कोर्स
डेटा विज़ुअलाइज़ेशन समझना
2 घंटा
263.4K
हमारी महीनेभर चलने वाली डेटा डिमिस्टिफाइड श्रृंखला के दसवें भाग में आपका स्वागत है। डेटा लिटरेसी मंथ के हिस्से के रूप में, यह श्रृंखला डेटा की दुनिया की प्रमुख अवधारणाओं को स्पष्ट करेगी, वे सवालों के जवाब देगी जिन्हें आप पूछने से हिचकिचाते होंगे, और इस सफर में मज़ा भी होगा। यदि आप शुरुआत से शुरू करना चाहते हैं, तो श्रृंखला की पहली प्रविष्टि पढ़ें: डेटासेट क्या है?
इस सप्ताह, हम आम डेटा विज़ुअलाइज़ेशन और उनकी व्याख्या कैसे करें, इस पर चर्चा करेंगे। डेटा विज़ुअलाइज़ेशन को अक्सर डेटा साइंस में प्रवेश का दरवाज़ा कहा जाता है; यह ब्लॉग पोस्ट उन डेटा विज़ुअलाइज़ेशन पर नज़र डालेगा जो वितरण को दर्शाते हैं और उन्हें कैसे समझा जाए।
वितरण को दर्शाने वाली विज़ुअलाइज़ेशन
डेटा विज़ुअलाइज़ेशन का एक प्रमुख उपयोग किसी चर (वेरिएबल) के वितरण को दिखाना है। वितरण को पकड़ना आपको उस डेटा के महत्वपूर्ण सांख्यिकीय गुणों को समझने देता है जिसे आप विज़ुअलाइज़ कर रहे हैं, और दर्शकों को प्रमुख परिणामों पर सूचित, डेटा-आधारित निर्णय लेने में मदद करता है। शुरू करने से पहले, वितरण को विज़ुअलाइज़ करते समय ध्यान में रखने के लिए कुछ मुख्य संकेतक निम्न हैं:
- वितरण का आकार कैसा है? क्या वितरण सममित है या नहीं?
- वितरण का फैलाव क्या है? यानी, डेटासेट में सबसे छोटे और सबसे बड़े मान के बीच का अंतर।
- क्या वितरण में कोई अपवाद मान (आउटलायर) है?
- क्या वितरण में कोई पैटर्न है? क्या वितरण यादृच्छिक है, या कोई स्पष्ट आकृति उभरती है?
- औसत मान क्या है (मीन, मोड, मीडियन)?
नीचे दी गई चार विज़ुअलाइज़ेशन हमें इन संकेतकों को समझने में मदद करती हैं।
हिस्टोग्राम
हिस्टोग्राम वह ग्राफ़ है जो बार्स की मदद से किसी संख्यात्मक चर के वितरण को दिखाता है। यह वितरण की प्रमुख विशेषताओं को दर्शाने का सुविधाजनक तरीका है, खासकर जब डेटा सेट बड़ा हो। वे प्रमुख उदाहरण जहाँ हिस्टोग्राम विशेष रूप से उपयोगी होते हैं, किसी कंपनी के कर्मचारियों के वेतन वितरण को पकड़ना, या किसी रोगी समूह के रक्त शर्करा स्तरों को दिखाना शामिल हैं।
2022 में ऑस्ट्रेलियाई पुरुषों की मृत्यु आयु दर्शाता हुआ एक हिस्टोग्राम (स्रोत: Oosterbaan)
हिस्टोग्राम बनाने के लिए, संख्यात्मक डेटा को पहले कई रेंज या बिन्स में विभाजित किया जाता है, और हर रेंज की आवृत्ति गिनी जाती है। क्षैतिज अक्ष रेंज दिखाता है, जबकि लंबवत अक्ष किसी रेंज की आवृत्ति या प्रतिशत दर्शाता है। हिस्टोग्राम तुरंत दिखा देते हैं कि किसी चर का वितरण किस दिशा में तिरछा है या कहाँ पर उसका शिखर है। यहाँ हमारे Data Visualization for Everyone पाठ्यक्रम से कुछ उदाहरण हैं।
हिस्टोग्राम सममित, बाएँ-तिरछा, या दाएँ-तिरछा हो सकता है। (स्रोत: DataCamp)
हिस्टोग्राम में एक से अधिक मोड हो सकते हैं (स्रोत: DataCamp)
हालाँकि हिस्टोग्राम और बार चार्ट एक जैसे दिखते हैं, वे अलग-अलग उद्देश्यों की पूर्ति करते हैं और इन्हें गड़बड़ नहीं करना चाहिए। मुख्य अंतर निम्न हैं।
|
हिस्टोग्राम |
बार चार्ट |
|
|
कार्यक्षमता का अंतर |
किसी संख्यात्मक चर का वितरण दिखाने के लिए। |
श्रेणियों के बीच मानों की तुलना करने के लिए। |
|
दृश्य अंतर |
हर बार के बीच कोई जगह नहीं होती। |
आमतौर पर बार्स के बीच जगह होती है। साथ ही, |
डेंसिटी प्लॉट
हिस्टोग्राम की तरह, डेंसिटी प्लॉट भी किसी संख्यात्मक चर का वितरण दर्शाता है। परंतु हिस्टोग्राम के विपरीत, डेंसिटी प्लॉट बार्स के बजाय एक स्मूद रेखा का उपयोग करता है। डेंसिटी प्लॉट का क्षैतिज अक्ष संख्यात्मक चर होता है, जबकि लंबवत अक्ष प्रायिकता घनत्व फलन (प्रोबेबिलिटी डेंसिटी फंक्शन) होता है। किसी रेंज के बीच चर के होने की प्रायिकता, ग्राफ़ के नीचे का क्षेत्रफल होती है।
किसी चूहे का जन्म वज़न 1.0 से 1.2 ग्राम के बीच होने की प्रायिकता डेंसिटी प्लॉट के नीचे का क्षेत्रफल है (स्रोत: SPSS)
डेंसिटी प्लॉट वितरण के आकार को हिस्टोग्राम की तुलना में अधिक प्रभावी ढंग से दिखा सकता है। बहुत कम या बहुत अधिक बिन काउंट वाला हिस्टोग्राम अंतर्निहित वितरण के वास्तविक आकार को छिपा सकता है। इसके विपरीत, डेंसिटी प्लॉट में बिनिंग की आवश्यकता नहीं होती और यह स्मूद वितरण वक्र दिखाता है।
 |
 |
 |
हिस्टोग्राम में बिन काउंट का चुनाव महत्वपूर्ण होता है। (स्रोत: Laerd Statistics)
कई वितरणों की तुलना करने में भी डेंसिटी प्लॉट, हिस्टोग्राम से बेहतर होता है।
 |
 |
डेंसिटी प्लॉट्स बनाम हिस्टोग्राम के साथ वितरणों की तुलना (स्रोत: Koehrsen Will)
बॉक्स प्लॉट
हिस्टोग्राम डेटा के समग्र वितरण को दिखाने के लिए उपयुक्त हैं, लेकिन बॉक्स प्लॉट किसी वितरण का सार प्रस्तुत करने में उत्कृष्ट होते हैं।
बॉक्स प्लॉट की संरचना (स्रोत: Galarnyk)
बॉक्स प्लॉट से डेटा को विज़ुअलाइज़ करने पर निम्न बातें उजागर होती हैं:
- मीडियन: डेटासेट का मध्य मान, जहाँ 50% डेटा मीडियन से कम और 50% डेटा मीडियन से अधिक होता है।
- ऊपरी क्वार्टाइल: डेटासेट का 75वां परसेंटाइल, जहाँ 75% डेटा ऊपरी क्वार्टाइल से कम और 25% डेटा उससे अधिक होता है।
- निचला क्वार्टाइल: डेटासेट का 25वां परसेंटाइल, जहाँ 25% डेटा निचले क्वार्टाइल से कम और 75% डेटा उससे अधिक होता है।
- इंटरक्वार्टाइल रेंज: ऊपरी क्वार्टाइल माइनस निचला क्वार्टाइल
- ऊपरी सन्निकट मान: बोलचाल में “अधिकतम”। यह ऊपरी क्वार्टाइल प्लस इंटरक्वार्टाइल रेंज का 1.5 गुना होता है।
- निचला सन्निकट मान: बोलचाल में “न्यूनतम”। यह निचला क्वार्टाइल माइनस इंटरक्वार्टाइल रेंज का 1.5 गुना होता है।
- आउटलायर: कोई भी मान जो “अधिकतम” से ऊपर या “न्यूनतम” से नीचे हो।
वायलिन प्लॉट
वायलिन प्लॉट, बॉक्स प्लॉट और डेंसिटी प्लॉट का मिश्रण है।
कुल बिल का वितरण दिखाता हुआ वायलिन प्लॉट (स्रोत: DataCamp)
डेंसिटी प्लॉट की तरह, वायलिन प्लॉट भी घनत्व वितरण दिखाता है। बॉक्स प्लॉट की तरह, वायलिन प्लॉट सार-सांख्यिकी भी दिखाता है। वायलिन प्लॉट किसी संख्यात्मक चर के वितरण को एक साथ प्रदर्शित और संक्षेपित करने का प्रभावी साधन है।
वायलिन प्लॉट की संरचना (स्रोत: Hintze and Nelson)
आज ही डेटा विज़ुअलाइज़ेशन शुरू करें
हमें उम्मीद है कि आपको डेटा विज़ुअलाइज़ेशन का यह संक्षिप्त परिचय पसंद आया होगा। अगली प्रविष्टि में, हम देखेंगे कि समाचारों में AI को कैसे कवर किया जाता है और इस क्षेत्र में नवीनतम प्रगतियों के प्रति स्वस्थ संदेह कैसे विकसित करें। आज ही अपनी डेटा लर्निंग यात्रा शुरू करने के लिए, नीचे दिए गए संसाधन देखें।
विषय