Datavisualisatie wordt razendsnel een essentiële vaardigheid in data-analyse en data science. Goede visualisatievaardigheden zijn nodig in veel sectoren, zoals finance, onderwijs en gezondheidszorg. Dat is niet verrassend: nu analisten te maken hebben met een steeds grotere hoeveelheid complexe en diverse data, biedt datavisualisatie technieken om daar betekenis uit te halen en inzichten effectief te communiceren.
Waar het historisch gezien als een bijzaak gold binnen data science, wordt datavisualisatie vandaag verrijkt met interessante technieken, tools, theorieën en bijdragen uit verschillende disciplines, zoals psychologie en neurowetenschappen. Wil je een datavisualisatiewizard worden? Dan ben je bij DataCamp aan het juiste adres. Bekijk onze catalogus met datavisualisatiecursussen voor toegang tot meer dan 30 cursussen, gegeven door toonaangevende experts en gericht op uiteenlopende populaire technologieën.
Dit artikel geeft een overzicht van de stand van zaken rond datavisualisatie. We focussen op de meest populaire analyses, technieken en tools. Lees verder!
De kracht van goede datavisualisatie
Datavisualisatie maakt gebruik van grafische weergaven van data, zoals grafieken, diagrammen en kaarten. Visuals stellen data scientists in staat om duizenden rijen en kolommen complexe data samen te vatten in een begrijpelijk en toegankelijk formaat. Vergeleken met beschrijvende statistieken of tabellen bieden visuals een effectievere manier om data te analyseren, zoals het identificeren van patronen, verdelingen, correlaties en het opsporen van uitschieters in complexe datasets.
Door data tot leven te brengen met inzichtelijke grafieken en diagrammen, is datavisualisatie cruciaal in besluitvormingsprocessen. Of het nu gaat om data-analisten die hun bevindingen voor niet-technische stakeholders uiteenzetten, data scientists die A/B-tests uitvoeren voor marketingdoeleinden, of machine learning engineers die mogelijke bias uitleggen in complexe large language models zoals ChatGPT: datavisualisatie is de sleutel om van inzichten naar beslissingen te komen.
Toch verdwijnen veel grondige en gedetailleerde data-analyses in de la, simpelweg omdat ze er niet in slaagden het publiek te boeien, of dat nu besluitvormers, stakeholders of andere teamleden zijn.
Dankzij vooruitgang in disciplines zoals neurowetenschappen weten we vandaag dat de manier waarop een visualisatie wordt vormgegeven sterk kan beïnvloeden hoe mensen die waarnemen. De keuzes die je maakt bij het ontwerpen van een grafiek – zoals kleuren, lay-out en formaat – kunnen een groot verschil maken. Benieuwd naar de theorie achter datavisualisatie? Onze cursus Understanding Data Visualization is een prima startpunt.
Hoewel visualisatie een belangrijke rol speelt bij het communiceren van inzichten, is de succesformule complexer. Dat is het idee achter data storytelling: een innovatieve aanpak die pleit voor het combineren van visuals, narratief en data om inzichten om te zetten in actie. Wil je meer weten over data storytelling? Beluister onze DataFramed-podcast, waarin we spreken met Brent Dykes, Senior Director of Insights & Data Storytelling bij Blast Analytics en auteur van Effective Data Storytelling.
Soorten datavisualisatie-analyse
Datavisualisatie wordt gebruikt om het gedrag van verschillende variabelen in een dataset visueel te analyseren, zoals de relatie tussen datapunten binnen een variabele of de verdeling. Afhankelijk van het aantal variabelen dat je tegelijk wilt bestuderen, onderscheiden we drie soorten analyse.
- Univariate analyse: Gebruikt om het gedrag van slechts één variabele tegelijk samen te vatten.
- Bivariate analyse: Helpt de relatie tussen twee variabelen te bestuderen.
- Multivariate analyse: Maakt het mogelijk om meer dan twee variabelen tegelijk te analyseren.
Belangrijke datavisualisatietechnieken
Laten we de populairste datavisualisatietechnieken eens bekijken!
Lijngrafieken
Lijngrafieken behoren tot de meest gebruikte visualisaties en zijn uitstekend om de ontwikkeling van een variabele in de tijd te volgen. Meestal plaats je een tijdvariabele op de x-as en de variabele die je wilt analyseren op de y-as. De onderstaande lijngrafiek toont bijvoorbeeld de ontwikkeling van de DJIA-aandelenkoers in 2022.
Bron. DataCamp
Wil je leren hoe je overtuigende lijngrafieken maakt? Bekijk dan onze Line Plots in MatplotLib with Python Tutorial.
Staafdiagrammen
Een staafdiagram rangschikt data op basis van de waarde van meerdere categorieën. Het bestaat uit rechthoeken waarvan de lengte evenredig is aan de waarde van elke categorie. Staafdiagrammen zijn populair omdat ze makkelijk te lezen zijn. Bedrijven gebruiken ze vaak om te vergelijken, zoals het marktaandeel van verschillende merken of de omzet van verschillende regio’s. Er zijn meerdere soorten staafdiagrammen, elk met een ander doel.
Er zijn verschillende typen staafdiagrammen, elk geschikt voor een ander doel, waaronder verticale staafdiagrammen, horizontale staafdiagrammen en gegroepeerde staafdiagrammen.
Verticale, horizontale en gegroepeerde staafdiagrammen.
Onze cursus Introduction to Data Science in Python behandelt diverse datavisualisatietechnieken, waaronder staafdiagrammen.
Histogrammen
Histogrammen zijn een van de populairste visualisaties om de verdeling van data te analyseren. Ze tonen de verdeling van een numerieke variabele met balken.
Om een histogram te maken, wordt de numerieke data eerst opgedeeld in intervallen of bins, en wordt de frequentie van elk interval geteld. De horizontale as toont het interval, terwijl de verticale as de frequentie of het percentage van de waarnemingen per interval weergeeft.
Histogrammen laten onmiddellijk zien hoe de verdeling van een variabele scheef is of waar de piek ligt. Hier zijn voorbeelden uit onze Data Demystified-serie over visualisaties die verdelingen weergeven.
Boxplots
Nog een uitstekende grafiek om de verdeling van een variabele samen te vatten is de boxplot. Boxplots bieden een intuïtieve en krachtige manier om de volgende elementen te herkennen:
- Mediaan. De middelste waarde van een dataset, waarbij 50% van de data lager is dan de mediaan en 50% hoger.
- Bovenste kwartiel. De 75e percentiel van een dataset, waarbij 75% van de data lager is dan het bovenste kwartiel en 25% hoger.
- Onderste kwartiel. De 25e percentiel van een dataset, waarbij 25% van de data lager is dan het onderste kwartiel en 75% hoger.
- Interkwartielafstand (IQR). Het bovenste kwartiel min het onderste kwartiel.
- Bovenste aangrenzende waarde. In de volksmond de “maximum”. Dit is het bovenste kwartiel plus 1,5 keer de interkwartielafstand.
- Onderste aangrenzende waarde. In de volksmond de “minimum”. Dit is het onderste kwartiel min 1,5 keer de interkwartielafstand.
- Uitschieters. Waarden boven het “maximum” of onder het “minimum”.
De anatomie van een boxplot. Bron: Galarnyk
De onderstaande, op seaborn gebaseerde boxplot toont bijvoorbeeld de verdeling van kelklengte bij drie irissoorten, op basis van de bekende irisdataset. Onze Python Seaborn Tutorial For Beginners is een perfecte bron om te ontdekken hoe je boxplots en andere grafieken maakt met Seaborn, het populaire visualisatiepakket voor Python.
Spreidingsdiagrammen
Spreidingsdiagrammen worden gebruikt om de relatie tussen twee continue variabelen te visualiseren. Elk punt in de grafiek staat voor één datapunt; de positie op de x- en y-as geeft de waarden van de twee variabelen weer. Ze worden vaak gebruikt tijdens data-exploratie om de data te begrijpen en snel mogelijke correlaties te signaleren.
In het volgende voorbeeld gebruiken we opnieuw de irisdataset om de relatie tussen kelkbreedte en kelklengte te plotten.
Voor meer voorbeelden van spreidingsdiagrammen, lees onze Data Demystified-serie over visualisaties die relaties weergeven. In onze tutorial over plotten met Matplotlib leer je ook allerlei grafieken maken, waaronder spreidingsdiagrammen.
Bubbelgrafiek
Spreidingsdiagrammen kun je eenvoudig uitbreiden met extra elementen die nieuwe variabelen representeren. Wil je bijvoorbeeld de relatie tussen kelkbreedte en kelklengte per irissoort plotten, dan kun je simpelweg kleuren aan de punten toevoegen, zoals hieronder:
Je kunt de puntgrootte ook laten variëren op basis van een andere variabele. Dat kenmerkt de zogeheten bubbelgrafieken. Deze indrukwekkende grafiek toont bijvoorbeeld de relatie tussen de levensverwachting en het bbp van een land, met kleur voor de regio en grootte voor de bevolkingsomvang.
Bron. Gapminder
We behandelen bubbelgrafieken en hoe je ze maakt in onze cursus Intermediate Interactive Data Visualization with plotly in R.
Boomdiagrammen
Boomdiagrammen (treemaps) zijn geschikt om deel-tot-geheelrelaties in data te tonen. Ze geven hiërarchische data weer als een set rechthoeken. Elke rechthoek is een categorie binnen een variabele, en het oppervlak is evenredig aan de grootte van die categorie. In vergelijking met soortgelijke visualisaties, zoals cirkeldiagrammen, worden treemaps vaak intuïtiever en beter leesbaar gevonden.
Hieronder vind je een voorbeeld.
In onze cursus Sentiment Analysis in R leer je treemaps gebruiken om sentiment in groepen documenten te visualiseren.
Heatmaps
Een heatmap is een veelgebruikte en fraaie matrixplot om de relatie tussen twee variabelen grafisch samen te vatten. De mate van samenhang tussen twee variabelen wordt weergegeven met een kleurcode.
Deze heatmap uit onze cursus Intermediate Data Visualization with Seaborn analyseert bijvoorbeeld de beroepen van gasten in The Daily Show in de periode 1999-2012. Zoals verwacht kwamen gasten uit de acteer- en mediawereld het vaakst voor.
Wil je meer weten over hoe je een heatmap maakt? Bekijk dan onze tutorial waarin we er een bouwen met Power BI.
Woordwolken
Woordwolken zijn handig om veelvoorkomende woorden in een tekst of dataset te visualiseren. Ze lijken op staafdiagrammen, maar zijn vaak visueel aantrekkelijker. Soms zijn woordwolken echter lastiger te interpreteren. Ze zijn nuttig in de volgende situaties:
- Snel de belangrijkste thema’s of onderwerpen in een grote hoeveelheid tekst identificeren.
- Het algemene sentiment of de toon van een tekst inschatten.
- Patronen of trends verkennen in data met tekstuele informatie.
- De kernideeën of concepten op een visueel aansprekende manier overbrengen.
Bekijk onze Generating WordClouds in Python Tutorial om te ontdekken hoe je je eigen woordwolk maakt.
Bron. Datacamp
Geospatiale kaarten
Een aanzienlijk deel van de data die dagelijks wordt gegenereerd, is van nature ruimtelijk. Ruimtelijke data – ook wel geospatiale data of geografische informatie – zijn data waarbij aan elk record een specifieke locatie is gekoppeld.
Elk ruimtelijk datapunt is op een kaart te plaatsen met behulp van een bepaald coördinatenreferentiesysteem. De onderstaande afbeelding, afkomstig uit onze GeoPandas-tutorial, toont bijvoorbeeld de verschillende districten van Barcelona.
Geospatiale analyse is een snel evoluerend vakgebied binnen data science. Kaarten staan hierbij centraal. Bekijk onze cursus Working with Geospatial Data in Python en begin vandaag nog met het tekenen van kaarten!
Netwerkdiagrammen
De meeste data worden in tabellen opgeslagen, maar dat is niet de enige mogelijke structuur. Zogenaamde grafen lenen zich beter voor data die is georganiseerd in netwerken, van online sociale netwerken zoals Facebook en Twitter tot vervoersnetwerken zoals metrolijnen. Network analytics is de subdiscipline binnen data science die grafen gebruikt om netwerken te bestuderen.
Netwerkgrafieken bestaan uit twee hoofdelementen: knopen en verbindingen (ook wel relaties). Dit is een voorbeeld van een eenvoudige netwerkgrafiek.
Gaaf, toch? De mogelijkheden van netwerkgrafieken zijn eindeloos. Voor een laagdrempelige introductie raden we onze cursus Introduction to Network Analysis in Python van harte aan.
