學習分享_阿好伯

markdown :::success 三元相圖是帶有三個變量的三角圖，它們通常用於化學，岩石學，礦物學，冶金學，材料科學等領域 **特色為其中任一點的三變量總合為100** :::  首先準備好所需的數據格式  啟動Rstudio安裝所需的套件 ``` R= ## Version 1.2.1335 ## coding: utf-8 ## 繪製三元相圖(Ternary plot)結合等高線圖(topographic map) # 安裝相關套件 install.packages("AlgDesign") install.packages('ggtern') install.packages('ggplot2') install.packages('RColorBrewer') #載入相關套件 library(AlgDesign) library(ggplot2) library(RColorBrewer) library(ggtern) ``` 讀取所準備好的CSV檔 ```R=+ data_ggtern [ggtern: ternary diagrams in R: What is ggtern?](http://www.ggtern.com/) >>[Ternary Interpolation / Smoothing]([http://www.ggtern.com/2015/08/03/ternary-interpolation-smoothing/](http://www.ggtern.com/2015/08/03/ternary-interpolation-smoothing/)) >>> [name=Nicholas Hamilton] >[ggtern contour plot in R - Stack Overflow](https://stackoverflow.com/questions/38160110/ggtern-contour-...

markdown 上一篇文章中[分享提取圖表數據的神器WebPlotDigitizer](/CMDuEi_tQZGrL6yMdCCadA)發現網路上中文相關資料欠缺 所以想說可以分享一些文章給大家 今天主題是取得雷達圖的資訊 延伸[雷達圖(Log座標) R 與 Sigmaplot 繪製方法](/bxJ65G4NR5-Z8R4ezyxEzw)一文 將文章中的資料取出後對比原始數據看誤差有多少 導入圖片後選擇極地圖  依照說明點選中心點與兩個已知半徑與角度的位置  中心位置沒有參考點很難對齊  可以降低右上角的放大圖倍率  這樣就方便對齊中心點  後續再選出其餘兩點位置   依序將資料點補上即可  匯出至plotly繪圖後可以得到一個還不錯的結果  # 擷取效果比較 簡單的與原始資料比較可以發現誤差算是非常的小  全文分享至 https://hackmd.io/@LHB-0222/webplotdigitizerRadarChart https://www.facebook.com/LHB0222/ 有疑問想討論的都歡迎於下方留言 喜歡的幫我分享給所有的朋友 \o/ 有所錯誤歡迎指教

markdown 有時候在搜尋期刊文獻或是網路資料的時候看到一張圖表 多數情況是不會提供Raw Data的 若想獲得這個圖表的詳細數值或是重新繪製都是困難的 今天就來分享一個神器[WebPlotDigitizer](https://automeris.io/WebPlotDigitizer/tutorial.html) 可以對數據可視化的圖片進行反向工程以提取數值數據 * 適用於各種圖表（XY，長條圖，極地圖，三元圖，地圖等...） * 自動提取可以輕鬆提取大量數據點 * 免費使用，[開源](https://github.com/ankitrohatgi/WebPlotDigitizer)和跨平台（網頁和線軟體） * 可量測各式各樣的距離或角度 今天簡短的以網頁板本作介紹[WebPlotDigitizer Online]( https://apps.automeris.io/wpd/index.zh_CN.html) 首先先匯入圖片  選擇圖片類型(這次以簡單二為數據展示)  依照順序設定X1, X2, Y1, Y2   輸入X1, X2, Y1, Y2相對的數值  初步篩選建議以畫筆方式搭配顏色篩選將選定圖表資料  再以手動的方式進行資料點提取  篩選結束後就可以查看數據結果  可以簡單設定有效位數之後選擇輸出格式 最酷的是可以輸出至Plotly中 Plotly是我們在R語言中常用的互動式圖表套件  [展示網址](https://plot.ly/~gtgrth/1/) # 官方介紹you...

markdown 最近一位朋友詢問在Sigmaplot中無法顯示最大最小值 在[一圖勝千表_數據可視化_基本圖表篇](/LphJAeGFTVKIMT-FP0giNg)中有介紹到 箱型圖是一種用作顯示一組數據分散情況資料的統計圖 盒鬚圖可以呈現許多資訊例如集中趨勢（中位數，平均值和分布模式） 用來比較群組間的差異是很好的  在Sigmaplot中預設是會顯示離群值(outlier) 而離群值並不是最大或最小值 這邊用一個範例來看在第8廠的地方有一個29的數值 但在盒鬚圖中並沒辦法顯示出來   Sigmaplot試過一些方法都無法解決 最後利用R來處理 在[一圖勝千表_數據可視化_基本圖表篇](/LphJAeGFTVKIMT-FP0giNg)中也有提到一圖形稱為小提琴圖(violin plot)算是盒鬚圖的變形 也可以用來顯示資料的分布但並不是敘述統計上的資訊 而是實際的數值分布情況結果如下  --- 數據準備另存成CSV檔  # R程式碼 ```R=1 install.packages("ggplot2") #安裝ggplot2套件 library(ggplot2) #載入ggplot2套件 Data_flie

markdown ### [為何我們需要可視化(visualization)?](https://b10231040.blogspot.com/2018/08/1.html) Webster 字典中visualization的定義如下。 Vi.su.al.i.za.tion [1] 1.Formation of mental visual images 2.The act or process of interpreting in visual terms or of putting into visible form. 將抽象的科學或者商業數據.用圖像表示出來.幫助理解數據的意義的過程。 它通常會在進行數據分析(data analysis)的過程中大量的使用 從數據展示需求的角度選擇恰當的圖表，可以更好的形式彰顯數據的潛在性、規律性與價值 數據的展現包括用圖表展示數據和用統計量描述數據等內容 圖表的類型有數十種以上  不同的圖表展現出的資訊也不同 適合的資料呈現對於讀者來說能用最少的時間來了解你所呈現的內容 下面整理一些常見的圖表類型說明基本圖表的特點和適用場合 ## 柱狀圖（Bar Chart） 我們經常看到條形圖，很容易忽視它們的效果 條形圖可以顯示值隨時間的變化 適用場合是二維數據集（每組數據點包括兩個值x和y） 或者它們可以提供多個類別的直接比較  注意的是資料類別不適合過多 柱狀圖的X軸可以很適合用於時間維 讀者習慣性認為存在時間趨勢 如果遇到X軸不是時間維的情況，建議用顏色區分每根柱子 改變用戶對時間趨勢的關注  或是使用垂直排列的方式  ## 折線圖（Line Chart） 折線圖也適用場合是二維數據集（每組數據點包括兩個值x和y） 比柱狀圖更適合呈現時間序列或是先後順序的差異 折線圖特別擅長於揭示數據的整體趨勢  也適合...

********************* 前言 ********************* 在今天來跟大家分享使用Coggle的經驗 Coggle最主要是來整理我們的想法 利用圖像的方式去歸納自己的想法 將一些核心概念、事物與另一些概念、事物組織起來 許多人應該都看過東大特訓班而其中所提到的記憶樹 就是心智圖的一個應用 https://youtu.be/LAn1SoiWygY?t=77 在Coggle中免費版本只能有3篇私人圖表 而且可以公開分享自己的圖表 所以網路上也累積了可觀數量的公開的圖表 在搜尋相關主題的情況後 可以發現許多相關的圖表 也有許多別人的idea 可以借鏡 ********************* 本文 ********************* 公開圖表在Coggle首頁上有一個專區 用來展示網路上所開放的圖表 可以看到許多的圖表類型 而今天的一個重點在於搜尋別人公開的圖表來尋找靈感 在搜尋的過程中可能沒辦法一下子就找到符合自己的圖表 但在搜尋得過程中可以看到不同人對於相同主題的不同想法 而增進自己的內容 若是看到覺得適合的圖表 可以將圖表複製成自己的圖表在進行編輯 心智圖也非常適合使用在簡報的製作 簡單的將製作簡報的幾個想法用Coggle來呈現 而且在小組討論時也可以利用共編的方式去收集大家的想法 有興趣的也可以在下方連結去新增你的想法 http://bit.ly/2PCCIPt 今天先分享到這邊希望大家都有收穫 網站所有文章皆為 H.B. Liu 撰寫，歡迎分享但勿轉製 也可以 到粉專私訊我 喜歡我分享的內容也可以按讚追蹤一下我的粉專 幫我分享給所~~~有的朋友 \o/ 有所錯誤歡迎指教

什麼是可視化(visualization) Webster 字典中visualization的定義如下。 Vi.su.al.i.za.tion [1] 1.Formation of mental visual images 2.The act or process of interpreting in visual terms or of putting into visible form. 簡單的說我們可以把可視化理解成是一個：將抽象的科學或者商業數據.用圖像表示出來.幫助理解數據的意義的過程。它通常會在進行數據分析(data analysis)的過程中大量的使用。 使用可視化呈現信息並不是一個新現象。 大家都聽說過南丁格爾~~ 但大家所不常聽說的是在19世紀中期，克里米亞戰爭爆發。 在這場戰中，雙方死亡人數超過50萬人， 可謂戰況慘烈。南丁格爾當時是英國的一名戰地護士， 她對英國士兵的死亡情況進行了統計對比， 最終發現「因醫療條件惡劣導致的死亡人數，遠遠超過了前線陣亡人數」。 南丁格爾將統計結果繪製成一張圖表， 這張圖表即是被後世稱為「南丁格爾玫瑰圖」的歷史上第一份「極區圖」。 玫瑰圖，刺激了神經麻木的官僚，充分證明了數據可視化的價值， 促成了第一座戰地醫院的建立，從而大大降低了戰爭帶來的死亡率。 不可忽略可視化相較於統計的重要性 許多人對於"Anscombe's quartet"這個名詞應該很陌生， 這是 FJ Anscombe在1973年在他的一篇論文" Graphs in Statistical Analysis "中所提出的， 我們先看到下方四個數據集 對四組數據進行簡單的數據分析, 每組數據有兩個變量, 我們用常用的統計去評估四組數據的特點， 可以得到相同的 Means(平均值): X = 9 Y = 7.5 Variance(總體方差): X = 11Y = 4.122 Correlation(關聯) xy: 0.816 Linear regression(線性回歸方程): Y = 3.0 + 0.5X 好像所有的數據貌似都是一個特點。 一樣的平均值，線性...