wygląda.

00:01:38

Mamy więc dane każdego z nich

00:01:40

kraje, które są faktycznie wyświetlane łącznie. Więc tam

00:01:42

Zaczniemy od Francji, więc

00:01:44

licznik jest na 0 i tak tam co ty

00:01:47

Czy tak właśnie się stało

00:01:49

dla Francji i tuż powyżej,

00:01:51

Zsumujemy to, co jest

00:01:53

pojawił się w Niemczech i ponownie

00:01:54

powyżej tego dla Włoch i

00:01:56

wciąż powyżej tego dla Hiszpanii.

00:01:57

Co umożliwia realizację

00:01:59

Rzeczywiście, kto ewoluuje szybciej.

00:02:01

Tutaj widzimy, że typowo Włochy i

00:02:03

Tak właśnie się stało,

00:02:04

To jest to, co widzieliśmy, ale w

00:02:06

W każdym razie wizualnie widzimy, że,

00:02:09

a także w Hiszpanii,

00:02:10

Widzimy, że istnieje przewaga

00:02:12

Kraje te pojawiają się na

00:02:15

zacznij od mniej więcej tej części,

00:02:17

W każdym razie wizualnie,

00:02:18

To jest miejsce, w którym to pokazuje i co

00:02:20

jest również interesująca,

00:02:21

Chodzi o to, że możemy nagle mieć tutaj kumulację,

00:02:23

więc będzie to szczyt Hiszpanii.

00:02:25

Więc wszystko tam powyżej

00:02:27

obszary koloru, gdzie

00:02:30

cios będziemy mieli sumę Francji,

00:02:32

Germania, Niemcy,

00:02:34

Włochy i Hiszpania dla

00:02:35

Każdego dnia dochodziliśmy do siebie

00:02:37

danych, a zatem po in fine

00:02:39

Całkowity wynik, więc raczej interesujący.

00:02:41

To kolejny sposób analizy:

00:02:44

dane, w których jednocześnie mamy szczegóły,

00:02:47

W tym samym czasie mamy globalne, więc jest raczej

00:02:49

Nieźle. I drugi

00:02:51

rodzaj obszaru, który może być wykorzystany,

00:02:53

są to ułożone w stos obszary,

00:02:57

Potem może trochę bardziej abstrakcyjne.

00:02:59

Pomysł, w zasadzie,

00:03:00

Chodzi o to, że tam nie weźmiemy

00:03:02

surowe wartości, raczej weźmiemy

00:03:03

Jaki jest udział kraju

00:03:06

w stosunku do sumy.

00:03:07

Więc jeśli spojrzymy tutaj przez

00:03:08

przykład na samym początku,

00:03:10

Cóż, widzimy, że

00:03:11

to Francja okupowała 100%

00:03:13

przypadków COVID w

00:03:14

Europa w każdym razie na tych 4 krajach.

00:03:16

Dlaczego?

00:03:17

Bo jeśli spojrzymy na

00:03:19

pierwsze dni epidemii,

00:03:20

1, 2, 3,

00:03:21

pierwsze 5 dni,

00:03:22

Ale w rzeczywistości jest tylko Francja

00:03:24

który liczył ich sprawy. Może

00:03:26

niż inne kraje, we wszystkich

00:03:28

Sprawy, które zaczęliśmy liczyć

00:03:30

od tego momentu.

00:03:32

I tak skutecznie od 22 do 26

00:03:34

To jest mniej więcej to, co

00:03:37

które mamy tutaj,

00:03:37

Cóż, 100% przypadków z czterech

00:03:40

kraje były reprezentowane przez Francję.

00:03:42

Po, jeśli trochę posuniemy się naprzód,

00:03:44

widzimy, że będziemy mieli też Niemcy

00:03:47

które zaczną pojawiać się niektóre

00:03:49

dni później i to właśnie widzimy tutaj.

00:03:51

Tam mamy wartości i tutaj

00:03:53

w sprawie Hiszpanii, w sprawie Hiszpanii,

00:03:55

i Włochy, nie mamy żadnego. I po

00:03:57

Będziemy mieli księgowość, która

00:03:59

będzie działać w bardzo brutalny sposób

00:04:01

Strona włoska,

00:04:02

od lutego, gdzie

00:04:04

Tam, nagle,

00:04:05

jest kompletne stoisko,

00:04:07

To znaczy, z... Wtedy byłoby to konieczne

00:04:10

Spójrz na dane..., w każdym razie

00:04:11

Cóż, nadal musisz to wziąć

00:04:13

z pincetą, bo zostajemy

00:04:15

w sprawie woluminów, które są kiedy

00:04:17

nawet stosunkowo niski

00:04:18

Ale rzeczywiście, jeśli spojrzymy tutaj,

00:04:20

Widzicie start, który jest bardzo wyraźny

00:04:23

w porównaniu z innymi krajami na 22.

00:04:26

Od 22, a więc tam,

00:04:27

Od tego momentu

00:04:29

Włochy, w tym okresie,

00:04:30

Tam tutaj zajmie miejsce bardzo, bardzo

00:04:32

silny w tym okresie. A tak nie jest

00:04:34

Nie jest łatwo zobaczyć, kiedy jesteś w

00:04:36

Proste skumulowane, ponieważ dane

00:04:38

są bardzo niskie podczas uruchamiania

00:04:39

Tak więc w rzeczywistości krzywa jest

00:04:42

Lekko upakowane w stosunku do wartości

00:04:43

końca i tak, że nie możemy

00:04:45

Raportowanie jest zatem powodem:

00:04:46

te ułożone w stosy obszary są bardzo interesujące,

00:04:48

pozwala się tam dostać

00:04:50

Uwzględnij te skutki tam.

00:04:52

I rzeczywiście,

00:04:53

na całym tym obszarze tam,

00:04:55

Włochy zajmują miejsce, które

00:04:56

jest niezwykle ważne.

00:04:57

Po nadrobieniu zaległości

00:04:59

Hiszpania z, z grubsza,

00:05:01

To wszystko, od połowy marca,

00:05:03

Powiemy, i do

00:05:05

stabilizacja dystrybucji,

00:05:07

Chcę powiedzieć na ten temat

00:05:09

Kropka tam, więc powiemy od

00:05:12

od połowy kwietnia tutaj i od

00:05:14

W tym momencie, nagle, każdy z nas ma

00:05:17

jego miejsce w cudzysłowie z

00:05:19

procenty, które są mniej więcej

00:05:21

Powiązane

00:05:23

do każdego kraju.

00:05:24

To wszystko,

00:05:25

Tak naprawdę chodzi o wszystko, co jest

00:05:27

dystrybucja i ewolucja dystrybucji,

00:05:29

Wizualizacja, którą bardzo lubię

00:05:30

i który umożliwia realizację

00:05:32

jego ogromnych skutków ubocznych na

00:05:34

niektóre okresy, w których wolumen

00:05:36

Surowe dane są stosunkowo niskie.

00:00:02

अब हम एक और देखेंगे

00:00:04

ऐसे पहलू जो क्षेत्र होंगे।

00:00:06

यह दिलचस्प है

00:00:07

यदि आप एक दृश्य रखना चाहते हैं

00:00:10

तत्वों पर थोड़ा संचयी

00:00:12

जिसे आप देख रहे हैं। तो आम तौर पर

00:00:14

मेरे पास चार श्रेणियां हैं और जब मैं पोस्ट करता हूं

00:00:15

घुमाव, इसलिए मोड़

00:00:17

ओवरलैप होगा। वहाँ हम क्या

00:00:19

यह संभव है कि यह संभावित रूप से हो

00:00:20

देश के अनुसार विवरण है,

00:00:22

लेकिन कुल दृष्टि भी

00:00:24

अवधि। तो इसके लिए, हम

00:00:26

हमेशा सम्मिलन में जाएगा

00:00:28

और हम जाएंगे और चयन करेंगे,

00:00:30

(तो शायद डिफ़ॉल्ट रूप से,

00:00:31

यह उन्हें प्रदर्शित नहीं करता है) वास्तव में,

00:00:32

अगर वास्तव में यह यहां समाप्त हो जाएगा।

00:00:34

तो यहां हम पहला करेंगे

00:00:36

यह कौन है,

00:00:37

सरल क्षेत्र,

00:00:38

हम देखेंगे कि अन्य लोग हैं,

00:00:40

यहां ढेर वाले क्षेत्र और

00:00:42

100% स्टैक किया गया, हम इसे प्राप्त करेंगे।

00:00:43

हम सरल क्षेत्रों से शुरुआत करेंगे।

00:00:46

तो वहाँ,

00:00:47

हम इसका पता लगाएंगे

00:00:48

जल्दी से एक समस्या,

00:00:49

यह वह है कि वहां से, यह सब

00:00:52

इसका निचला हिस्सा है

00:00:53

वक्र के साथ रखा जाएगा

00:00:56

एक रंग। तो यहाँ समस्या यहाँ से

00:00:58

इसके संबंध में, यह है कि अचानक मैं

00:01:01

उदाहरण के लिए स्पेन होगा

00:01:02

जो संपूर्णता को कवर करेगा

00:01:04

अन्य देशों के डेटा।

00:01:06

तो यहां हम देखते हैं कि यह बिल्कुल काम नहीं करता है।

00:01:08

तो वहां हमें जरूरत है

00:01:10

बल्कि, यह इस तरह के क्षेत्र नहीं हैं

00:01:11

यह ओवरलैप होगा क्योंकि

00:01:13

अंत में यह काफी हद तक नीचे आता है

00:01:14

वक्रों के समान,

00:01:16

और यह और भी कम स्पष्ट है क्योंकि

00:01:17

कि अचानक मेरे पास डेटा नहीं है

00:01:19

प्रदर्शित होने वाले अन्य देशों की संख्या।

00:01:20

तो इसके लिए, मैं इसके बजाय प्रकार बदलने जा रहा हूं।

00:01:24

मेरा चार्ट तैयार करें और इसे डालें

00:01:27

स्टैक्ड एरिया कर्व्स कहा जाता है।

00:01:31

मैं थोड़ा बड़ा होने जा रहा हूँ,

00:01:34

थोड़ा बेहतर देखने के लिए कि यह कैसा दिखता है।

00:01:38

तो यहां हमारे पास प्रत्येक का डेटा है

00:01:40

ऐसे देश जो वास्तव में संचयी रूप से प्रदर्शित होते हैं। तो वहाँ

00:01:42

हम फ्रांस के साथ शुरू करेंगे, इसलिए

00:01:44

काउंटर 0 पर है और इसलिए आप वहां क्या हैं

00:01:47

वास्तव में ऐसा ही हुआ है

00:01:49

फ्रांस के लिए और उससे ठीक ऊपर,

00:01:51

हम जोड़ देंगे कि क्या है

00:01:53

जर्मनी के लिए और फिर से दिखाई दिया

00:01:54

इटली के लिए उससे ऊपर और

00:01:56

स्पेन के लिए अभी भी इससे ऊपर है।

00:01:57

क्या महसूस करना संभव बनाता है

00:01:59

वास्तव में, कौन अधिक तेज़ी से विकसित होता है।

00:02:01

यहां हम देखते हैं कि आम तौर पर इटली और

00:02:03

वास्तव में यही हुआ,

00:02:04

यह वही है जो हमने देखा है लेकिन

00:02:06

किसी भी मामले को देखने पर हम देखते हैं कि,

00:02:09

स्पेन भी,

00:02:10

हम देखते हैं कि इसकी प्रधानता है

00:02:12

ये देश दिखाई देते हैं

00:02:15

उस हिस्से से शुरू करो,

00:02:17

किसी भी मामले में, नेत्रहीन,

00:02:18

यह वह जगह है जहां यह दिखाता है और क्या

00:02:20

यह भी दिलचस्प है,

00:02:21

यह है कि हम अचानक यहां अनुकरण कर सकते हैं,

00:02:23

इसलिए यह स्पेन का शीर्ष होगा।

00:02:25

तो वहां ऊपर सब कुछ

00:02:27

रंग के क्षेत्र जहां हैं

00:02:30

झटका हमारे पास फ्रांस का योग होगा,

00:02:32

जर्मनिया, जर्मनी,

00:02:34

इटली और स्पेन के लिए

00:02:35

हर दिन हम ठीक हो जाते थे

00:02:37

डेटा और इसलिए ठीक होने के बाद

00:02:39

कुल परिणाम, बल्कि दिलचस्प है।

00:02:41

यह विश्लेषण करने का एक और तरीका है

00:02:44

डेटा जहां एक ही समय में हमारे पास विस्तार है,

00:02:47

साथ ही हमारे पास वैश्विक है, इसलिए यह बल्कि है

00:02:49

ठीकठाक है। और दूसरा

00:02:51

क्षेत्र का प्रकार जिसका उपयोग किया जा सकता है,

00:02:53

ये ढेर वाले क्षेत्र हैं,

00:02:57

तो शायद थोड़ा और अमूर्त।

00:02:59

विचार, मूल रूप से,

00:03:00

यह है कि वहां हम इसे लेने नहीं जा रहे हैं

00:03:02

कच्चे मूल्य, हम इसके बजाय लेंगे

00:03:03

देश का हिस्सा क्या है

00:03:06

कुल के सापेक्ष।

00:03:07

तो अगर हम यहां देखें तो वहां

00:03:08

उदाहरण के लिए, शुरुआत में,

00:03:10

खैर, हम देखते हैं कि

00:03:11

यह फ्रांस था जिसने 100% कब्जा कर लिया था

00:03:13

कोविड मामलों की संख्या

00:03:14

यूरोप किसी भी मामले में इन 4 देशों पर निर्भर करता है।

00:03:16

और ऐसा क्यों है?

00:03:17

क्योंकि अगर हम देखें तो

00:03:19

महामारी के पहले दिन,

00:03:20

1, 2, 3,

00:03:21

पहले 5 दिन,

00:03:22

लेकिन वास्तव में केवल फ्रांस है

00:03:24

जो अपने मामलों की गिनती कर रहे थे। हो सकता है

00:03:26

अन्य देशों की तुलना में, सभी में

00:03:28

जिन मामलों की हमने गिनती शुरू की

00:03:30

उस क्षण से।

00:03:32

और 22 से 26 तारीख तक प्रभावी ढंग से

00:03:34

तो यह काफी हद तक क्या है

00:03:37

जो हमारे पास यहाँ है,

00:03:37

चार में से 100% मामले

00:03:40

देशों का प्रतिनिधित्व फ्रांस द्वारा किया गया था।

00:03:42

इसके बाद, अगर हम थोड़ा आगे बढ़ते हैं,

00:03:44

हम देखते हैं कि हमारे पास जर्मनी भी होगा

00:03:47

जो कुछ दिखाई देने लगेगा

00:03:49

कुछ दिन बाद और यही हम यहां देखते हैं।

00:03:51

वहां हमारे पास मूल्य हैं और यहां

00:03:53

स्पेन पर, स्पेन पर,

00:03:55

और इटली, हमारे पास एक भी नहीं है। और बाद में

00:03:57

हमारे पास लेखा-जोखा होगा कि

00:03:59

बहुत क्रूर तरीके से काम करेंगे

00:04:01

इतालवी पक्ष,

00:04:02

फरवरी से कहां

00:04:04

वहाँ, अचानक,

00:04:05

एक पूरा स्टाल है,

00:04:07

कहने का तात्पर्य यह है कि... तो यह आवश्यक होगा

00:04:10

डेटा को देखो ..., किसी भी मामले में

00:04:11

ठीक है, आपको अभी भी यह लेना होगा

00:04:13

चिमटी के साथ क्योंकि हम रहते हैं

00:04:15

केस वॉल्यूम पर जो कब हैं

00:04:17

यहां तक कि अपेक्षाकृत कम

00:04:18

लेकिन वास्तव में अगर हम यहां देखें,

00:04:20

आप टेक-ऑफ देखते हैं जो बहुत स्पष्ट है

00:04:23

22 पर अन्य देशों की तुलना में।

00:04:26

22 तारीख से और इसलिए वहां,

00:04:27

उस पल से,

00:04:29

इटली, इस अवधि के दौरान,

00:04:30

यहां बहुत जगह होगी।

00:04:32

इस अवधि में मजबूत। और यह नहीं है

00:04:34

यह देखना आसान नहीं है कि आप कब हैं

00:04:36

सरल स्टैक्ड क्योंकि डेटा

00:04:38

स्टार्टअप में बेहद कम हैं

00:04:39

और इसलिए वास्तव में वक्र एक है

00:04:42

मानों के संबंध में थोड़ा पैक किया गया

00:04:43

अंत और ताकि हम नहीं कर सकें

00:04:45

रिपोर्टिंग, इसलिए, क्यों है

00:04:46

ये ढेर वाले क्षेत्र बहुत दिलचस्प हैं,

00:04:48

यह आपको वहां पहुंचने की अनुमति देता है

00:04:50

वहां इन प्रभावों का लेखा-जोखा।

00:04:52

और वास्तव में,

00:04:53

इस पूरे क्षेत्र में,

00:04:55

इटली एक ऐसी जगह है जो

00:04:56

यह अत्यंत महत्वपूर्ण है।

00:04:57

एक कैच-अप के बाद

00:04:59

स्पेन से, मोटे तौर पर,

00:05:01

यही है, मार्च के मध्य से,

00:05:03

हम कहेंगे, और एक तक

00:05:05

वितरण का स्थिरीकरण,

00:05:07

मैं कहना चाहता हूं, इस पर

00:05:09

वहां की अवधि इसलिए हम कहेंगे

00:05:12

अप्रैल के मध्य से यहां और

00:05:14

उस क्षण, अचानक, हम दोनों के पास है

00:05:17

उद्धरण चिह्नों में इसका स्थान

00:05:19

प्रतिशत जो कम या ज्यादा हैं

00:05:21

संबंधित

00:05:23

हर देश के लिए।

00:05:24

तो बस इतना ही,

00:05:25

यह वास्तव में हर उस चीज के बारे में है जो है

00:05:27

वितरण और वितरण का विकास,

00:05:29

एक विज़ुअलाइज़ेशन जो मुझे वास्तव में पसंद है

00:05:30

और जो महसूस करना संभव बनाता है

00:05:32

इसके अत्यधिक दुष्प्रभाव

00:05:34

मात्रा के कुछ निश्चित समय

00:05:36

कच्चा डेटा अपेक्षाकृत कम है।

00:00:02

Sekarang kita akan melihat yang lain

00:00:04

aspek yang akan menjadi area.

00:00:06

Itu menarik

00:00:07

jika Anda ingin memiliki tampilan

00:00:10

sedikit kumulatif pada elemen

00:00:12

yang sedang Anda lihat. Jadi biasanya ada

00:00:14

Saya memiliki empat kategori dan ketika saya memposting

00:00:15

kurva, jadi kurva

00:00:17

akan tumpang tindih. Di sana apa yang kami

00:00:19

ingin memilikinya secara potensial

00:00:20

memiliki rincian berdasarkan negara,

00:00:22

tetapi juga total secara visual pada

00:00:24

titik. Jadi untuk itu, kami

00:00:26

akan selalu masuk ke Penyisipan

00:00:28

dan kami akan pergi dan memilih,

00:00:30

(jadi mungkin secara default,

00:00:31

itu tidak menampilkannya) memang,

00:00:32

jika memang itu akan berakhir di sini.

00:00:34

Jadi di sini kita akan melakukan yang pertama

00:00:36

siapa yang ini,

00:00:37

area sederhana,

00:00:38

Kita akan melihat bahwa ada yang lain,

00:00:40

Berikut adalah area bertumpuk dan

00:00:42

Ditumpuk 100%, kita akan membahasnya.

00:00:43

Kita akan mulai dengan area sederhana.

00:00:46

Jadi di sana,

00:00:47

Kami akan mencari tahu

00:00:48

cepat masalah,

00:00:49

Itu karena di sana, semua itu

00:00:52

adalah bagian bawah dari

00:00:53

kurva akan diletakkan dengan

00:00:56

warna. Jadi di sini masalahnya oleh

00:00:58

Sehubungan dengan itu, tiba-tiba aku

00:01:01

akan memiliki Spanyol misalnya

00:01:02

yang akan mencakup keseluruhan

00:01:04

data dari negara lain.

00:01:06

Jadi di sini kita melihat bahwa itu tidak berfungsi sama sekali.

00:01:08

Jadi di sana kita perlu

00:01:10

sebaliknya, itu bukan area seperti

00:01:11

Ini akan tumpang tindih karena

00:01:13

Pada akhirnya itu turun ke cukup banyak

00:01:14

sama seperti kurva,

00:01:16

Dan itu bahkan kurang jelas karena

00:01:17

bahwa tiba-tiba saya tidak memiliki datanya

00:01:19

negara lain yang ditampilkan.

00:01:20

Jadi untuk itu, saya akan mengubah jenisnya sebagai gantinya.

00:01:24

dari bagan saya dan pergi meletakkan ini

00:01:27

disebut kurva area bertumpuk.

00:01:31

Saya akan memperbesar sedikit,

00:01:34

untuk melihat sedikit lebih baik seperti apa bentuknya.

00:01:38

Jadi di sini kita memiliki data masing-masing

00:01:40

negara-negara yang benar-benar ditampilkan secara kumulatif. Jadi di sana

00:01:42

Kita akan mulai dengan Prancis, jadi

00:01:44

counter ada di 0 dan begitulah yang Anda

00:01:47

sebenarnya itulah yang terjadi

00:01:49

untuk Prancis dan tepat di atas itu,

00:01:51

Kami akan menambahkan apa yang ada

00:01:53

muncul untuk Jerman dan lagi

00:01:54

di atas itu untuk Italia dan

00:01:56

masih di atas itu untuk Spanyol.

00:01:57

Apa yang memungkinkan untuk disadari

00:01:59

Memang, siapa yang berevolusi lebih cepat.

00:02:01

Di sini kita melihat bahwa biasanya Italia dan

00:02:03

Itulah yang sebenarnya terjadi,

00:02:04

Ini adalah apa yang telah kita lihat tetapi di

00:02:06

Setiap kasus secara visual kita melihat bahwa,

00:02:09

dan Spanyol juga,

00:02:10

Kami melihat bahwa ada dominasi

00:02:12

Negara-negara ini muncul di

00:02:15

mulai dari sekitar bagian itu,

00:02:17

Bagaimanapun, secara visual,

00:02:18

Di sinilah ia menunjukkan dan apa

00:02:20

juga menarik,

00:02:21

Kita bisa tiba-tiba mendapatkan akumulasi di sini,

00:02:23

jadi itu akan menjadi puncak Spanyol.

00:02:25

Jadi semuanya di atas sana

00:02:27

area warna di mana ada

00:02:30

pukulan kita akan memiliki jumlah Prancis,

00:02:32

Germania, Jerman,

00:02:34

Italia dan Spanyol untuk

00:02:35

Setiap hari kami pulih

00:02:37

data dan karenanya setelah baik-baik saja

00:02:39

Hasil totalnya, jadi agak menarik.

00:02:41

Ini adalah cara lain untuk menganalisis

00:02:44

data di mana pada saat yang sama kami memiliki detail,

00:02:47

Pada saat yang sama kita memiliki global, jadi agak

00:02:49

Tidak buruk. Dan yang lainnya

00:02:51

jenis area yang dapat digunakan,

00:02:53

ini adalah area bertumpuk,

00:02:57

maka mungkin sedikit lebih abstrak.

00:02:59

Idenya, pada dasarnya,

00:03:00

Di sana kita tidak akan mengambil

00:03:02

nilai mentah, kami lebih suka mengambil

00:03:03

Apa bagian negara

00:03:06

relatif terhadap total.

00:03:07

Jadi di sana jika kita melihat di sini dengan

00:03:08

contoh di awal,

00:03:10

Nah, kita melihat itu

00:03:11

Prancislah yang menduduki 100%

00:03:13

kasus COVID di

00:03:14

Eropa dalam hal apapun di 4 negara ini.

00:03:16

Dan mengapa demikian?

00:03:17

Karena jika kita melihat

00:03:19

hari-hari pertama epidemi,

00:03:20

1, 2, 3,

00:03:21

5 hari pertama,

00:03:22

Namun nyatanya hanya ada Prancis

00:03:24

yang sedang menghitung kasus mereka. Mungkin

00:03:26

daripada yang dimiliki negara lain, secara keseluruhan

00:03:28

Kasus yang mulai kami hitung

00:03:30

sejak saat itu.

00:03:32

Dan sangat efektif dari tanggal 22 hingga 26

00:03:34

Jadi itu cukup banyak

00:03:37

yang kita miliki di sini,

00:03:37

yah 100% dari kasus dari empat

00:03:40

negara-negara diwakili oleh Prancis.

00:03:42

Setelah, jika kita maju sedikit,

00:03:44

kita melihat bahwa kita akan memiliki Jerman juga

00:03:47

yang akan mulai muncul beberapa

00:03:49

beberapa hari kemudian dan itulah yang kita lihat di sini.

00:03:51

Di sana kita memiliki nilai-nilai dan di sini

00:03:53

di Spanyol, di Spanyol,

00:03:55

dan Italia, kami tidak memilikinya. Dan setelah

00:03:57

Kami akan memiliki akuntansi yang

00:03:59

akan beroperasi dengan cara yang sangat brutal

00:04:01

Sisi Italia,

00:04:02

dari Februari di mana

00:04:04

di sana, tiba-tiba,

00:04:05

ada kios yang lengkap,

00:04:07

Artinya, dari... maka itu perlu

00:04:10

lihat datanya ..., bagaimanapun juga

00:04:11

yah, Anda masih harus mengambilnya

00:04:13

dengan pinset karena kami tinggal

00:04:15

pada volume kasus yaitu ketika

00:04:17

bahkan relatif rendah

00:04:18

Tetapi memang jika kita melihat di sini,

00:04:20

Anda melihat lepas landas yang sangat jelas

00:04:23

dibandingkan dengan negara lain pada tanggal 22.

00:04:26

Dari tanggal 22 dan karena itu ada,

00:04:27

Sejak saat itu,

00:04:29

Italia, selama periode ini,

00:04:30

Di sana di sini akan mengambil tempat yang sangat sangat

00:04:32

kuat selama periode tersebut. Dan itu tidak

00:04:34

Tidak mudah dilihat saat Anda berada di

00:04:36

Sederhana ditumpuk karena data

00:04:38

sangat rendah saat startup

00:04:39

dan sebenarnya kurva adalah a

00:04:42

Sedikit dikemas dalam kaitannya dengan nilai

00:04:43

akhir dan agar kita tidak bisa

00:04:45

Pelaporan, oleh karena itu, adalah alasannya

00:04:46

area bertumpuk ini sangat menarik,

00:04:48

Ini memungkinkan Anda untuk sampai ke sana

00:04:50

akun efek ini di sana.

00:04:52

Dan memang,

00:04:53

di semua area ini di sana,

00:04:55

Italia mengambil tempat yang

00:04:56

sangat penting.

00:04:57

Setelah kita mengejar ketinggalan

00:04:59

Spanyol dari, kira-kira,

00:05:01

Itu saja, dari pertengahan Maret,

00:05:03

Kami akan mengatakan, dan sampai a

00:05:05

stabilisasi distribusi,

00:05:07

Saya ingin mengatakan, tentang ini

00:05:09

periode di sana jadi kami akan mengatakan dari

00:05:12

dari pertengahan April di sini dan dari

00:05:14

Saat itu, tiba-tiba, kita masing-masing memiliki

00:05:17

tempatnya dalam tanda kutip dengan

00:05:19

persentase yang lebih atau kurang

00:05:21

Terkait

00:05:23

ke setiap negara.

00:05:24

Jadi begitulah,

00:05:25

Ini benar-benar tentang segala sesuatu yang

00:05:27

distribusi dan evolusi distribusi,

00:05:29

Visualisasi yang sangat saya sukai

00:05:30

dan yang memungkinkan untuk terwujud

00:05:32

efek sampingnya yang sangat besar pada

00:05:34

Periode tertentu ketika volume

00:05:36

Data mentah relatif rendah.

00:00:02

Agora vamos ver outro

00:00:04

aspetos que vão ser as áreas.

00:00:06

Isso é interessante

00:00:07

no caso de querer ter uma vista

00:00:10

um pouco acumulado nos elementos

00:00:12

que você está vendo. Por isso, normalmente há

00:00:14

Eu tenho quatro categorias e quando eu postar

00:00:15

Curvas, então curvas

00:00:17

irá sobrepor-se. É isso que procuramos.

00:00:19

gostaria de tê-lo é potencialmente

00:00:20

ter os detalhes por país,

00:00:22

mas também o total visualmente em

00:00:24

o período. Então, para isso, nós

00:00:26

irá sempre para a Inserção

00:00:28

E nós vamos selecionar,

00:00:30

(Então, talvez por padrão,

00:00:31

não os exibe) de forma eficaz,

00:00:32

se, de facto, acabar aqui.

00:00:34

Então aqui vamos fazer o primeiro

00:00:36

que é isto,

00:00:37

áreas simples,

00:00:38

veremos que há outros,

00:00:40

Estas são as áreas empilhadas e o

00:00:42

100% empilhado, vamos chegar a isso.

00:00:43

Vamos começar pelas áreas simples.

00:00:46

E aí,

00:00:47

Nós vamos perceber

00:00:48

rapidamente de um problema,

00:00:49

é que desde lá, tudo o que é

00:00:52

é a parte inferior da seringa

00:00:53

curva vai ser definida com

00:00:56

uma cor. Então há o problema com isso.

00:00:58

Em relação a isso, é que eu

00:01:01

Vou ter a Espanha, por exemplo

00:01:02

que abrangerá toda a

00:01:04

dados de outros países.

00:01:06

Então aqui vemos que não funciona de todo.

00:01:08

Portanto, aqui precisamos do que precisamos

00:01:10

pelo contrário, não se trata de áreas como

00:01:11

que vão sobrepor-se porque

00:01:13

No final, é praticamente como

00:01:14

o mesmo que curvas,

00:01:16

E é ainda menos claro porque

00:01:17

Então eu não tenho os dados

00:01:19

dos outros países que aparecem.

00:01:20

Então, para isso, vou mudar o tipo

00:01:24

do meu gráfico e vá colocar isso

00:01:27

Estas são chamadas curvas de área empilhada.

00:01:31

Vou torná-lo um pouco maior,

00:01:34

para ver um pouco melhor como é.

00:01:38

Então, aqui temos os dados para cada

00:01:40

países que são efetivamente exibidos cumulativamente. Aí está:

00:01:42

começaremos pela França, pelo que o

00:01:44

contador está em 0 e então lá o que você

00:01:47

Foi realmente o que aconteceu

00:01:49

para a França e um pouco acima disso,

00:01:51

Vamos somar o que é

00:01:53

apareceu para a Alemanha e novamente

00:01:54

superior à da Itália e

00:01:56

ainda mais do que isso para a Espanha.

00:01:57

O que torna possível realizar

00:01:59

que está a evoluir mais rapidamente.

00:02:01

Aqui vemos que tipicamente Itália e

00:02:03

Foi o que realmente aconteceu,

00:02:04

Foi o que pudemos ver, mas em

00:02:06

De qualquer forma, visualmente, podemos ver que,

00:02:09

e também a Espanha, aliás,

00:02:10

Podemos ver que há uma predominância de

00:02:12

os países que aparecem em

00:02:15

a partir desta parte,

00:02:17

Em qualquer caso, visualmente,

00:02:18

É aí que você vê e o que

00:02:20

também é interessante,

00:02:21

é que de repente podemos ter o cumulativo aqui,

00:02:23

então vai ser o topo da Espanha.

00:02:25

Então, tudo o que está lá em cima

00:02:27

áreas de cor onde existe

00:02:30

golpe teremos a soma da França,

00:02:32

da Alemanha, da Alemanha,

00:02:34

Itália e Espanha para

00:02:35

todos os dias que recuperamos

00:02:37

dados e, portanto, em última análise,

00:02:39

O resultado total, tão bastante interessante.

00:02:41

Esta é outra forma de olhar para o

00:02:44

dados onde temos ambos os detalhes,

00:02:47

Ao mesmo tempo, temos o global, por isso é mais

00:02:49

Nada mau. E o outro

00:02:51

o tipo de área que pode ser utilizada,

00:02:53

estas são as áreas empilhadas,

00:02:57

então talvez um pouco mais abstrato.

00:02:59

A ideia, basicamente,

00:03:00

é que não vamos tomar o

00:03:02

valores brutos, vamos tomar

00:03:03

Qual é a quota desse país?

00:03:06

em relação ao total.

00:03:07

Então, se olharmos aqui por

00:03:08

exemplo logo no início,

00:03:10

Bem, podemos ver isso

00:03:11

França ocupou 100%

00:03:13

de casos de COVID em

00:03:14

Europa, pelo menos nestes 4 países.

00:03:16

E porquê?

00:03:17

Porque se você olhar para o

00:03:19

primeiros dias da epidemia,

00:03:20

o 1º, 2º, 3º,

00:03:21

nos primeiros 5 dias,

00:03:22

mas, na verdade, só existe a França

00:03:24

que contava os seus casos. Pode ser

00:03:26

do que outros países tinham, em todos os aspetos,

00:03:28

Os casos que começámos a contar

00:03:30

a partir daí.

00:03:32

E assim efetivamente do dia 22 ao dia 26

00:03:34

Então é praticamente isso que

00:03:37

que temos aqui,

00:03:37

bem 100% dos quatro casos

00:03:40

os países estiveram representados pela França.

00:03:42

Depois, se avançarmos um pouco,

00:03:44

podemos ver que também vamos ter a Alemanha

00:03:47

que começarão a aparecer alguns

00:03:49

dias depois e é isso que vemos aqui.

00:03:51

Aqui temos valores e aqui

00:03:53

sobre a Espanha, sobre a Espanha,

00:03:55

e Itália, não temos nenhuma. O que vem a seguir

00:03:57

Vamos ter a contabilidade que

00:03:59

vai ser muito brutal

00:04:01

Do lado italiano,

00:04:02

a partir de fevereiro, em que

00:04:04

Ali, de repente,

00:04:05

há uma barraca completa,

00:04:07

ou seja, a partir do... nesse caso, seria necessário

00:04:10

Olhe para os dados..., em qualquer caso

00:04:11

bem, você ainda tem que tomá-lo

00:04:13

com uma pitada de sal porque estamos ficando

00:04:15

sobre os volumes de processos em que

00:04:17

mesmo relativamente baixo

00:04:18

Mas, na verdade, se olharmos aqui,

00:04:20

Você pode ver a decolagem que é muito clara

00:04:23

em comparação com outros países no dia 22.

00:04:26

A partir do dia 22 e assim por diante,

00:04:27

A partir daí,

00:04:29

Itália, durante esse período,

00:04:30

Aqui vai tomar um lugar muito, muito

00:04:32

forte ao longo do período. E não é o caso.

00:04:34

Não é fácil ver quando você está dentro

00:04:36

empilhado simples porque os dados

00:04:38

são extremamente baixos no arranque

00:04:39

E assim, na verdade, a curva é uma

00:04:42

Vagamente embalado em comparação com os valores

00:04:43

E por isso não podemos ficar impunes

00:04:45

É por isso que

00:04:46

Estas áreas empilhadas são muito interessantes,

00:04:48

ele permite que você chegue a

00:04:50

estes efeitos.

00:04:52

E, de fato, então,

00:04:53

em toda esta área,

00:04:55

A Itália está a tomar um lugar que

00:04:56

é extremamente importante.

00:04:57

Depois, temos um apanhado de

00:04:59

Espanha de, grosso modo,

00:05:01

A partir de meados de março,

00:05:03

Digamos, e até um

00:05:05

estabilização da distribuição,

00:05:07

Gostaria de dizer, a este respeito

00:05:09

ponto lá então vamos dizer de

00:05:12

a partir de meados de abril e a partir de

00:05:14

Nesse momento, de repente, cada um de nós tem

00:05:17

o seu lugar entre aspas com

00:05:19

percentagens mais ou menos

00:05:21

Relacionados

00:05:23

a cada país.

00:05:24

Aí está,

00:05:25

É realmente sobre tudo o que é

00:05:27

distribuição e evolução da distribuição,

00:05:29

Uma visualização que eu realmente gosto

00:05:30

e que lhe permite perceber

00:05:32

dos seus imensos efeitos secundários sobre

00:05:34

determinados períodos em que o volume

00:05:36

é relativamente baixa.

Mandarine AI: CE QUI POURRAIT VOUS INTÉRESSER

LES COURS ASSOCIÉS Cette vidéo fait partie des cours suivants

Abonnés

2096 vues

E-learning Intermédiaire

Formation Vidéo Microsoft Excel - Intermédiaire

Augmentez votre champ d’action grâce à nos tutoriels intermédiaires dédiés aux formules, à la valorisation visuelle avancée ainsi qu’à l’ana...

Cours E-learning

TOUS LES COURS