تصویر سازی داده ها برای مارکتر ها و دیجیتال مارکتر ها

اصول اولیه در تصویر سازی داده ها به همراه بررسی نمودارهای معتبر و توضیح مختصر در مورد چگونگی استفاده از هر یک از چارت ها و گراف ها

قسمت سوم: تصویر سازی داده ها چیست؟ تفاوت چارت و گراف در چیست؟

قسمت دوم: تصویر سازی داده ها چیست؟ تفاوت چارت و گراف در چیست؟

قسمت اول: تصویر سازی داده ها چیست؟ تفاوت چارت و گراف در چیست؟

قسمت ششم: در دست ساخت است.

قسمت پنجم: همسان سازی سایز نمودار ها و گراف ها

قسمت چهارم: تفاوت فرم و فانکشن در تصویر سازی داده ها

شناخت انواع نمودارها و نحوه استفاده از آنها

Stacked Area Graph – نمودار ناحیه انباشته شده

Stacked Area Graph – نمودار ناحیه انباشته شده

توضیحات بیشتر

این نمودار مانند نمودار ناحیه ای (Area Graphs) کار میکند و یکی از انواع آن است؛ نمودار ناحیه انباشته شده از چندین مجموعه دیتا استفاده میکند که هر مجموعه، از نقطه ای در سمت چپ نقطه شروع مجموعه دیتای قبلی شروع میشود.
کل نمودار در واقع نمایش دهنده تمام حجم دیتای ترسیم شده است. این نمودار، از ناحیه ها برای انتقال اعداد تام (اعداد صحیح مثبت) استفاده میکند؛ در نتیجه نمودار ناحیه انباشته شده برای مقادیر منفی مناسب نیست. در حالت کلی این نمودارها برای مقایسه تغییرات چند متغییر در طول یک دوره خوب هستند.

نمودار نقشه درختی - Treemap

نمودار نقشه درختی - Treemap

توضیحات بیشتر

نقشه درختی یک راه جایگزین برای نمودار درختی (Tree diagram) برای نمایش ساختار وراثت هستند که همچنین، مقادیر و سایز ناحیه را برای هر دسته بندی نمایش میدهند. هر دسته بندی به یک ناحیه مستطیلی الصاق شده است که همراه با مستطیل های زیردسته خود به صورت تو در تو هستند.
وقتی مقداری به یک دسته الصاق میشود، سایز ناحیه آن دسته متناسب با آن مقدار و مقادیر زیردسته های داخل آن دسته، نمایش داده میشود. همچنین اندازه و سایز ناحیه دسته بندی مادر، مجموع زیردسته هایش است. اگر مقادیری به یک زیر دسته الصاق نشده باشد، ناحیه آن به طور مساوی بین زیردسته های دیگر دسته مادر آن، تقسیم میشود.
چگونگی تقسیم و ترتیب قرارگیری زیر مستطیل ها، بستگی به الگوریتم tiling استفاده شده دارد. الگوریتم های tiling بسیاری تابحال توسعه داده شده اند. اما الگوریتم Squarified که مستطیل ها را تا حد ممکن به صورت مربعی نگه میدارد، الگوریتم معمولی است که اکثرا استفاده میشود.
Ben Shneiderman اساساً نقشه درختی را بعنوان راهی برای بصری سازی فایل دایرکتوری های وسیع و عظیم داخل کامپیوتر، توسعه داد؛ طوری که فضای زیادی روی صفحه نمایش نگیرد. این ویژگی نمودار درختی را به عنوان یک گزینه جمع و جور تر و اصطلاحاً فضای بهینه تر برای نمایش وراثت میکند. این نمودار یک نمای سریع و کلی از ساختار وراثت میدهد. همچنین این نمودارها برای مقایسه تناسب بین دسته بندی ها با سایز ناحیه ای آنها، مناسب است.

Word Cloud – ابر کلمه

Word Cloud – ابر کلمه

توضیحات بیشتر

ابر کلمه با نام ابر برچسب هم شناخته میشود. نوعی متد بصری سازی است که با متناسب سازی سایز کلمه با اندازه تکرار آن، نشان میدهد که تا چه میزان یک کلمه در یک متن ظاهر و تکرار میشود. سپس تمام کلمات در یک دسته بندی، یک خوشه یا یک ابر از کلمات، مرتب میشوند. البته کلمات میتواند در هر فرمتی مانند خطوط افقی، ستونی یا داخل شکل، مرتب سازی شوند.
ابر کلمه برای نمایش کلماتی که دارای متا دیتا هستند نیز استفاده میشود. برای مثال، در یک ابر کلمه که دارای نام تمام کشورهاست، میتوان جمعیت هر کشور را به نام آن الصاق کرد تا سایز آن کشور مشخص شود.
استفاده از رنگ در ابر کلمه معمولا بی فایده است و فقط جنبه زیبایی شناسی دارد. اما میتواند برای دسته بندی کلمات یا نمایش یک متغییر دیتای دیگر استفاده شود.
معمولا ابر کلمه در سایت ها و بلاگ ها استفاده میشود تا استفاده از کلمه کلیدی یا برچسب، شرح داده شود. همچنین میتوان برای مقایسه دو بدنه متنی (text body) متفاوت با یکدیگر از ابر کلمه استفاده کرد.
البته با اینکه ابر کلمه ساده و قابل درک است، دارای معایبی نیز میباشد:
• تاکید بیشتری بر روی کلمات بلند نسبت به کلمات کوتاه میشود.
• کلماتی که دارای ascenders (نوعی اضافه نویسی در بخش بالای کلمات انگلیسی) و descenders (نوعی اضافه نویسی در بخش پایین کلمات انگلیسی) بیشتری هستند، توجه بیشتری به خود جلب میکنند.
• ابر کلمه برای اهداف تحلیلی و دقتی خوب نیست و تنها برای اهداف زیبایی شناسی میتوان استفاده کرد.
Stacked Bar Graph – نمودار میله ای انباشته شده

Stacked Bar Graph – نمودار میله ای انباشته شده

توضیحات بیشتر

برخلاف نمودار میله ای چند مجموعه ای که میله ها را در کنار یکدیگر نمایش میدهد، نمودار میله ای انباشته شده، میله های دیتاست های مختلف را در بالای هرکدام بخش بندی میکنند. یعنی هر میله دارای چند بخش است که به ترتیب روی هم قرار گرفته اند.
با این نمودارها میتوان نشان داد که چگونه یک دسته بندی بزرگ تر به دسته بندی های کوچکتر تقسیم شده است. همچنین میتوان فهمید که هرکدام از بخش های کوچک چه ارتباطی با مقدار و میزان کلی دارند.
این نمودار به دو مدل تقسیم میشود: اولی نمودار میله ای انباشته شده ساده و دومی نمودار میله ای انباشته شده 100% است.
در نمودار ساده، مقدار هر بخش، به ترتیب بعد از مقدار قبلی قرار داده میشود. مقدار کلی میله نیز جمع تمام مقادیر بخش های آن است. این نوع نمودار برای مقایسه مقدار کلی میله های بخش بندی شده با یکدیگر خوب است.
نمودارها 100% درصد کل هر گروه را نشان میدهند و با درصد هر مقدار به مقدار کل در هر گروه، ترسیم میشوند. با این کار راحت تر میتوان تفاوت نسبی بین مقادیر را در هر گروه دید.
یک عیب بزرگ نمودار میله ای انباشه شده این است که هرچه تعداد بخش های هر میله بیشتر شود، خواندن نمودار سخت تر میشود. همچنین با توجه به اینکه هر بخش دارای خط شروع و اندازه یکسانی نیست، در نتیجه مقایسه هر بخش با بخش دیگر سخت تر است. مثلاً یک میله 10 سانتی به 6 بخش تقسیم شده است که هرکدام اندازه متفاوتی دارند و بزرگ و کوچک هستند. در نتیجه مقایسه ها سخت تر است مخصوصاً وقتی تعداد بخش ها زیاد باشد.

نمودار شبکه ای - Network Diagram

نمودار شبکه ای - Network Diagram

توضیحات بیشتر

نمودار شبکه ای با نام های جدول شبکه ای، نقشه شبکه ای و نمودار اتصال گرهی (Node-Link Diagram) نیز شناخته میشود. این نوع نمودار ها برای بصری سازی و نمایش نحوه ارتباط و به هم پیوستگی چیزها با استفاده از گره ها یا رأس ها خوب است. در این نمودار خط ها به هم وصل می شوند تا ارتباط آنها نمایش داده شود و همچنین نوع ارتباط بین گروه های یک مجموعه مشخص شود.
معمولا در این جدول گره ها به عنوان نقطه یا دایره کشیده می شوند اما از آیکن ها نیز میتوان استفاده کرد. اتصالات و ارتباطات هم معمولا به صورت یک خط ساده بین گره ها نمایش داده می شود.اما در برخی جدول های شبکه ای تمام گره ها و لینک ها (ارتباطات) به یک اندازه ایجاد نشده اند. در نمودار های شبکه ای متغیرهای بیشتری نیز می توانند به نمایش گذاشته شوند؛ برای مثال سایز گره و میزان لینک نسبت به یک مقدار مشخص را می توان نشان داد.
با طراحی سیستم های مرتبط به هم در روی نقشه، نمودار های شبکه ای برای تفسیر ساختار شبکه از طریق یافتن پاسخ این سه سوال، نتیجه را ارائه میدهند: یافتن هر گونه دسته بندی در گره ها، میزان تراکم گره های به هم مرتبط و میزان نظم طراحی کل جدول.
دو نوع از نمودارهای شبکه ای که باید نام برد، نوع هدایت شده و هدایت نشده است. نمودارهای شبکه ای هدایت نشده تنها ارتباط بین نهادها را نشان می دهد؛ در حالی که نمودار شبکه ای هدایت شده، یک طرفه یا دوطرفه بودن آن ارتباط را از طریق پیکان های کوچک نمایش میدهد.
نمودار های شبکه ای ظرفیت دیتای کمی دارند و هر زمان که تعداد گره ها زیاد شود، خواندن جدول بسیار سخت می‌شود.
Pie Charts – نمودارهای پای یا دایره ای

Pie Charts – نمودارهای پای یا دایره ای

توضیحات بیشتر

نمودارهای پای به طور گسترده در جلسات ارائه و ادارات استفاده میشوند. این نمودارها برای نمایش مقادیر و درصدهای بین دسته بندی ها خوب هستند. به این صورت که یک دایره به بخش های متناسب تقسیم میشود. طول هر قوس یا منحنی نمایانگر تناسب و مقادیر هر دسته بندی است. همچین کل دایره هم نمایانگر مجموع کل دیتا است که برابر با 100% است.
نمودارهای پای در مواقعی خوب است که بخواهیم به خواننده با نگاهی سریع ایده ای از توزیع متناسب دیتا بدهیم. البته معایبی هم در این نمودارها وجود دارد که در زیر میخوانید:
این نمودارها نمیتوانند محتوای زیادی به نمایش بگذارند چراکه هرچه تعداد مقادیر بیشتر شود، سایز هر بخش از دایره کوچکتر و کوچکتر میشود. به همین دلیل این نمودارها برای مقدار دیتاهای زیاد خوب نیستند.
نمودارهای پای فضای بیشتری از نمودارهای جایگزین خود میگیرند که این بیشتر بخاطر سایز آنهاست. برای مثال، مانند یک نمودار میله ای انباشه (Stacked Bar Chart) 100 درصدی.
همچنین این نمودارها برای انجام مقایسه های دقیق بین گروهی از چند نمودار دایره ای، مناسب نیستند. یعنی نمیتوان به دقت چند نمودار پای را باهم مقایسه کرد. یعنی تمییز دادن بین اندازه آیتم ها سخت است.
با وجود این، مقایسه یک دسته بندی یا یک بخش از دایره در داخل کل نمودار دایره ای میتواند اغلب موثر باشد.
Heatmap (Matrix) - ماتریکس

Heatmap (Matrix) - ماتریکس

توضیحات بیشتر

این نقشه ها دیتا را به وسیله رنگ آمیزی متغییرها، به تصویر میکشند. وقتی اینها بر روی یک جدول پیاده میشوند، برای بررسی دیتاهای چندمتغییره کاربرد دارند که این کار با جایگذاری متغییرها در ردیف ها و ستونهای جدول و در نهایت رنگ آمیزی خانه ها انجام میشود. این نقشه ها برای نشان دادن واریانس بین متغییرهای مختلف، کشف الگوهای مختلف، نمایش تشابه هرکدام از متغییرها با یکدیگر و تشخیص وجود هرگونه همبستگی و ارتباط بین آنها، استفاده میشوند.
معمولاً در این نقشه ها تمام ردیف ها جزو یک دسته بندی (برچسب ها نیز در سمت راست یا چپ جدول هستند) و تمام ستون ها نیز جزو دسته بندی دیگر هستند. هرکدام از ردیف ها و ستونها دارای زیرگروه هایی هستند که همه باهم در کل ماتریکس، مطابقت دارند. خانه های جدول، چه دارای دیتایی با کدگذاری رنگی باشند و چه دیتای عددی، به هر حال بر اساس مقیاس رنگی هستند.
دیتایی که در یک خانه وجود دارد، بر اساس ارتباط بین دو متغییرهای موجود در ردیف و ستون مرتبط است.
دیتای دسته بندی شده توسط رنگ کدگذاری شده اند؛ درحالی که دیتای عددی نیازمند مقیاس رنگی است که در آن یک رنگ بتواند با رنگ دیگر ترکیب شود تا بتواند در مقادیر بالا، تفاوت کم و زیاد را نمایش دهد.
یک دسته انتخابی از رنگ های خالص نیز میتواند برای نمایش محدوده مقادیر متنوع (0-10، 11-20، 21-30، و غیره) استفاده شود. یا اینکه میتوان با ترکیب دو یا چند رنگ با یکدیگر، از مقیاس گرادیانت برای یک محدوده تنها (برای مثال فقط 0-100) استفاده کرد.
از آنجایی که گفتن تفاوت دقیق بین سایه رنگها و درآوردن دیتاهای دقیق از این جداول (مگر اینکه بخواهید دیتای ردیف ها را وارد خانه ها بکنید) سخت است، این نقشه ها به دلیل سازگاری بیشتری که با رنگها جهت ارتباط با مقادیر دارند، گزینه های بهتری برای نمایش نمای عمومی تر از داده های عددی هستند.
اگر یکی از ردیف ها یا ستون ها بر روی دوره زمانی تنظیم شوند، میتوان از Heatmapها برای نمایش تغییرات دیتا در طول زمان استفاده کرد.
به عنوان مثال میتوان استفاده از Heatmap برای مقایسه تغییرات دما و دیدن گرم ترین و سردترین منطقه در طول سال در بین شهرهای مختلف را گفت. بنابراین در این مثال میتوان شهرها را در ردیفها و ماهها را در هر ستون گذاشت و خانه ها نیز شامل مقادیر دما خواهند بود.
نمودار چگالی دو بعدی - 2D Density

نمودار چگالی دو بعدی - 2D Density

توضیحات بیشتر

نمودار چگالی دوبعدی توزیع مقادیر را در دیتاست و در طول محدوده 2 متغیر کمی نشان میدهد.
این نمودار تعداد مشاهدات را در یک ناحیه خاص در فضای دوبعدی میشمارد و با استفاده از مربع، شش ضلعی و یا برآورد تراکم هسته نمایش میدهد.
Connection Map – نقشه اتصال

Connection Map – نقشه اتصال

توضیحات بیشتر

نقشه اتصال با نام Link map (نقشه ارتباطی) و Ray map (نقشه اشعه ای) نیز شناخته میشود. برای کشیدن نقشه ارتباطی نقاط اتصال را روی صفحه تعیین میکنند و سپس آنها را توسط خط صاف یا منحنی به هم وصل میکنند.
با اینکه این نقشه ها برای نشان دادن ارتباط بین نقاط جغرافیایی عالی هستند، میتوان از آنها برای نشان دادن مسیرهای نقشه ای از طریق زنجیره ای از اتصالات نیز استفاده کرد. این نقشه ها برای کشف و نمایش الگوهای فضایی نیز خوب هستند که از طریق توزیع اتصالات یا یافتن چگونگی تمرکز اتصالات بر روی نقشه، انجام میشود.

نمودار آرک - Arc Diagram

نمودار آرک - Arc Diagram

توضیحات بیشتر

آرک دیاگرام ها یک راه متناوب برای نمایش نمودارهای دو بعدی شبکه (Network Diagrams) است. در نمودارهای آرک، گره ها یا نودها در امتداد یک خط قرار گرفته اند (محور تک بعدی) و قوس ها برای نشان دادن ارتباط بین نودها استفاده میشوند.
ضخامت هر خط قوسی میتواند برای نمایش تکرار بین منبع و گره هدف استفاده شود. نمودارهای آرک میتوانند در یافتن همزیستی بین دیتا نیز مفید باشند.
نکته منفی نمودارهای آرک این است که همانند چارت های دو بعدی، ساختار و ارتباط بین گره ها را نشان نمیدهند؛ از طرفی لینک های زیاد باعث میشود که نمودار خوانایی خود را بخاطر درهم ریختگی از دست دهد.

نمودار جعبه - Box & Whisker Plot

نمودار جعبه - Box & Whisker Plot

توضیحات بیشتر

Box and Whisker Plot یک راه بسیار مناسب برای نمایش بصری توزیع دیتا از طریق چارک ها میباشد. در این حالت خطوطی وجود دارند که به صورت موازی از جعبه هایی مشخص به نام “whiskers یا ریش دار” هستند. این جعبه ها برای شناسایی تفاوت و تغییرپذیری خارج از چارک های بالایی و پایین استفاده میشود. موارد خارجی گاهاً به عنوان نقطه های تکی ایجاد میشوند که در داخل همان خط در کنار ریش دار ها دیده میشوند. طرح این جعبه ها هم میتواند به صورت افقی کشیده شود و هم به صورت عمودی.
البته باید دانست که شاید طرح این جعبه ها (Box Plot) در مقایسه با هیستوگرام ها یا طرح تراکم، به نظر ابتدایی برسد. اما مزیت آنها در اینجاست که فضای کمتری میگیرند؛ این مزیت در مواقعی که قرار است توزیع بین گروه ها یا دیتابیس های زیادی مقایسه شود، بسیار مفید است.
در زیر انواع مشاهداتی که میتوان از مشاهده طرح جعبه های Box Plot به دست آورد را میبینید:
• ارزش های کلیدی که میتوانند وجود داشته باشند مواردی مانند میانگین 25 درصدی و غیره
• اینکه آیا موارد خارجی وجود دارند و اگر وجو دارند دارای چه محتوا و ارزشی هستند
• آیا دیتا همسان و متناسب است یا خیر
• دیتا چقدر محکم و مطمئن گروه بندی شده است
• آیا دیتا منحرف شده است و اگر بله، به کدام جهت و مسیر
همچنین دو مورد از انواع Box Plot ها که استفاده از آنها بسیار معمول است، این دو مورد هستند: عرض متغییر Box Plot و Box Plot دارای شکاف.

نمودار وتری – Chord Diagram

توضیحات بیشتر

این نوع تصویرسازی ارتباطات داخلی بین موجودیت ها را نشان میدهد. نشان دادن ارتباط بین موجودیت ها به این خاطر است که نشان دهیم آنها بین هم چیزی را به اشتراک میگذارند. این ویژگی، نمودار وتری را برای مقایسه شباهت های داخل دیتاست ها یا بین گروه های مختلف دیتا، ایده آل میسازد.
گره ها در این نمودار دور یک دایره مرتب شده اند. نقاط هم با ارتباط خاص خود به یکدیگر از طریق قوس یا منحنی Bezier وصل شده اند.
مقادیر هر ارتباط نیز بر روی آن الصاق شده است که به طور نسبی با سایز هر قوس نمایش داده میشوند. میتوان با استفاده از رنگ دیتا را به دسته های مختلف گروه بندی کرد که این کار هنگام مقایسه و تمییز گروه ها کمک کننده است.
در این نمودار بی نظمی بیش از حد یکی از مشکلاتی است که وجود دارد و هنگامی که ارتباطات زیادی را بخواهیم نشان دهیم، این مشکل پیش خواهد آمد.
بارش فکری - BrainStorm

بارش فکری - BrainStorm

توضیحات بیشتر

بارش فکری یا ذهنی با نام نقشه ذهنی نیز شناخته میشود.
طوفان فکری نموداری است که برای ایده ها، عکس ها، کلمات و کانسپت های مرتبط با نقشه و درکنار یکدیگر استفاده میشود. البته طوفان فکری ابزار و روشی برای تولید ایده، یافتن ارتباطات و همکاران، دسته بندی ایده ها، سازمان دهی اطلاعات، بصری سازی ساختار و در نهایت یک ابزار کمکی عمومی برای مطالعه نیز هست.
گاهی طوفان فکری به عنوان مرحله اول و ابتدایی یک پروژه نیز استفاده میشود که در این حالت نقش فرم یادداشت برداری را دارد. همچنین میتوان از آن در کارهای همکاری و مشارکتی و روحیه تیم سازی استفاده کرد.
ساختار یک طوفان فکری به قرار زیر است:
دسته بندی های بزرگ از گره و نود مرکزی بیرون گذاشته میشوند. سپس دسته بندی های کوچکتر از داخل دسته بندی های بزرگتر به صورت شاخه بندی و به عنوان زیر دسته بیرون میایند. البته این زیر دسته ها نیز میتوانند برای خود زیردسته های مرتبط داشته باشند.
در زیر راهنمایی ساده ای جهت ایجاد طوفان فکری توضیح داده شده است:
1- از اول یک صفحه شروع کنید و عنوان پروژه یا موضوع را بنویسید و آن را داخل کادری بگذارید یا دور آن دایره بکشید.
2- درمورد دسته بندی ها و کلمات مرتبط و مفید در رابطه با موضوعی که درمورد آن تحقیق میکنید، فکر کنید.
3- سپس برای هر دسته بندی، خطوطی از عنوان مرکزی در جهت دلخواه بکشید؛ در آخر خط هم نام دسته بندی وجود داشته باشد.
4- حال برای هر دسته بندی درمورد هر کلمه ای که مرتبط به آن دسته بندی باشد فکر کنید و با همان مدلی که در مرحله قبلی انجام داده اید، خطی بکشید.
5- همچنین در صورت نیاز میتوان مرحله 4 را برای مجموعه جدیدی از دسته بندی ها یا کلمات برجسته انجام داد.

Dot Matrix Chart – نقشه نقطه ماتریسی

Dot Matrix Chart – نقشه نقطه ماتریسی

توضیحات بیشتر

این نقشه ها دیتا را به صورت تمیز و مرتب بر روی واحدهای نقطه ای نمایش میدهند. هر نقطه رنگی نمایانگر دسته بندی خاصی است که این نقطه ها در یک ماتریکس دورهم جمع شده اند.
این نقشه ها برای ارائه یک مرور کلی از توزیع و بخش بندی هر دسته بندی در یک مجموعه دیتا استفاده میشوند. همچنین این نقشه ها برای مقایسه توزیع و بخش بندی در روی دیگر دیتاسِت ها، به منظور کشف الگوها، استفاده میشوند.
وقتی تنها یک متغییر/دسته بندی در دیتاست استفاده شده است و تمام نقطه ها به یک رنگ هستند، نقشه نقطه ماتریسی میتواند برای نشان دادن قسمت ها و بخش ها اولویت اول باشد.
نمودار حبابی - Bubble Chart

نمودار حبابی - Bubble Chart

توضیحات بیشتر

نمودار حبابی یک جدول چند متغییره است که در واقع صلیبی بین یک طرح پراکنده (Scatterplot) و یک نمودار نسبی منطقه ای است.
همانند طرح پراکنده، چارت های حبابی نیز از دستگاه مختصات دکارتی استفاده میکند تا بتواند نقاط را همراه با شبکه، در جایی که محور x ها و y ها متغییرهای جدا هستند، بکشد. با این وجود، برخلاف طرح پراکنده، در نمودار حبابی هر نقطه دارای یک برچسب یا دسته بندی (چه در کنار خود نقطه نمایش داده شود و چه در بخش شرح و توضیحات نمودار) مشخص است.
هر نقطه از طرح و نقشه، نمایش دهنده یک متغییر سوم و منطقه و حوزه خودش است. همچنین رنگ ها نیز برای تمییز دادن بین دسته بندی ها یا نمایش یک متغییر دیتای اضافی، میتواند استفاده شود.
زمان هم میتواند با بودن به عنوان یک متغییر در یکی از محورها نشان داده شود یا اینکه متغییرهای دیتا را به صورت انمیشین و متحرک باشند و نسبت به زمان تغییر کنند.
نمودارهای حبابی معمولا برای مقایسه استفاده میشوند و ارتباط بین حوزه های دسته بندی شده را با استفاده از جایگاه سازی و تناسب نشان میدهند. تصویر کلی نمودارهای حبابی میتواند برای آنالیز الگوها یا ارتباطات و همبستگی ها استفاده شود.
داشتن حباب های زیاد میتواند خواندن نمودار را سخت کند. در نتیجه نمودارهای حبابی فضا و اندازه محدودی برای دیتا دارند. البته این چیزی است که میتواند با تعامل جبران شود؛ مثلاً میتوان با کلیک کردن و جابجا کردن حباب ها اطلاعات پنهان شده را دید. همچنین میتوان گزینه برای مرتب کردن دوباره و فیلتر کردن دسته بندی های گروه بندی شده داشت.
مانند چارت های Proportional Area (منطقه متناسب)، سایز دایره ها باید بر اساس حوزه آن دایره کشیده شود؛ نه بر اساس قطر یا شعاع آن. نه تنها سایز دایره ها به صورت نمایی تغییر خواهد کرد، اما نهایتا این کار منجر به سوءتفاهماتی در سیستم بینایی انسانی خواهد شد.

نقشه جریان یا Flow Map

نقشه جریان یا Flow Map

توضیحات بیشتر

نقشه جریان، حرکت اطلاعات یا شئ همراه با مقدار آن را از یک لوکیشن به لوکیشنی دیگر به صورت جغرافیایی نمایش میدهند. معمولاً نقشه های جریان برای نمایش اطلاعات مهاجرت مردم، حیوانات و محصولات به کار میرود. بزرگی یا میزان مهاجرت در یک خط جریان با میزان نازکی یا کلفتی آن خط نمایش داده میشود. این کمک میکند تا بفهمیم که مهاجرت از لحاظ جغرافیایی به چه صورت توزیع شده است.
نقشه های جریان از یک ناحیه شروع میشوند و با خطوط جریان، شاخه دار میشوند. پیکان ها میتوانند برای نمایش جهت، و یا اینکه حرکت درحال آمدن یا رفتن باشد، استفاده شوند. کشیدن خطوط جریان بدون پیکان نیز میتواند برای نمایش رفت و آمد تجاری استفاده شود.
ترکیب/دسته بندی کردن خطوط جریان با یکدیگر و دوری از تقاطع ها و انحراف ها میتواند به کاهش بی نظمی روی نقشه کمک کند.

Illustration Diagram – نمودار تصویری

Illustration Diagram – نمودار تصویری

توضیحات بیشتر

نمودارهای تصویری گرافیک هایی هستند که تصویر یا تصاویری را نمایش میدهند که همراه با نوشته، برچسب یا توضیحات هستند تا بتوانند موارد زیر را ارائه کنند:
• ایده ها یا روش هایی را شرح دهند
• مکان ها و یا شئ ها را توضیح دهند
• نمایش روش کار، انجام، حرکت و یا تغییر موارد مختلف
• کمک به ارائه درک بیشتر درمورد تصویر نمایش داده شده
تصاویر مورد استفاده میتواند از جاهای مختلفی به دست آمده باشند. بنابراین این عکسها میتوانند، نمادین، واقع گرایانه یا تصویرسازی باشند.

نمودارهای میله ای چند مجموعه ای  - Multi-set Bar Chart

نمودارهای میله ای چند مجموعه ای - Multi-set Bar Chart

توضیحات بیشتر

این نمودارها با نامهای نمودارهای میله ای گروهی و نمودار های میله ای خوشه ای نیز شناخته می شوند. این نوع از نمودار میله ای زمانی استفاده می شود که دو یا چند مجموعه دیتا در کنار یکدیگر طراحی شده باشند و همه به صورت گروهی در زیر یک دسته بندی و بر روی یک محور قرار بگیرند.
مانند نمودار میله ای در اینجا هم طول هر خط برای نمایش مقایسه عددی بین دسته بندی ها استفاده می شود. همچنین هر مجموعه دیتا با رنگ یا سایه خاصی از همان رنگ برچسب گذاری شده است تا بتوان آنها را از یکدیگر تمییز داد. سپس هر کدام از میله ها یا خط ها نیز توسط فاصله از هم جدا می شوند.
کاربرد جدول چند مجموعه ای معمولا برای مقایسه متغیرها یا دسته بندی ها با دیگر گروه های دارای همان نوع متغییرها یا دسته ها می باشد. همچنین از این جدول ها می توان برای مقایسه mini Histogram ها با یکدیگر استفاده کرد که در این حالت، هر خط در گروه نشانگر فواصل معین یک متغیر است.
مشکل نمودارهای میله ای چند مجموعه ای این است که اگر شما در یک گروه چند میله یا خط داشته باشید، خواندن جدول سخت می‌شود.

نمودار رُز شبگرد - Nightingale Rose Chart

نمودار رُز شبگرد - Nightingale Rose Chart

توضیحات بیشتر

این نمودار با نامهای نمودار Coxcomb و نمودار منطقه قطبی نیز شناخته می‌شود. نمودار رز شبگرد به طور گسترده توسط یک اصلاح طلب معروف در زمینه آماری و پزشکی با نام Florance Nightingale برای مکاتبه مرگ اجتناب پذیر سربازان در جنگ سالهای (56-1853) استفاده شده است.
جدول رز شبگرد بر روی شبکه مختصات قطبی کشیده می شود. در این جدول رادیال، هر دسته‌بندی یا توالی در داخل دیتا، به بخش های مساوی تقسیم می شود.اینکه هر بخش از مرکز محور قطبی تا چه اندازه گسترش یابد، به مقادیر آن بستگی دارد.هر حلقه یا میدانی که از مرکز شبکه قطبی ایجاد شده باشد میتواند به عنوان مقیاسی برای طراحی سایز هر بخش استفاده شود.
پس چیزی که در جدول رز شبگرد مهم است، بحث ناحیه است و نه شعاع دایره یا میدان بخشی که نشانگر مقادیر خود است.
مشکل اصلی این نمودارها این است که همیشه تأکید بیشتری بر روی بخش های بیرونی میشود چراکه سایز ناحیه آنها بیشتر است که این سایز بزرگ نشانگر افزایش در مقدار است.
نمودار شکل و نقطه – Point & Figure Chart

نمودار شکل و نقطه – Point & Figure Chart

توضیحات بیشتر

این نمودار با نام P&F Chart هم شناخته میشود. نمودار شکل و نقطه برای نمایش رابطه بین عرضه و تقاضای یک سهام یا دارایی خاص استفاده میشود. در این نمودار یکسری ستون های ساخته شده با حروف X و O وجود دارد.
نمودارهای شکل و نقطه مستقل از زمان هستند و اولویت آنها تمرکز بر اقدامات قیمت (قیمت های ورود و خروج) فیلتر شده یک سهام یا دارایی است. این نمودارها حجم معامله شده را نشان نمیدهند و هدف آنها مشخص کردن هرگونه تغییر در روابط موجود بین عرضه و تقاضا است. این تغییرات را با نام “Breakout” یا تغییرات ناگهانی میشناسند.
این چارت ها تشخیص سطح حمایت و مقاومت (کلماتی که در خرید و فروش سهام و بازار بورس استفاده میشوند) و همچنین هرگونه خطوط ترندی که احتمالاً وجود داشته باشد را راحت تر میکنند. تشخیص الگوهایی که در این چارت ها اتفاق میفتند، کلید اصلی استفاده مفید از این چارت ها است.
این چارت ها در محور xهای خود تاریخ و زمان را نشان میدهند؛ در حقیقت این اعداد نشانگرهایی برای تاریخ اقدام قیمت کلیدی (تاریخ ورود به معامله در آن قیمت کلیدی) هستند و نه جزوی از مقیاس زمانی. محور yها نیز به عنوان مقیاس ارزش استفاده میشود.
محور xها افزایش قیمت را نمایش میدهد؛ جایی که تقاضا از عرضه بیشتر میشود (یعنی خریدار زیادی پیدا میشود). حروف O نشانگر افت قیمت ها هستند؛ جایی که عرضه از تقاضا بیشتر میشود (یعنی فروشنده بیشتر از خریدار است).
قبل از ترسیم یک نمودار نقطه و شکل، باید درمورد ارزش ها و مقادیری که میخواهید برای Box size و reversal amount در نظر بگیرید، تصمیم بگیرید. همچنین باید درمورد اینکه از چه نقطه زمانی میخواهید تغییرات قیمت را انتخاب کنید، تصمیم بگیرید. این میتواند شامل روزهایی باشد که قیمت نهایی در آنها بوده است یا میتواند شامل روزهایی باشد که قیمت بالا یا پایین بوده است که بستگی به جهت ستون قبلی نمودار دارد.
Box size تشخیص میدهد که قیمت چقدر باید تغییر کند قبل از اینکه یک نماد جدید X یا O در نمودار قرار گیرد. این است که تنظیم میکند چه میزان اختلالی از بازار را میخواهید از طریق کاهش میزان نوسانات قیمت دقیقه ای نمایش داده شده، فیلتر کنید. برای مثال، اگر سایز جعبه را روی 1 دلار تنظیم کرده باشید، هر افزایش یا کاهش قیمت کمتر از این قیمت نادیده گرفته خواهد شد. اما اگر تغییرات قیمت برابر با 1 دلار یا بیشتر از آن باشد، یک نماد O یا X روی چارت قرار خواهد گرفت.
این تغییرات قیمت تنها در یک جهت و یک ستون نگه داشته میشوند (افزایش یا کاهش) و یک ستون تنها میتواند شامل X یا O باشد. بنابراین اگر قیمت درحال روند صعودی باشد (با X ها)، در نتیجه تنها نماد X در یک ستون ترسیم خواهد شد (البته این هم شامل افزایش قیمت است و هم کاهش قیمت و تنها روند صعودی است). البته تنها زمانی که مقدار معکوس (REVERSAL AMOUNT) از پیش تعیین شده زده شده باشد (به آن نقطه رسیده شده باشد) یک ستون جدید در نمودار میتواند شروع شود.
یعنی اگر یک ستون X داشته باشید و مقدار معکوس شما 3 دلار باشد، اگر افت قیمتی پایین تر از 3 بیاید، در نتیجه نیاز به ایجاد ستون جدیدی از Oها میباشد. با این کار نشان داده میشود که جهت و مسیر بازار به روند نزولی تغییر یافته است.
همین داستان برای ستون Oها صادق است. اگر قیمت از 3 دلار بالا رود، یعنی روند از نزولی به صعودی تغییر یافته است و میتوان یک ستون جدید ترسیم کرد.
مقدار معکوس (reversal amount) بر روی حساسیت چارت اثر دارد. میزان مقدار معکوس کم و کوچکتر منجر به نوسانات قیمت بیشتری میشود؛ در نتیجه چارت را عریض تر میکند و اطلاعات بیشتری از اینکه در بازار چه گذشته است، در اختیار میگذارد. در عین حال، مقدار معکوس بزرگتر و بیشتر، به معنای نوسانات قیمت ناچیز و در نتیجه نموداری منقبض و متراکم است.
گاهی بر روی ستون ها اعداد هم نمایش داده میشوند تا شروع یک ماه جدید را نشان دهند. 9-1 به معنای 1 فروردین تا 9 آذر است. همچنین حروف A,B,C هم به ترتیب برای ماه فروردین، اردیبهشت و خرداد استفاده میشوند.

هرم جمعیت – Population Pyramid

هرم جمعیت – Population Pyramid

توضیحات بیشتر

هرم جمعیت با نام هرم سن و جنسیت (Age & Sex Pyramid) هم شناخته میشود. هرم جمعیت یک جفت هیستوگرام پشت به پشت هم (برای هر جنسیت یکی) است که توزیع جمعیت را در تمام گروه های سنی و در هردو جنس مذکر و مونث نمایش میدهد.
محور xها برای نمایش تعداد جمعیت و محور yها برای نمایش لیست تمام گروه های سنی است. این هرم برای تعیین تغییرات یا تفاوت های بین الگوهای جمعیتی ایده آل است. هرم های جمعیتی مختلف میتوانند در کنار یکدیگر برای مقایسه الگوهای مختلف بین ملت ها یا گروه های جمعیتی انتخاب شده استفاده شوند.
شکل هرم جمعیت میتواند برای تفسیر یک جمعیت استفاده شود. برای مثال، یک هرم با یک پایه عریض و دهانه یا نوک باریک نشانگر جمعیتی با نرخ باروی (بچه دار شدن) و مرگ بالاست. از طرفی، هرمی با نصف به بالا و نوک پهن تر و پایه باریک تر نشانگر یک جمعیت سن بالا با نرخ باروری پایین است.
این هرم حتی میتواند برای حدس زدن و پیش بینی کردن آینده توسعه یک ملت استفاده شود. یک ملت سالخورده که بازتولید و تولدی ندارد، به مشکلاتی مانند نداشتن قشر جوان و فرزندان بر خواهد خورد. در نتیجه نیروی جوانی برای نگهداری از این افراد پیر نخواهد بود.
تئوری های دیگر مانند تئوری “Youth Bulge” میگوید هنگامی که تورم زیادی در حدود سنین 16 تا 30 سال وجود دارد، مخصوصا در مردان، این منجر به ناآرامی اجتماعی، جنگ و تروریسم میشود. همین اطلاعات است که هرم جمعیت را برای استفاده در زمینه هایی مانند محیط زیست، جامعه شناسی و اقتصاد مفید میکند.
Radial Bar Chart – نمودار میله شعاعی

Radial Bar Chart – نمودار میله شعاعی

توضیحات بیشتر

نمودار شعاعی یا دایره ای میله ای در واقع همان نمودار ساده میله ای است که بر روی دستگاه مختصات قطبی ترسیم میشود و نه بر روی دستگاه مختصات دکارتی.
این نمودارها با اینکه ظاهر جالبی دارند، یک مشکل هم دارند. آن هم این است که طول میله ها میتواند اشتباه تفسیر شود. یعنی طول هر میله در خارج، نسبتاً بلندتر از آخرین میله قبلی خود میشود؛ حتی اگر هردوی این میله ها مقادیر یکسانی را نمایش دهند. این بخاطر آن است که هر میله باید در شعاع های متفاوتی باشد تا بتوان آن را با زاویه ای که دارد، بررسی کرد.
سیستم بینایی ما در تفسیر خطوط مستقیم و صاف بهتر کار میکند؛ بنابراین نمودار میله ای دکارتی گزینه بهتری است برای مقایسه مقادیر. درنتیجه، نمودار دایره ای میله ای در اولویت اول برای اهداف زیبایی شناسی استفاده میشوند.
Stem and Leaf Plot – نموار ساقه و برگ

Stem and Leaf Plot – نموار ساقه و برگ

توضیحات بیشتر

این نمودار با نامهای Stem Plot و Stem & Leaf Display هم شناخته میشود. نمودارهای ساقه و برگ راهی برای سازماندهی دیتا از جهت ارزش محل و مقادیر مکانی آنها هستند؛ هدف از این کار نشان دادن توزیع دیتا هست.
مقادیر مکانی به صورت صعود رو به پایین بر روی ستون ساقه نمایش داده میشوند. معمولاً 10 ستون هستند که این الزامی نیست. دیتایی که داخل هر مقدار مکانی وجود دارد، لیست شده و به کنارها گسترش میابد که به آن برگ میگوییم.
بنابراین در دیتاستی مانند (4, 11, 2, 20, 17, 23) دیتاها بر اساس رقم دهگانشان مرتب میشوند اما تنها رقم یکانشان نمایش داده خواهد شد:
0 – 2, 4
10 – 1, 7
20 – 0, 3
نمودارهای ساقه و برگ، هم یک نگاه اجمالی سریع از توزیع دیتا به خواننده میدهند و هم برای برجسته کردن دیتاهای خارج از محدوده و پیدا کردن حالت کلی و الگو، خوب هستند. ویژگی نمایش دیتای خام (اغلب)، این نمودارها را به عنوان یک منبع، مفید میسازد. منبعی مانند برنامه زمانی حمل و نقل عمومی. همچنین اگر دو دیتاست داشته باشید، با ایجاد دو نمودار ساقه و برگ پشت به پشت هم، میتوان این دو دیتاست را مقایسه کرد.
البته این نمودارها نیز عیب دارند و آن هم این است که این نمودارها اندازه و سایز خاصی از دیتاست را میتوانند پردازش کنند و در این مورد محدود هستند. اگر این نمودارها خیلی کوچک باشند، عملاً فایده ای ندارند. اگر هم خیلی بزرگ باشند، چارت بسیار شلوغ و بی نظم میشود.
Timeline – جدول زمانی وقایع

Timeline – جدول زمانی وقایع

توضیحات بیشتر

تایم لاین یک راه گرافیکی برای نشان دادن لیست رخدادها به ترتیب وقوع است. برخی از تایم لاین ها روی مقیاس خاصی کار میکنند اما برخی دیگر فقط رخدادها را با توالی نمایش میدهند.
عملکرد اصلی تایم لاین این است که با اطلاعات مرتبط به زمان ارتباط برقرار کند؛ حال برای آنالیز و تحلیل باشد یا برای اهداف نمایشی و نمایش یک تاریخچه یا داستان.
اگر تایم لاین مبتنی بر مقیاس باشد، این امکان را میدهد که بدانید اتفاقات چه موقع اتفاق میفتند یا قرار است اتفاق بیفتند؛ این کار با اجازه دادن به خواننده برای تعیین فواصل زمانی بین رخدادها انجام میشود.
در این حالت بیننده میتواند هر الگوی ظاهر شده بر روی هر دوره زمانی انتخاب شده را مشاهده کند؛ یا اینکه رخدادها چگونه در آن دوره زمانی توزیع شده اند.
نوع دوم، میتواند با یک تایم لاین ترکیب شود تا چگونگی تغییر کمیت دیتا در طول زمان را نشان دهد. برای مثال، میله های نمودار گستردگی یا فاصه (span chart) میتوانند برای نمایش طول رخدادها استفاده شوند.
Radar Chart – نمودار راداری

Radar Chart – نمودار راداری

توضیحات بیشتر

نمودار راداری را با نامهای نمودار عنکبوتی، نمودار وب (web)، نمودار قطبی و نمودار ستاره ای نیز میشناسند. چارت های راداری راهی برای مقایسه متغییرهای کمی است. با این کار میتوان فهمید کدام متغییرها مقادیر مشابه دارند یا اینکه آیا در داخل هر متغییر داده ی خارج از محدوده ای هست یا خیر.
همچنین با این نمودارها میتوان فهمید که کدام متغییرها امتیاز بالاتر یا پایین تری در یک دیتاست میگیرد؛ این ویژگی نمودارهای راداری را برای نمایش وضعیت پرفورمنس و کارآیی، عالی میسازد.
هر متغییر یک محور دارد که از وسط شروع میشود. تمام محورها به صورت شعاعی قرار گرفته اند؛ فاصله بین آنها کاملا برابر و مساوی است و در عین حال، مقیاس و اندازه کل محورها یکسان است.
خطوط توری و شبکه ای که از یک محور به محور دیگر وصل شده اند، گاهی میتوانند به عنوان راهنما باشند. مقدار هر متغییر درون محور خودش قرار دارد و تمام متغییرهای داخل دیتاست به یکدیگر وصل هستند و باهم یک چندضلعی درست میکنند.
با این حال چند عیب بزرگ در این چارت ها وجود دارد:
قرار داشتن بیش از یک چندضلعی داخل یک چارت راداری، نمودار را گیج کننده و شلوغ کرده و خواندن آن را سخت میکند؛ مخصوصا اگر چند ضلعی ها تو پُر باشند؛ چراکه چندضلعی بالایی روی چندضلعی هایی زیرین خود قرار میگیرد و آنها را میپوشاند.
داشتن متغییرهای زیاد، محورهای زیادی را به وجود میاورد که درنهایت نمودار را ناخوانا کرده و درک آن را سخت میکند. پس بهترین راه این است که نمودارهای راداری را ساده نگه داشته و تعداد متغییرهای استفاده شده کم باشد.
عیب دیگر این نمودارها اینجاست که اینها برای مقایسه مقادیر داخل هر متغییر خیلی خوب نیستند؛ حتی با وجود راهنمای شبکه ای و توری عنکبوتی. در واقع مقایسه مقادیر بر روی یک محور مستقیم بسیار راحت تر از آن است.
Sunburst Diagram – نمودار خورشیدی

Sunburst Diagram – نمودار خورشیدی

توضیحات بیشتر

این نمودار با نامهای چارت حلقه ای، چارت خورشیدی، چارت دایره ای چند سطحی، چارت کمربندی یا تسمه ای و نمودار درختی شعاعی نیز شناخته میشود.
این نمودار وراثت را از طریق حلقه ها نمایش میدهد. این حلقه ها برای هر گره دسته بندی، بریده شده اند. هر حلقه برابر با یک سطح از وراثت است که دارای یک دایره مرکزی هم میباشد که نشانگر گره یا نود ریشه است که وراثت از آن سرچشمه میگیرد.
حلقه ها بر اساس رابطه وراثتی که با تکه حلقه پدر خود دارند تقسیم میشوند. زاویه هر تکه هم یا به صورت مساوی تقسیم شده و زیر پدر مادرش قرار میگیرد و یا به تناسب مقادیری که دارد، بریده و تقسیم میشود. از رنگ هم میتوان برای برجسته کردن گروه های وراثتی یا دسته بندی های خاص استفاده کرد.

Violin Plot – نقشه ویولون

Violin Plot – نقشه ویولون

توضیحات بیشتر

نقشه ویولون برای بصری سازی توزیع دیتا و تراکم احتمالی آن استفاده میشود. این نمودار ترکیبی از نقشه جعبه ای و نقشه تراکم است که چرخیده شده و در کنارها قرار گرفته است تا شکل توزیع دیتا را نمایش دهد.
خط ضخیم مشکی در مرکز نمایش دهنده محدوده بین چارکی است. خط مشکی نازکی که از آن خط ضخیم گسترش پیدا میکند، نمایش دهنده 95 درصد فاصله اطمینان است و نقطه سفید هم حد فاصل است.
از انجایی که سادگی بصری نقشه جعبه ای تمایل به پنهان سازی جزئیات مهم چگونگی توزیع مقادیر در دیتا دارد، این نقشه ها در نمایش دیتا محدود هستند. برای مثال، در این نقشه ها نمیتوان دید که آیا توزیع دوحالته است یا چندحالته. درحالیکه نقشه ویولون اطلاعات بیشتری نمایش میدهد و میتواند شلوغ تر از نقشه جعبه ای باشد.
نمودار مساحت یا منطقه - Area Graph

نمودار مساحت یا منطقه - Area Graph

توضیحات بیشتر

این گراف ها هم خطی هستند اما مساحتی در زیر خط وجود دارد که با رنگ یا هاشور خاصی مشخص شده است. گراف های Area با اولین نقاط دیتا و بر روی دستگاه مختصات دکارتی کشیده میشوند؛ به این صورت که خطی بین نقاط کشیده میشود و سپس مساحت ایجاد شده در زیر آن پر میشود.
گراف های Area هم مانند نمودارهای خطی، نمودارهایی هستند که برای نمایش توسعه مقادیر و ارزش های کمی در طول دوره زمانی استفاده میشوند. این نمودارها به جای اینکه نمایش یک مقدار یا ارزش خاص، اکثراً برای نمایش ترندها استفاده میشوند.
این گراف ها دارای دو نوع محبوب هستند:
Area گراف های گروه بندی شده و توده ای. نوع گروه بندی شده از محور صفرها شروع میشود اما در دسته توده ای، هر مجموعه دیتا از نقطه ای شروع میشود که مجموعه دیتای قبلی از آن نقطه رها شده است.

نمودار خطی – Line Graph

نمودار خطی – Line Graph

توضیحات بیشتر

نمودار خطی برای نمایش مقادیر کمی در طی یک دوره زمانی مداوم استفاده میشود. این نمودار همیشه برای نمایش ترندها و بررسی نحوه تغییر دیتا در طول زمان بسیار استفاده میشود.
نمودارهای خطی با کشیدن نقاط دیتا بر روی صفحه مختصات دکارتی و اتصال تمام این نقاط به یکدیگر ایجاد میشوند. معمولاً محور y شامل مقادیر کمی و محور x هم مقیاس یا توالی زمانی است. مقادیر منفی هم میتواند در زیر محور x نمایش داده شود.
جهت خط روی جدول به عنوان یک استعاره خوب از خود دیتا می باشد؛ به طوریکه شیب بالا نشانگر محلی است که مقادیر افزایش داشته اند و شیب رو به پایین نشانگر محلی است که مقادیر کاهش داشتند.مسیر خط بر روی جدول و انحرافات آن می تواند الگو هایی بسازد که بتوان از روی آن ترندها را شناسایی کرد.
اگر چند خط داشته باشیم ( یعنی چند مجموعه دیتا داشته باشیم) بدان معناست که می توان خطوط مختلف و دیتا ست های مختلف را با هم مقایسه کرد. البته نباید بیش از سه یا چهار خط در یک جدول داشت؛ چرا که خطوط زیاد باعث ایجاد بی نظمی و ناخوانا بودن جدول می شود. بهترین راه این است که چند جدول داشته باشیم یا جدول را به چند قسمت تقسیم کنیم.
نمودار پس زمینه نقشه - Background Map

نمودار پس زمینه نقشه - Background Map

توضیحات بیشتر

طراحی یک نقشه پس زمینه، اولین مرحله در هر تجزیه و تحلیل جغرافیایی است. به محض آماده شدن این پس زمینه، میتوان هر منطقه و ناحیه را رنگ کرد تا یک نقشه کورپولِت
(Choropleth Map نقشه ای است که رنگ و سایه برای نشان دادن تفاوت های نواحی مختلف استفاده میکند تا ارزش میانگین یا مقادیر هر ناحیه را نشان دهد) داشت.
یا میتوان نقطه ها یا حباب هایی را به آن اضافه کرد تا یک نقشه حبابی به دست آورد. حتی میتوان منطقه ای را تغییر شکل داد تا یک کارتوگرام
(Cartogram نقشه ای است که اطلاعات آماری در آن به صورت نمودار و جدول نشان داده میشود و بعضی از متغیرهای موضوعی مانند زمان سفر یا تولید ناخالص داخلی جایگزین مساحت یا فاصله می‌شوند) بدست آورد. یا حتی میتوان ارتباطات را با یک نقشه ارتباط (Connection map) نشان داد.

نمودار خط مرزی – Ridgeline Plot

توضیحات بیشتر

این نمودار که گاهاً Joy plot هم نامیده میشود، توزیع یک مقدار عددی را برای گروهای مختلف نمایش میدهد. توزیع میتواند با استفاده از هیستوگرام ها یا نمودارهای غلظت و چگالی هم نمایش داده شود که همه اینها در یک مقایس افقی قرار میگیرند و با کمی روی هم افتادگی و همپوشانی نمایش داده میشوند.
این نمودار مخصوصاً وقتی مفید است که تعداد گروه ها برای نمایش دادن بالا باشد. بنابراین یک جداسازی پنجره ای کلاسیک در این حالت میتواند فضای زیادی بگیرد.

نمودار هگزبین یا کندو– Hexbin Map

توضیحات بیشتر

نمودار هگزبین منطقه جغرافیایی را به تعداد زیادی شش ضلعی تقسیم میکند. یک مقدار عددی هم به هر شش ضلعی داده شده است که رنگ آن را کنترل میکند.
نمودار هگزبین نوعی نمودار کورپولت است. این نمودار خط موربی (خط تفاوت) که منطقه را با سایز متفاوت نشان داده است را حذف میکند. چراکه هر منطقه با شش ضلعی یکسان نمایش داده میشود.

Dounat Chart – نمودار دونات

Dounat Chart – نمودار دونات

توضیحات بیشتر

نمودار دونات در اصل همان نمودار دایره ای (Pie Chart) است که دارای یک ناحیه بوده و در مرکز قطع شده است. نمودار دایره ای معمولاً برای اینکه خوانندگان را بر روی مناطق مناسبی از قطعات دایره و از یکی به یکی دیگر متمرکز میکند، نقد میشود. در این حالت دیدن تفاوت بین قطعات مختلف سخت میشود مخصوصاً وقتی چند چارت دایره ای باهم دارید.
نمودار دونات تا حدی این مشکل را جبران میکند. این کار با برداشتن تاکید استفاده از ناحیه انجام میشود. در عوض خوانندگان به جای اینکه مقادیر بین قسمت های دایره را مقایسه کنند، بیشتر بر روی خواندن طول منحنی ها تمرکز میکنند.
همچنین نمودارهای دونات در استفاده از فضا هم نسبت به نمودارهای دایره ای بهتر هستند چراکه فضای داخلی آن میتواند برای نمایش اطلاعات استفاده شود.

نام چارت

توضیحات بیشتر (در دست ساخت است)

اطلاعات تکمیلی

Circle Packing – بسته بندی دایره ای

Circle Packing – بسته بندی دایره ای

توضیحات بیشتر

بسته بندی دایره ای متغییری از نقشه و ساختار درختی است که به جای مستطیل از دایره استفاده میکند. داخل هر دایره یک مرحله از کل سلسه مراتب موجود است. هر شاخه درخت به عنوان یک دایره نمایش داده میشود که زیرشاخه های آن هم به صورت دایره هایی در داخل آن هستند.
همچنین داخل هر دایره میتواند برای نمایش یک مقدار اختیاری دیگر (مانند تعداد یا سایز فایل) نیز استفاده شود. همچنین از رنگ هم میتوان برای اعمال دسته بندی ها یا نمایش یک متغییر دیگر با سایه هایی متفاوت استفاده کرد.
با اینکه نقشه دایره ای ظاهری زیبا دارد، اما در موضوع استفاده بهینه از فضا به ساختار درختی نمیرسد چراکه فضاهای زیادی داخل دایره ها خالی میماند. با این وجود، نقشه دایره ای ساختار سلسله مراتبی یا همان ساختار ارثی را بهتر از نقشه درختی نشان میدهد.

نمودار میله ای - Bar Chart

نمودار میله ای - Bar Chart

توضیحات بیشتر

جدول Bar یا میله ای، با نام نمودار Bar یا نمودار ستونی هم شناخته میشود. جدول میله ای سنتی، از میله ها یا همان خط های افقی یا عمودی استفاده میکند تا بتواند مقایسه های عددی مجزا در بین دسته بندی ها را نشان دهد. یکی از محورهای گراف، مقایسه دسته بندی های خاص را نمایش میدهد و محور دیگر هم مقیاس ارزش مجزا را نشان میدهد.
جداول میله ای برجسته تر از نمودارهای هیستوگرام (Histogram) هستند چراکه پیشرفت های مکرر در فاصله زمانی را نمایش نمیدهند. دیتای مجزای جداول میله ای دیتای مطلق هستند و بنابراین به سوالاتی مانند “چند تا؟ در هر دسته بندی میتوانند جواب دهند.
عیب بزرگ نمودارهای میله ای این است که وقتی تعداد میله ها زیاد شود، برچسب گذاری در انها سخت میشود.

کارتوگرام – Cartogram

توضیحات بیشتر

کارتوگرام نقشه ای است که در آن هندسه مناطق به شکلی خاص نشان داده میشود تا اطلاعات یک متغیر متناوب نشان داده شود.
هدف کارتوگرام این است که خط تفاوتی که میتواند در یک نقشه کورپولت ایجاد شود را درست کند. وقتی متغیری نسبت به سایز هر منطقه متراکم میشود، منطقه ای که دارای نقطه اطلاعات (دیتا پوینت) کمی است، به اندازه منطقه ای که دارای نقطه اطلاعات زیاد است، مهم دیده میشود.
برای مثال فرض کنید درآمد میانگین نسبت به هرمنطقه را روی نقشه کورپولت نمایش میدهید. منطقه ای که 3 ساکن با فضای بسیار زیاد دارد، مهم تر از منطقه ای دیده میشود که کوچکتر است و 3000 ساکن دارد. که این خود تفاوت زیادی را القا میکند. به همین خاطر کارتوگرام آمده است تا این تفاوت را کاهش دهد.
نمودار ستونی دایره ای شکل - Circular Barplot

نمودار خطی مدور - Circular Barplot

توضیحات بیشتر

نمودار خطی مدور همان نمودار خطی یا ملیه ای است که در آن میله ها در عوض اینکه در یک خط باشند، به دور یک دایره نمایش داده میشوند.
بنابراین، توصیه میشود قبل از اینکه بخواهید یک نمودار میله ای یا خطی را به صورت مدور دربیاورید، اول بهتر است روش کار خود نمودار میله ای را بدانید.
نمودار میله ای مدور بسیار فریبنده است و امکان استفاده بهینه تر از فضا را نسبت به نمودار میله ای معمولی میدهد.
با اینکه نمودار میله ای مدور زیباست، اما خواندن سایز هر میله یا خط در آن سخت تر میشود. بنابراین تنها اگر دارای تعداد زیادی از میله ها یا خط ها برای نمایش دادن هستید، از این نوع نمودار استفاده کنید. ممکن است در این نمودار یک الگوی کاملاً واضح نیز نمایان شود.
نمودار گلوله ای – Bullet Graph

نمودار گلوله ای – Bullet Graph

توضیحات بیشتر

این نمودار معمولاً برای نمایش کارآیی و پرفورمنس دیتا استفاده میشود. نمودارهای گلوله ای مانند جدول میله ای بوده اما با عناصر تصویری اضافه همراه هستند.
محتوای اصلی دیتا توسط میزان طول میله اصلی در وسط چارت کدگذاری شده است که به عنوان Feature Measure یا اندازه گیری ویژگی شناخته میشود. خط نشانگری هم که به صورت عمودی کشیده شده است، بعنوان اندازه گیری مقایسه ای / Comparative Measure شناخته میشود و به عنوان نشانگر هدف برای مقایسه با مقدار اندازه گیری ویژگی استفاده میشود.
بنابراین اگر میله اصلی، نقطه Comparative Measure را رد کند، یعنی به هدف رسیده شده است.
میله های بخش بندی شده و رنگی در پشت اندازه گیری ویژگی، برای نمایش امتیازات محدوده کیفی استفاده میشوند. هر سایه رنگ (در مثال عکس بالا سه سایه کمرنگ) جهت اعمال یک محدوده امتیاز برای کارآیی، استفاده میشود. برای مثال این محدوده میتواند به صورت ضعیف، متوسط و قوی باشد. هنگام استفاده از نمودار گلوله ای، ایده آل این است که عدد ماکزیمم محدوده را بر روی 5 نگاه داشت. یکی از بیشترین نمودارهایی که جهت بررسی رسیدن و یا عدم تحقق KPI در بازاریابی از آن استفاده میشود این نمودار میباشد.

Dot Map – نقشه نقطه ای

Dot Map – نقشه نقطه ای

توضیحات بیشتر

این نقشه با نامهای Point Map (نقشه نقطه ای) ، Dot Distribution Map (نقشه توزیع نقطه ای) و Dot Density Map (نقظه تراکم نقطه ای) هم شناخته میشود.
این نقشه روشی برای تشخیص الگوهای فضایی یا توزیع دیتا بر روی یک ناحیه جغرافیایی هستند. با جاگذاری نقاط هم اندازه بر روی ناحیه جغرافیایی، این نقشه ها طرح میشوند.
دو نوع نقشه نقطه ای داریم: یک به یک (یعنی یک نقطه نشانگر یک عدد یا شئ است) و یک به چند (یعنی یک نقطه نشانگر یک واحد خاص است؛ مانند 1 نقطه = 10 درخت).
نقشه های نقطه ای برای مشاهده نحوه توزیع اشیاء بر روی ناحیه جغرافیایی مناسب هستند. وقتی نقطه ها روی نقشه جمع میشوند، میتوان الگوها را روی نقشه دید. درک این نقشه ها ساده است و برای ارائه یک نگاه اجمالی از دیتا مناسب هستند. البته این نقشه برای بررسی مقدار دقیق خوب نیستند.
Flow Chart – نمودار جریان یا فلوچارت

Flow Chart – نمودار جریان یا فلوچارت

توضیحات بیشتر

فلوچارت با نامهای Flow Diagram، Flow Process Chart، Process Chart، Process Map، Process Model و Work Flow Diagram هم شناخته میشود.
این نوع از نمودار برای نشان دادن مراحل متوالی یک پروسه استفاده میشود. فلوچارتها یک پروسه را با استفاده از یک سری نمادهای به هم پیوسته، طراحی کرده و به نمایش میگذارند که این نوع طراحی، کل پروسه را طوری به تصویر میکشد که قابل درک تر باشد.
فلوچارتها برای توضیح پیچیدگی یک پروسه، سیستم، مفهوم و یا یک الگوریتم خوب هستند. طراحی یک فلوچارت میتواند به برنامه ریزی و توسعه یک پروسه و یا بهبود یک پروسه درحال انجام نیز کمک کند.
نمادها در فلوچارت تقسیم میشوند و به انواع مختلفی استانداردسازی میشوند که هر کدام دارای شکل خاصی هستند. برچسب هر مرحله نیز داخل آن شکل نوشته میشود. فلوچارت ها با یک مستطیل منحنی شروع شده و به اتمام میرسند تا شروع و پایان پروسه را نشان دهند. خط ها و پیکان ها نیز برای نشان دادن جهت جریان پروسه از مرحله ای به مرحله دیگر استفاده میشوند.
اقدامات و دستورالعمل های ساده با یک مستطیل نمایش داده میشوند درحالی که شکل الماسی یا لوزی وقتی استفاده میشود که تشخیص نیاز باشد. نمادهای دیگر نیز در فلوچارت میتوانند استفاده شوند. همچنین فلوچارت ها میتوانند به صورت عمودی و افقی اجرا شوند.

Gantt Chart – نمودار گانت

Gantt Chart – نمودار گانت

توضیحات بیشتر

این نمودار معمولاً به عنوان ابزار سازمانی برای مدیریت پروژه استفاده میشود. نمودار گانت معمولاً لیستی از فعالیت ها یا وظایف را در طول زمان نمایش داده و زمان شروع و پایان هر فعالیت را نشان میدهد.
این مزیت، نمودار گانت را برای برنامه ریزی و تخمین مدت زمان اتمام کل یک پروژه، قابل استفاده و مفید میکند. همچنین میتوانید ببینید کدام فعالیت ها به طور موازی با یکدیگر درحال اجرا هستند.
نمودار گانت داخل یک جدول کشیده میشود که ردیف های آن شامل فعالیت ها و ستون های آن نیز مربوط به مقیاس زمانی و زمان بندی هستند. مدت زمان هر فعالیت توسط طول محوری که در امتداد مقیاس زمانی کشیده شده است، نمایش داده میشود. شروع محور همان شروع فعالیت بوده و آخر خط نیز زمانی است که فعالیت باید تمام شود.
کدگذاری رنگی محورها هم میتواند برای دسته بندی فعالیت ها به گروه های مختلف استفاده شود. برای نمایش درصد پیشروی یک فعالیت، میتوان یک خط را تا حدی پر رنگ کرد یا به صورت های مختلف سایه و رنگ زد تا تفاوت بین مراحل انجام شده و باقی مانده ایجاد کرد.
پیکان های ارتباطی هم میتوانند برای نمایش ارتباط و پیوستگی بین وظایف استفاده شوند. مسیرهای بحرانی نیز همان فعالیت های کلیدی هستند که اتمام پروژه به آنها بستگی دارد و میتوانند با یک سری از پیکان های هایلایت شده نمایش داده شوند. نمادها هم میتوانند در نمودار گانت برای نشان دادن نقاط عطف باشند. همچنین در نمودار گانت یک خط عمودی هم کشیده میشود که تاریخ فعلی را هایلایت میکند.
Kagi Chart – نمودار کلیدی

Kagi Chart – نمودار کلیدی

توضیحات بیشتر

نمودار کلیدی برای نمایش مراحل عمومی عرضه و تقاضای یک دارایی خاص کاربرد دارد که این کار با بصری سازی Price actions (یک متد در آنالیز تغییرات قیمت) توسط یکسری الگوهای خطی انجام میشود. این چارت ها وابسته به زمان نیستند و به فیلتر کردن اختلالی که میتواند در دیگر چارت های تجاری و مالی (مانند نمودار پایه شمعدانی) رخ دهد، کمک میکند. در این حالت تغییر قیمت های مهم واضح تر نمایش داده میشوند. به طور خلاصه، تشخیص الگوهایی که در نمودار کلیدی رخ میدهد، کلید درک این نمودارها است.
با اینکه این نمودارها تاریخ و زمان را در محور ایکس ها نمایش میدهند، اما اینها در واقع نشانگرهایی برای تاریخ Price actionsهای کلیدی هستند و نه جزوی از مقیاس زمانی. محور yها در سمت راست به عنوان مقیاس ارزش استفاده میشود.
خط نمودار کلیدی در ابتدا به صورت عمودی و در جهت حرکات قیمت حرکت کرده و ادامه پیدا میکند. زمانی که قیمت یک افت از پیش تعیین شده میکند، خط هم دور زده و در جهت مخالف برمیگردد. بنابراین هرکدام از خطوط افقی جدول نشان میدهد که کجا یک افت قیمت اتفاق افتاده است. وقتی یک خط افقی به یک خط درحال بالا آمدن همراه با یک خط درحال غرق شدن میرسد، اصطلاحاً به آن شانه “shoulder” میگویند. اما وقتی یک خط افقی به یک خط درحال غرق شدن همراه با یک خط درحال بالا آمدن میرسد، اصطلاحاً کمربند “waist” میگویند.
رنگ یا کلفتی درحال تغییر خط، وابسته به رفتار قیمت دارد. وقتی قیمت بالاتر از “شانه” قبلی میرود، خط ضخیم تر (و/یا سبز) میشود و نام آن “خط یانگ / yang line” است. این اتفاق میتواند به عنوان افزایش تقاضا نسبت به عرضه و یک ترند صعود قوی تفسیر شود.
از طرفی وقتی قیمت به زیر “کمربند” قبلی میرسد، خط نازک تر (و/یا قرمز) میشود و نام آن “خط یین / yin line” است. این اتفاق یک افزایش در عرضه نسبت به تقاضا را نشان میدهد و یک ترند نزولی قوی است.
معامله کنندگان از تغییر نازکی (یین) به کلفتی (یانگ) و برعکس کلفتی به نازکی خطها، به عنوان سیگنال استفاده میکنند تا بفهمند که باید یک دارایی را بخرند یا بفروشند. یعنی تغییر یین به یانگ، یعنی اینکه باید خرید و برعکس آن به معنای این است که باید فروخت.
نمودار ریسمانی - Non-Ribbon Chord Diagram

نمودار ریسمانی - Non-Ribbon Chord Diagram

توضیحات بیشتر

این نمودار نسخه کاهش یافته و خلاصه ای از نمودار ریسمانی یا Chord Diagram است که در آن تنها گره ها و خطوط ارتباط نشان داده میشود. چراکه در این حالت تاکید بیشتری روی ارتباطات در داخل دیتا ایجاد میشود.
 نمودار باز - بالا - پایین - بسته Open-high-low-close Chart

نمودار باز - بالا - پایین - بسته Open-high-low-close Chart

توضیحات بیشتر

این نمودار با نامهای نمودار OHLC، نمودار قیمت و نمودار میله ای نیز شناخته میشود.
این نمودار ها به عنوان ابزار تجاری برای تصویر سازی و آنالیز تغییرات قیمت در طول زمان استفاده می شود که می توان برای مواردی مانند اوراق بهادار، ارزها، سهام و غیره استفاده کرد. از این نمودارها برای تفسیر تمایلات روزانه بازار استفاده می شود تا بتوان تغییرات آینده را با استفاده از الگوهای بدست آمده پیش بینی کرد.
محورYها در این نمودار برای مقیاس قیمت استفاده می شود و محورXها مقیاس زمانی است. در هر دوره زمانی (مثلا یک روز) این نمودار یک نماد تولید می کند که دو محدوده را نمایش میدهد: بالاترین و پایین ترین قیمت معامله شده و همچنین قیمت اولیه و نهایی.
در محدوده نماد، محدوده قیمت بالا و پایین توسط طول خط عمودی اصلی نمایش داده می شود. قیمت اولیه و نهایی هم توسط جهت گیری عمودی خط چین ها نمایش داده می شود. در سمت راست خط عمودی بالا-پایین، قیمت نهایی و در سمت چپ آن قیمت اولیه نمایش داده می شود. همچنین برای هر نماد میتوان یک رنگ در نظر گرفت تا بتوان وضعیت بازار را مشخص کرد.

نمودار مساحت نرمال – Proportional Area Chart

نمودار مساحت نرمال – Proportional Area Chart

توضیحات بیشتر

این نمودار برای مقایسه مقادیر و نمایش تناسب (در اندازه، تعداد یا هرچیزی) برای ارائه یک نمای اجمالی و سریع از اندازه های مرتبط از دیتا، بدون استفاده از مقیاس ها، عالی است.
عیب این چارت در این است که تخمین مقادیر با استفاده از از این چارت ها خیلی سخت است. بنابراین این چارت ها بطور اختصاصی برای اهداف ارتباطی استفاده میشوند و نه برای اهداف آنالیزی و تحلیلی.
این چارت ها معمولا از مربع ها و دایره ها استفاده میکنند. اما تا زمانی که از مساحت شکل برای نمایش دیتا استفاده شود، هر شکل دیگری میتواند در این چارت ها استفاده شود. یک ارور معمول در استفاده از این چارت ها، استفاده از یک طول برای تعیین سایز شکل است. در حقیقت باید فضای داخل شکل را محاسبه کرد تا بتوان سایز آن را فهمید. در غیر اینصورت، این کار منجر به ایجاد افزایش ها و کاهش های نمایشی خواهد شد.
Radial Column Chart – نمودار ستونی شعاعی

Radial Column Chart – نمودار ستونی شعاعی

توضیحات بیشتر

این نمودار با نام نقشه دایره ای ستونی یا نقشه ستاره ای هم شناخته میشود. این نوع از نمودار، از شبکه ای از دایره های متحدالمرکز استفاده میکند تا میله ها را روی نقشه ترسیم کند. هر دایره نمایانگر یک مقدار در یک مقیاس و اندازه خاص است. جداکننده های شعاعی (خطوطی که از وسط و مرکز آمده اند) هم برای هر دسته بندی یا هر فاصله زمانی (اگر هیستوگرام باشد) استفاده میشوند.
معمولاً مقادیر پایین تر از مرکز شروع میشوند و با هر دایره افزایش میابند. با این وجود، مقادیر منفی هم میتوانند روی یک چارت شعاعی ستونی نمایش داده شوند.
میله ها معمولا از مرکز شروع میشوند و به خارج گسترش میابند. محدوده ها نیز میتوانند در نقاط شروع با متغییرها نشان داده شوند (همانند حالتی که در نمودار Span وجود دارد). همچنین در این نمودار هم میله ها میتوانند روی هم انباشته شوند؛ همانند حالتی که در نمودار میله ای انباشته وجود دارد.

Tree Diagram – نمودار درختی

Tree Diagram – نمودار درختی

توضیحات بیشتر

این نمودار با نامهای چارت سازمانی و درخت پیوند نیز شناخته میشود.
این درخت روشی برای نمایش تصویری وراثت بر روی یک درخت همانند یک ساختار است. معمولاً ساختار یک نمودار درختی شامل عناصری مانند گره ریشه است. گره ریشه عضوی از وراثت و نمودار است که هیچ عضو بالاتر یا ریشه ای ندارد و خود ریشه است. سپس گره ها قرار دارند که با یکدیگر ارتباط خطی دارند. ارتباطات بین گره ها شعبه یا برنچ نامیده میشود که نشانگر رابطه و پیوند بین اعضا هستند. نهایتا گره های برگ یا گره های نهایی قرار دارند که در واقع هیچ گره دیگری به عنوان گره بچه برای آنها وجود ندارد و خودشان آخرین گره نمودار هستند.
نمودار درختی اغلب برای موارد زیر استفاده میشود:
برای نمایش تبار و ارتباط فامیلی / در تاکسونومی (طبقه بندی) / در علم تکامل یافته برای نشان دادن اصل و نسب گونه ها / در علم کامپیوتر و ریاضی / در کسب و کارها و سازمان هایی با اهداف مدیریتی.

Scatterplot – اسکاترپلات یا نمودار پراکنده

Scatterplot – اسکاترپلات یا نمودار پراکنده

توضیحات بیشتر

نمودار پراکنده با نامهای نمودار نقطه ای، نقشه X-Y و Scattergram (اسکاتر گرام) نیز شناخته میشود. این نمودار دارای مجموعه ای نقطه ها است که توسط دستگاه دکارتی ایجاد شده اند و مقادیر دو متغییر را نمایش میدهند. هر متغییر در یک محور نمایش داده میشود و میتوان تشخیص داد که رابطه ای بین دو متغییر وجود دارد یا خیر.
انواع مختلفی از همبستگی و ارتباط بین متغییرها میتواند از طریق الگوها تفسیر و دریافت شود. برای مثال موارد زیر انواع همبستگی هستند:
همبستگی مثبت: مقادیر هردو باهم افزایش میابند. / همبستگی منفی: یکی از مقادیر کاهش میابد اما بقیه افزایش میابند. / همبستگی تهی: همبستگی وجود ندارد. / همبستگی خطی / همبستگی تعریفی یا نمایشی و همبستگی U شکل.
قدرت همبستگی را میتوان با میزان نزدیکی نقطه ها به همدیگر در روی جدول تشخیص داد. نقاطی که در محلی بسیار دورتر از دسته نقاط دیگر قرار گرفته اند، با نام نقاط خارج از محدوده (outliers) شناخته میشوند.
خطوط و منحنی ها در نمودار پراکنده کاملاً فیت و متناسب قرار میگیرند تا کار تحلیل نمودار راحت تر انجام شود. همچنین خطوط در حد ممکن در نزدیکترین فاصله تمام نقاط کشیده میشوند تا تصویری نشان داده شود از این که چطور همه نقطه ها در داخل یک خط متمرکز شده اند. معمولاً این حالت با نام “The Line of Best Fit” یعنی متناسب ترین خط، یا با نام Trend Line که به معنای خط ترند است، شناخته میشود. از این خطوط برای انجام تخمین ها استفاده میشود. یکی از اشتباهات رایج در استفاده از این نمودار زمانی است که الگوی نمونه ما دارای چگالی بسیار زیادی باشد و یا به عبارتی دیگر Overplotting رخ داده باشد.

Stream Graph – نمودار جریان

Stream Graph – نمودار جریان

توضیحات بیشتر

این نمودار با اسم Theme River هم شناخته میشود. نمودار جریان مشتق و متغییری از Stacked Area Graph / نمودار ناحیه انباشته شده میباشد. اما اینجا درعوض اینکه مقادیر بر روی محورهای مستقیم و فیکس شده ترسیم شوند، با یک خط پایه (baseline) متغییر مرکزی عوض شده اند.
این نمودارها تغییرات دیتا در طول مدت زمان دسته بندی های مختلف را از طریق استفاده از اشکالی طبیعی و سیالی که تا حدی شبیه به جریان آب رودخانه است، نشان میدهند. این ویژگی نمودارهای جریان را زیبا و خوش جلوه میکند و نگاه کردن به آنها جذاب تر میشود.
در یک نمودار جریان، سایز هر شکل جریان، متناسب است با مقادیر هر دسته بندی. محوری که نمودار جریان به صورت موازی با آن به جریان میفتد، به عنوان مقیاس زمانی استفاده میشود. برای تشخیص هر دسته بندی نیز میتوان از رنگ استفاده کرد. یا حتی برای بصری سازی مقادیر کمی هر دسته بندی نیز میتوان از رنگ استفاده کرد و از طریق تغییر دادن سایه رنگ هرکدام، آنها را تمییز داد.
این نمودارها برای نمایش دیتاست هایی که حجم بزرگ دارند خوب هستند. به منظور کشف الگوها و ترندها در طی زمان بر روی محدوده گسترده ای از دسته بندی ها. برای مثال، قله ها و دره ها (همان صعود و نزول های نمودار) در نمودار و اشکال آن، میتوانند نشان دهنده یک الگوی دوره ای باشند.
این نمودار را میتوان برای نمایش نوسان گروه بزرگی از دارایی ها در طول زمان، استفاده کرد.
عیب این نمودار در داشتن مشکلات خوانایی است. چراکه معمولاً نمودارهای جریان با داشتن دیتاست های بزرگ، بسیار شلوغ و به هم ریخته هستند. در واقع دسته بندی هایی با مقادیر کمتر، معمولاً غرق میشوند تا برای دسته بندی هایی با مقادیر بیشتر جا باز کنند. این کار، دیدن و خواندن تمام دیتاها را غیرممکن میکند. همچنین خواندن مقدار دقیق در نمودار جریان غیرممکن است؛ چراکه محوری برای استفاده بعنوان منبع وجود ندارد.
بنابراین، نمودارهای جریان باید برای مخاطبینی در نظر گرفته شود که تمایل ندارند زمان زیادی برای رمزگشایی نمودار بگذارند و در دیتای آن کاوش کنند.
این نمودارها بیشتر برای ارائه نمای کلی از دیتا خوب هستند. همچنین این نمودارها را باید بیشتر به عنوان یک نمودار تعاملی استفاده کرد و نه به صورت استاتیک یا پرینت شده.
Venn Diagram – نمودار ون

Venn Diagram – نمودار ون

توضیحات بیشتر

نمودار ون با نام نمودار مجموعه نیز شناخته میشود. این نمودار به صورت بصری تمام ارتباطات منطقی ممکن بین کالکشنی از مجموعه ها را نمایش میدهد. هر مجموعه معمولا با یک دایره نمایش داده میشود.
داخل هر مجموعه، مجموعه ای از چیزها وجود دارد که همه آنها در چیزی مشترک هستند. وقتی مجموعه ها باهم همپوشانی کنند، به آن ناحیه تقاطع (intersection area) میگوییم. اینها محلی است که تمام اعضایی که شایسته همپوشانی مجموعه ها هستند، جمع شده اند.
برای مثال آیکون مربوط به همین نمودار یک نمودار ون 2 مجموعه ای است. البته نمودارهای 3 تا….. حتی 7 مجموعه ای نیز داریم که هندسه به مراتب پیچیده تری را بین مجموعه ها نمایش میدهند.

Density Plot – نمودار تراکم

Density Plot – نمودار تراکم

توضیحات بیشتر

نمودار تراکم با نام های Kernel Density Plot (نمودار تراکم هسته ای یا مرکزی) یا Density Trace Graph (نمودار ردیابی تراکم) نیز شناخته میشود. نمودار تراکم، توزیع دیتا در یک دوره زمانی یا یک مدت زمان مداوم را نشان میدهد. این نمودار متغییری از نمودار هیستوگرام است که از روش kernel smoothing (ملایم سازی هسته) برای طراحی مقادیر استفاده میکند. به این صورت که با ملایم کردن اختلالات و نویزها، به توزیع های ملایم تر اجازه نمایش میدهد.
پیک ها یا قله هایی که در نمودار تراکم وجود دارند کمک میکنند تا مشاهده کرد که مقادیر در آن دوره زمانی، در کجا متمرکز بوده اند.
یک مزیت این نمودار به هیستوگرام این است که این نمودار در تشخیص شکل توزیع بهتر است؛ چراکه نمودار تراکم تحت تأثیر تعداد مخازن استفاده شده (هر میله یا محوری که در یک نمودار معمولی هیستوگرام استفاده شده است) قرار نمیگیرد.
یک نمودار هیستوگرام که شامل تنها 4 مخزن است، نمیتواند به اندازه کافی و در حد یک هیستوگرام 20 مخزنی، شکل توزیع قابل تشخیص تولید کند. اما در نمودار تراکم اینطور نیست و چنین مشکلی وجود ندارد.
نمودار آب نبات چوبی _ Lollipop

نمودار آب نبات چوبی _ Lollipop

توضیحات بیشتر

نقشه آبنبات چوبی در واقع همان نقشه میله ای است که میله آن تبدیل به یک خط و یک نقطه شده است. این نمودار رابطه بین متغییر عددی و قطعی را نشان میدهد.
در کل این نمودار بیشتر ظاهری است و اطلاعات را به خوبی منتقل میکند. مخصوصاً وقتی چندین میله با ارتفاع یکسان دارید، این نمودار بسیار مفید است. چرا که در این حالت نمودار دچار بی نظمی نمیشود و از اثر مویِر (Moiré effect) هم جلوگیری میکند.
نمودار نقطه ای کلیولند (The Cleveland dot plot) نیز یک متغییر مفید است که امکان مقایسه ارزش 2 مقدار عددی برای هر گروه را به ما میدهد.

نقشه مختصات موازی – Parallel Coordinates Plot

نقشه مختصات موازی – Parallel Coordinates Plot

توضیحات بیشتر

این نوع از بصری سازی برای دیتاهای چندمتغییره و عددی استفاده میشود. این نقشه ها برای مقایسه تعداد زیادی متغییر با یکدیگر و کشف روابط بین آنها مناسب است. برای مثال اگر قرار است آرایه و نظم محصولاتی با ویژگی های یکسان (برای مثال مقایسه مدل های مختلف ماشین ها یا کامپیوترها با یکدیگر) را باهم مقایسه کنید، نقشه مختصات موازی مناسب است.

در یک نقشه مختصات موازی، هر متغییر محور خود را دارد و تمام محورها موازی با یکدیگر هستند. هر محور میتواند مقیاس متفاوتی داشته باشد و هر متغییر بر اساس واحدی متفاوت کار کند. یا اینکه تمام محورها میتوانند طوری تنظیم شوند که تمام مقیاس ها را در یک حد نگه دارند. این بدان معناست که هر خط مجموعی از نقاطی است که بر روی محور هستند و تمامشان به هم وصل شده اند.

باید دانست، ترتیبی که محورها بر اساس آن قرار میگیرند، میتواند بر چگونگی درک خواننده از اطلاعات نقشه تاثیر بگذارد. یکی از دلایل آن، ارتباط بین متغییرهای مجاور است که دنبال کردن آنها از دنبال کردن متغییرهای غیر مجاور راحت تر است.

در نتیجه، تنظیم مجدد محورها میتواند به کشف الگوها یا ارتباطات بین متغییرها کمک کند.

یکی از معایب نقشه های مختصات موازی این است که مستعد شلوغ شدن بیش از حد هستند. در این حالت وقتی تراکم دیتا زیاد باشد، نقشه بسیار ناخوانا میشود.

بهترین راه درمان این مشکل از طریق تعامل و یک تکنیک به نام «براشینگ / Brushing» است. تکنیک براشینگ، خط یا مجموعه خطوط انتخاب شده را هایلایت کرده و دیگر خطوط را محو میکند. این تکنیک به شما اجازه میدهد نویز موجود را فیلتر کرده و بخش های دلخواهی از نقشه را ایزوله کنید.

Parallel Sets – مجموعه های موازی

Parallel Sets – مجموعه های موازی

توضیحات بیشتر

نقشه مجموعه های موازی، در چگونگی نشان دادن جریان و مقادیر شبیه به چارت های Sankey Diagrams هستند. با این وجود، چارت های مجموعه های موازی از علامت پیکان استفاده نمیکنند و مسیر جریان (flow-path) را به هر مجموعه خط نمایش داده شده تقسیم میکنند.

هر مجموعه خط نیز برابر است با ابعاد تقسیم بر دیتاست؛ دسته بندی ها یا محتوای مجموعه خط هم در هر خطی که بر مجموعه خط تقسیم شده است، نمایش داده میشود. عرض هر خط و مسیر جریانی که از آن ریشه میابد، توسط کسری متناسب دسته بندی کل مشخص میشود. همچنین هر مسیر جریان را میتوان جهت نمایش و مقایسه توزیع بین دسته بندی های متفاوت، رنگ آمیزی کرد.

پیوند لبه وراثتی – Hierarchical edge Bundling

توضیحات بیشتر

این متد هم یک روش تصویرسازی دیتا است که توسط آن میتوان ارتباطات بین برگه های یک شبکه وراثتی را بررسی کرد.
به جای اینکه از خط صاف برای انجام کار استفاده کرد، هر ارتباط در اینجا به صورت منحنی درمیاید و مسیر وراثتی بین دو گره را دنبال میکند. این تکنیک بی نظمی و درهم برهمی را کاهش میدهد و این امکان را میدهد که ترندها را به طور موثرتری شناسایی کرد.

دِندروگرام – Dendrogram

توضیحات بیشتر

دندروگرام یک ساختار شبکه است. تشکیل شده است از یک گره ریشه و اصلی که تولد چندین گره دیگر که توسط حاشیه ها یا شعبه ها به هم وصل شده اند را باعث میشود.
این ساختار را میتوان با دو نوع دیتاست ایجاد کرد. نوع i/A ماتریکس عددی که امکان محاسبه فاصله بین افراد را میدهد. نوع ii/A دیتاست وراثتی که درآن ارتباط بین موجودیت ها به صورت مستقیم فراهم میشود.
نمودار پراکندگی متصل - Connected scatter

نمودار پراکندگی متصل - Connected scatter

توضیحات بیشتر

نمودار پراکنده متصل ارتباط بین دو متغیر نمایش داده شده با محور xها و yها را نشان میدهد؛ مانند همان کاری که نمودار پراکنده میکند.
علاوه بر آن نقطه ها توسط بخش ها یا سگمنت هایی به هم متصل هستند، همانند یک نمودار خطی.
اکثر اوقات این نمودار دقیقاً مانند یک نمودار خطی است و فقط به ما میگوید که هر کدام از مقادیر و اندازه ها انجام شده اند.
گاهی هم نقطه ها با ترتیبی متفاوت از محور xها متصل میشوند و اطلاعاتی اضافی به ما میدهند.
نقشه حبابی – Bubble Map

نقشه حبابی – Bubble Map

توضیحات بیشتر

با این نقشه دیتا، دایره ها در حول یک موقعیت جغرافیایی تعیین شده، همراه با حوزه و منطقه دایره، متناسب با ارزش آن در دیتاست، نمایش داده میشود.
نقشه های حبابی برای مقایسه تناسبات نسب به موقعیت جغرافیایی، خوب هستند. این مقایسه بدون داشتن مسئله ای که متأثر از سایز منطقه ای (همانطور که در نقشه های Choropleth دیده میشود) باشد، انجام میپذیرد. مشکل اصلی این نقشه ها این است که حباب هایی که بیش از حد بزرگ باشند ممکن است روی یکدیگر یا روی نقاط روی نقشه بی افتند؛ در نتیجه این مورد باید همیشه در نظر گرفته شود.

Choropleth Map – نقشه Choropleth

Choropleth Map – نقشه Choropleth

توضیحات بیشتر

این نقشه مناطق و ناحیه های جغرافیایی تقسیم شده ای را نشان میدهد که نسبت به متغییر دیتا، به صورت رنگ شده، سایه دار یا طرح دار نمایش داده میشوند. این نقشه کمک میکند تا بتوان ارزش مناطق جغرافیایی را به صورت تصویری نشان داد. نقشه Choropleth میتواند متغییرها و الگوهای موجود در لوکیشن نمایش داده شده را نشان دهد.
متغییر دیتا در هر منطقه از نقشه با توالی رنگی نشان داده میشود که معمولاً میتواند از یک رنگ به رنگ دیگر تغییر کند؛ در نتیجه متغییر میتواند مخلوطی از دو رنگ، تگ رنگ، در محدوده ای از شفاف به مات، در محدوده ای از سفید به مشکی یا یک طیف رنگی کامل باشد.
یکی از مشکلات استفاده از این نقشه این است که نمیتوان دقیقاً از روی نقشه، ارزش دو منطقه را خواند و باهم مقایسه کرد. مشکل دیگر این است که مناطق بزرگ تر با تأکید بیشتری از مناطق کوچکتر نمایش داده میشوند و در نتیجه بر روی درک مخاطب از ارزش دو ناحیه تأثیر میگذارد.
مشکل دیگر هنگام ساختن این نقشه ها، رمزگذاری ارزش داده های خام (مانند جمعیت) به جای استفاده از مقادیر ساده شده (برای مثال محاسبه جمعیت بر هر کیلومتر مربع) است.
تقویم – Calendar

تقویم – Calendar

توضیحات بیشتر

در طول تاریخ بشر، تقویم های مختلفی ساخته شده اند تا انسان بتواند جهت برنامه ریزی های خود از تقویم به عنوان ابزاری سازمان یافته بهره ببرد. تقویم ها ابزار بصری هستند که برای نمایش دوره های زمانی و رخدادها استفاده میشوند. همانطور که میدانید، دوره های زمانی اغلب به صورت های کوچکتر تقسیم میشوند؛ مانند روز، هفته، ماه و سال. تاریخ یا همان date، یک عضو مشخص و معین و یک روز، در داخل این سیستم است.
تقویم معمولاً به صورت خانه های ماهانه جدا و هفت ستون (برای هر روز از هفته) و همچنین ردیف های 5 در 6 نمایش داده میشود. البته که فرمت هر تقویمی میتواند عوض شود و متنوع باشد و تا زمانی که ترتیب زمانی تاریخ و زمان را به صورت بصری نمایش دهد، مشکلی نیست.

نمودار پایه شمعدانی - Candlestick Chart

نمودار پایه شمعدانی - Candlestick Chart

توضیحات بیشتر

این نمودار با نام نمودار پایه شمعدانی ژاپنی هم معروف است.
این نوع از نمودار به عنوان یک ابزار تجاری برای بصری سازی و آنالیز نوسانات قیمت در طول زمان برای مواردی مانند اوراق بهادار و مشتقات آن، ارزها، سهام، اجناس و غیره استفاده میشود. همچنین نمادی که در این نمودار استفاده میشود شبیه به نمودار جعبه ای (box plot) است اما عملکرد آنها متفاوت بوده و از این رو نباید با یکدیگر اشتباه گرفته شوند.
چارت های پایه شمعدانی قطعه های مختلفی از اطلاعات قیمت مانند قیمت اولیه، قیمت نهایی، بالاترین قیمت و پایین ترین قیمت را با استفاده از نمادهای شبیه به پایه شمعدانی نمایش میدهند. هر نماد نمایش دهنده فعالیت متراکم تجاری برای یک دوره زمانی خاص (یک دقیقه، یک ساعت، یک روز و…) است. هر نماد پایه شمعدانی در کنار یک مقیاس زمانی بر روی محور x ها، برای نمایش فعالیت تجاری در یک زمان خاص طراحی شده است.
مستطیل اصلی در نماد با عنوان بدنه اصلی شناخته میشود. بدنه اصلی برای نمایش محدوده بین قیمت اولیه و نهایی آن دوره زمانی استفاده میشود. اما خط هایی که از پایین به بالای بدنه اصلی کشیده شده اند با عنوان سایه های پایینی و بالایی شناخته میشوند. هر سایه نشانگر بالاترین یا پایین ترین قیمتی است که در طول آن زمان مشخص مبادله شده.
وقتی بازار bullish باشد (یعنی قیمت نهایی از قیمت اولیه بالاتر است) در این حالت بدنه معمولاً به رنگ سفید یا سبز میشود. اما وقتی بازار bearish است (قیمت نهایی کمتر از قیمت اولیه است) بدنه معمولاً قرمز یا مشکی میشود.
چارت های پایه شمعدانی برای تشخیص و پیش بینی ترندهای بازار در طی زمان عالی هستند. همچنین این چارت ها برای تفسیر تمایل روزانه بازار که از طریق رنگی شدن و شکل پذیری هر نماد در نمودار انجام میشود نیز مفید هستند. برای مثال هرچقدر بدنه طولانی باشد، فشار خرید یا فروش شدید تر است. درحالی که، بدنه خیلی کوتاه نشان میدهد که نوسان قیمت خیلی کمی در آن دوره زمانی وجود داشته و همینطور نشانگر وجود ثبات است.
این چارت ها به کشف و انتشار روانشناسی بازار (ترس و طمعی که معامله کنندگان تجربه کرده اند) از طریق نشانگرهای مختلف مانند شکل و رنگ، کمک میکنند. البته این کار از طریق الگوهای قابل شناسایی بسیاری که در چارت های پایه شمعدانی وجود دارند نیز انجام میشود.
در مجموع، 42 الگوی شناخته شده وجود دارد که به دو دسته الگوهای ساده و پیچیده تقسیم میشوند. این الگوها برای نمایش ارتباطات قیمت مفید هستند و همچنین میتوانند برای پیش بینی حرکات احتمالی ممکن بازار در آینده، استفاده شوند.
یادتان باشد که این چارت ها تنها ارتباط بین دو قیمت را توضیح میدهند و نه رخدادهایی که بین قیمت اولیه و نهایی اتفاق میفتند. بنابراین با این چارت ها نمیتوان گفت که معاملات انجام شده در آن دوره زمانی خاص تا چه حد فرار و ناثبات بوده اند.
Error Bars – خطوط خطا

Error Bars – خطوط خطا

توضیحات بیشتر

با اینکه اینها کاملاً یک جدول یا نمودار حساب نمیشوند، اما خطوط خطا به عنوان یک بهبود گرافیکی عمل میکنند که تنوع و تغییرپذیری دیتای طراحی شده بر روی جدول دکارتی را به صورت تصویری نمایش میدهد.
این خطوط میتوانند بر روی نمودارهایی مانند Scatter plots (نقشه های پراکنده)، نقشه های نقطه ای، نمودارهای میله ای یا نمودارهای خطی اعمال شوند تا یک لایه جزئیات اضافی بر روی دیتای نمایش داده شده فراهم کنند.
خطوط خطا کمک میکنند تا تخمین خطا یا عدم قطعیت بهتر انجام شود تا یک درک کلی از میزان دقیق بودن اندازه گیری موجود حاصل شود. این کار با کشیدن نشانگرهایی در طول نمودار اصلی و نقاط دیتای آن، انجام میشود.
معمولاً این خطوط برای نمایش انحراف استاندارد، خطای استاندارد، فاصله اطمینان و یا کمترین و بیشترین مقادیر در محدوده یک دیتاست، استفاده میشوند.
بصری سازی این اطلاعات با خطوط خطا به این صورت است که خط های سرپوشیده ای (خط های کلاه دار) از مرکز نقطه دیتای موجود (یا لبه نمودارهای میله ای) کشیده میشود. طول این خط کلاه دار به تشخیص میزان عدم قطعیت یک نقطه دیتا کمک میکند. خط کوتاه نشانگر این است که مقادیر متمرکز هستند و به این مفهوم است که احتمال مقدار متوسط طراحی شده، بیشتر است. خط بلند هم نشانگر این است که مقادیر پراکنده هستند و قطعیت آنها کمتر است.
همچنین بسته به نوع دیتا، طول هر جفت خط خطا، به سمت مساوی شدن از دو سمت میل میکند. اما اگر دیتا انحراف ناگهانی داشته باشد، طول خطها در هر دو سمت نامتعادل خواهد بود.
خطوط خطا همیشه در یک محدوده مقیاس کمی به صورت موازی اجرا میشوند؛ بنابراین میتوانند به صورت عمودی یا افقی (بسته به اینکه مقیاس کمی روی محور x هاست یا y ها) نمایش داده شوند. حال اگر دو مقیاس کمی وجود داشته باشد، پس میتوان دو جفت خطوط خطا را برای هر دو محور استفاده کرد.
Histogram – هیستوگرام

Histogram – هیستوگرام

توضیحات بیشتر

هیستوگرام توزیع دیتا را در طول یک دوره زمان و یک دوره متوالی نمایش میدهد. هر خط یا محور در هیستوگرام نمایش دهنده تکرار و تناوب در هر دوره زمانی است که در فرمت جدول نمایش داده میشود.
هیستوگرام کمک میکند تا درمورد موارد زیر تخمین هایی بزنیم:
• مقادیر در کجا متمرکز هستند ؟
• موارد قابل توجه کدامها هستند؟
• آیا هرگونه شکاف یا مقادیر غیرمعمول وجود دارد؟
همچین هیستوگرام ها برای ارائه نمایی از توزیع احتمال نیز مفید هستند.
Marimekko Chart یا نقشه موزائیکی

Marimekko Chart یا نقشه موزائیکی

توضیحات بیشتر

با نقشه موزاییکی می‌توان دیتا را بر حسب یک جفت متغیر تصویر سازی کرد. در این جدول هرکدام از محورها متغیرهایی هستند با مقیاس درصدی که پهنا و ارتفاع هر بخش را مشخص می کند. بنابراین این نقشه هم به نوعی مانند جدول میله های انباشه (Stacked Bar Graph) کار میکند. در این حالت می توان ارتباط بین دسته ها و زیر دسته ها با محور ها را تشخیص داد.
مشکل اصلی این جدولها این است که گاهی خواندن آنها سخت می‌شود مخصوصا وقتی که دارای بخش‌های زیادی باشد. همچنین مقایسه دقیق بین بخش ها بسیار سخت است؛ چرا که به صورت منظم در کنار یکدیگر قرار داده نمی‌شوند. در نتیجه جداول موزائیکی بیشتر برای دریافت یک نمای کلی از دیتا خوب کار می کنند.
Pictogram Chart – نمودار تصویری

Pictogram Chart – نمودار تصویری

توضیحات بیشتر

نمودار تصویری با نامهای Pictograph Chart، Pictorial Chart، Pictorial Unit Chart و Picture Graph نیز شناخته میشود.

این نمودارها برای ارائه یک نمای کلی جذاب از دسته های کوچک اطلاعات گسسته، از آیکن ها استفاده میکنند. معمولاً آیکن ها نمایانگر موضوع دیتا یا دسته بندی آن هستند؛ برای مثال، دیتای مربوط به جمعیت را با آیکن انسان نمایش میدهند. هر آیکن هم میتواند نمایانگر یک یا چند واحد باشد. در این نمودار دیتاست ها در کنار یکدیگر مقایسه میشوند که میتواند به صورت ستون ها یا ردیف هایی از آیکن ها باشد.

استفاده از آیکن ها این مزیت را دارد که میتواند به تفاوت های زبانی، فرهنگی و آموزشی غلبه کند. البته به هر حال نما و تصویر آیکن هم بهتر دیده میشود و میتواند نمایی بصری تر ارائه دهد. برای مثال اگر دیتا 5 تا ماشین باشد، نهایتاً 5 آیکن ماشین در داخل چارت نمایش داده خواهد شد.

دو چیزی که باید هنگام استفاده از نمودارهای تصویری از آنها دوری کنید، به صورت زیر هستند:

  • استفاده از این نمودارها برای دیتاست های بزرگ؛ چراکه در صورت زیاد بودن دیتا، شمارش آنها روی چارت بسیار سخت میشود.
  • نمایش آیکن های ناقص؛ چراکه معلوم نیس این آیکن نمایانگر چه چیزی است.
Sankey Diagram – نمودار جریان

Sankey Diagram – نمودار جریان

توضیحات بیشتر

این نمودارها نمایش دهنده جریانات و مسیر و کمیت آن به تناسب یکدیگر، هستند. عرض پیکان ها یا خطوط برای نشان دادن بزرگی آن استفاده میشود. بنابراین هرچه پیکان یا خط بزرگتر باشد، کمیت آن جریان بیشتر است.
خطوط یا پیکان های جریان میتوانند در هر مرحله ای از پروسه باهم ترکیب شوند و یا مسیرشان از هم جدا شود. میتوان از رنگ هم برای تقسیم نمودار به دسته های مختلف یا نشان دادن انتقال از یک وضعیت به وضعیتی دیگر، استفاده کرد.
معمولاً این نمودارها برای نمایش انتقال انرژی، پول یا مواد به صورت بصری استفاده میشوند اما میتوان از آنها برای نشان دادن جریان و مسیر پروسه هرگونه سیستم مجزا نیز استفاده کرد. قابل ذکر است که این نمودار یکی از نمودارهای مورد علاقه دیجیتال مارکتر هاست زمانی که میخواهند جریان ترافیک را از یک صفحه به صفحه دیگر و حتی خروج از وب سایت نمایش دهند.

Span Chart – جدول گستردگی / جدول محدوده / جدول پوشش

Span Chart – جدول گستردگی / جدول محدوده / جدول پوشش

توضیحات بیشتر

این نمودار با نام جدول میله ای/ستونی محدوده، جدول میله ای شناور، جدول تفاوت و یا جدول بالاترین-پایین ترین هم شناخته میشود.
این جدول برای نمایش مجموعه دیتاها و محدوده آنها بین کمترین و بیشترین مقادیرشان، استفاده میشود. این نمودار برای مقایسه محدوده ها و مخصوصاً محدوده های دسته بندی شده، عالی است.
نمودار محدوده، خواننده را بر روی مقادیر مفرط متمرکز میسازد و هیچ اطلاعاتی از میانگین ها، توزیع دیتا و مقادیر مابین، که مابین بالاترین و پایین ترین مقادیر قرار دارند، در اختیار نمیگذارد.
Condegram Spiral Plot – نقشه مارپیچ

Condegram Spiral Plot – نقشه مارپیچ

توضیحات بیشتر

نقشه مارپیچ با نام مارپیچ سری های زمانی هم شناخته میشود. این نوع نمودار دیتاهای مبتنی بر زمان را در امتداد یک مارپیچ Archimedean (این مارپیچ نوعی مارپیچ با معادله های قطبی است؛ معادله قطبی هم نوعی معادله است که ارتباط بین r و θ را شرح میدهد) نمایش میدهد. نمودار از مرکز مارپیچ شروع میشود و به طرف بیرون ادامه میدهد. این نمودارها تطبیق پذیر هستند و میتوانند از میله ها، خط ها یا نقطه ها برای نمایش در مسیر مارپیچ استفاده کنند.
نمودارهای مارپیچ برای نمایش دیتاست های بزرگ ایده آل هستند. معمولا برای نمایش ترندها در طول یک دوره زمانی بلند استفاده میشوند. این کار نمودارهای مارپیچ را برای نمایش الگوهای دوره ای عالی میسازد. میتوان برای هر دوره از یک رنگ جدا استفاده کرد تا کار مقایسه و جداسازی آنها راحت تر شود. برای مثال اگر میخواستیم دیتایی را در طول یکسال و برای این مدت نشان دهیم، باید برای هرماه یک رنگ مجزا روی نمودار میگذاشتیم.
Tally Chart – نمودار توالی

Tally Chart – نمودار توالی

توضیحات بیشتر

نمودار توالی ابزاری است برای ضبط و نمایش گرافیکی تکرار توزیع دیتا با استفاده از سیستم علامت گذاری توالی عددی. هنگام ایجاد این نمودار، دسته بندی های آن، مقادیر و یا فاصله های زمانی بر روی یک محور یا ستون (که معمولاً یا محور y است و یا ستون اول در سمت چپ) خواهند بود.
هر زمان که یکی از مقادیر اتفاق بیفتد، یک علامت توالی به نمودار یا چارت در ردیف یا ستون صحیح خود افزوده میشود. وقتی تمام دیتاها جمع شدند، چوب خط ها شمارش میشوند و مجموع آنها در ستون یا ردیف بعدی نمایش داده میشود. نتیجه نهایی شبیه یک هیستوگرام است.
Timetable – جدول زمانی

Timetable – جدول زمانی

توضیحات بیشتر

این نمودارها به عنوان ابزار ارجاع و مدیریت برای زمان بندی رخدادها، کارها و اقدامات استفاده میشود تا این موارد انجام شوند.
سازمان دهی دیتا با یک جدول به ترتیب وقوع زمانی و به ترتیب حروف الفبا، کمک میکند تا کاربران سریعتر ارجاع داده شوند.
جدول زمانی معمولا برای نمایش زمان ورود و خروج قطارها و دیگر مدل های حمل و نقل استفاده میشوند.

در تکمیل این مجموعه با ما همراه باشید

در صورتی که نمودار مورد نظر شما در این مجموعه وجود ندارد لطفا نام و یا مشخصاتی از آن را از طریق آیدی تلگرام و یا شماره تماس واتس اپ برای ما ارسال کنید تا در سریع ترین زمان ممکن این اطلاعات را در خدمت تمامی دوستان قرار دهیم.

آیدی تلگرام: imanagement@

تماس از طریق: واتس اپ

به شبکه حرفه ای ها بپیوندید
 و با ما در شبکه های اجتماعی همراه باشید
Share This

با ما در ارتباط باشید