Дата портрет! 🤩

Прекрасная Sophie Sparkes, про дата портреты которой я несколько раз писала тут и в канале про дата-арт - взяла у меня интервью про мой проект про Путешествия и его материальное продолжение!

И на основании этого интервью нарисовала мой дата-портрет, зашифровав в нем некоторые данные 🥰🥰🥰

У Софии есть рассылка на субстак, посвященная ее data drawing проектам! А также она состоит в нашем сообществе Цветы и Цифры 😌✨

Ну что, похожа? 😁

Спасибо всем, кто принял участие в опросе. Итак, подводим итоги опроса:
1. "Страхограммы" – 41% голосов
Страхограммы — это графики, которые вызывают подлинный ужас у аналитиков и читателей. Это такие визуализации, где шкалы идут вразнобой, легенды прячутся в тенях, а цвета настолько ядовиты, что их лучше избегать ночью. Когда смотришь на "страхограмму", складывается ощущение, что график "нападает" на тебя, в то время как ты пытаешься разобраться в данных, которые расползаются на глазах, как ночные кошмары. В результате зритель скорее испытывает страх перед графиком, чем перед скрытой в нем информацией.
Английский вариант: Fear-o-grams или Dreadograms — названия, которые наводят на мысль, что при встрече с таким графиком лучше вооружиться фонариком и терпением.

2. "Хоррор-плоты" – 33% голосов
Название "Хоррор-плоты" намекает на настоящий кошмар аналитика, воплощенный в графике. Представьте себе визуализацию, где оси нарушают все законы логики, линии графиков пересекаются, как запутанные нити судьбы, и каждое значение кажется "призрачным" и неуловимым. Это те графики, которые превращают спокойный просмотр данных в психологический триллер. "Хоррор-плоты" заставляют зрителя испытывать тот же страх и замешательство, что и при просмотре хоррор-фильма: чем дольше смотришь, тем больше путаешься.
Английский вариант: Horror Plots или Spook-plots, идеально передающие идею "пугающих" и вводящих в заблуждение графиков, где каждый элемент старается сбить зрителя с толку.

3. "Зомби-чарты" – 18% голосов
"Зомби-чарты" — это графики, которые "воскресли" из архивов и, кажется, сами не знают, зачем они здесь. Их оси шаткие, метки почти стёрты, а данные размыты до состояния, в котором понять что-либо становится почти невозможно. Это такие визуализации, которые когда-то, возможно, были полезными, но теперь бродят по экрану, как ходячие мертвецы визуализации. "Зомби-чарты" не просто искажают данные, они атакуют зрителя своим нелепым видом и создают ощущение, что никакая аналитика здесь не поможет.
Английский вариант: Zombie Charts, — графики, словно "ожившие мертвецы", где каждая линия и точка будто создана для того, чтобы вселить панику и ужас в сердца зрителей.

#опрос #нейминг #графики #хэллоуин

Моушн эффекты на минималках 😎✨

Вот вам сторителлинг и скроллителлинг!
Да, называется, у меня нет времени, куча дел!.. Но нужно срочно сделать бисерный проект, который в ночи мне пришел в голову.

Так что вчера после работы сняла быстро (2 гига видео!! и это даже не целиком! телефон не оценил!) и рано утром сегодня монтажировала. Научилась паре новых трюков в CapCut.
Звуки сперва были, но криповатые, почистила (кроме 7й секунды, где АСМР прям вышел!)

Данные частично с вики, частично с еслибытьточным. Жаль, за последние пару лет данных чет толком нет...

Получился вот такой вот мини-проект!
Кривущий, конечно!
Но как вам идея? ☺️

🎨 Задумывались, как интегрировать цвета из изображений в ваши дашборды Tableau?

Возможно, вы:

- Хотите узнать, какие палитры использовали знаменитые художники?
- Желаете проанализировать цветовые тренды в собственных фотографиях?
- Или исследовать, как цветовые схемы меняются у разных брендов и стилей?

Недавно я провела такой анализ для своего дашборда по Ван Гогу, проследив изменения цветовой палитры в его портретах. Вот как вы тоже можете это сделать с помощью Python!

🛠️ Что вам понадобится:

OpenCV – для обработки изображений.
KMeans (из библиотеки scikit-learn) – для кластеризации похожих цветов.
Pandas – для работы с данными и экспорта результатов.
📋 Пошаговое руководство:

1. Чтение и преобразование: Используйте cv2.imread() из OpenCV, чтобы загрузить изображение, затем преобразуйте его в список пикселей для дальнейшей обработки.
2. Кластеризация цветов: С помощью KMeans выделите доминирующие цвета на изображении. Каждый кластер представляет собой уникальный цвет.
3. Расчёт пропорций: Определите долю каждого цвета, чтобы понять его значимость в изображении.
4. Экспорт: С помощью Pandas сохраните результаты в CSV-файл, который легко загрузить в Tableau.

💥 Хорошая новость: вам не нужно быть экспертом в Python! Я подготовила скрипт, который упростит процесс.
https://github.com/emgoryaynova/Python/blob/main/Image_Color_Analysis_Template.ipynb

Всё, что нужно сделать:
1. Скачайте изображения, которые хотите проанализировать, в папку.
2. Укажите путь к папке в скрипте.
3. Запустите его и скачайте итоговый CSV-файл с выделенными цветами.

Какие идеи у вас есть для использования цвета в дашбордах Tableau?

Продолжаю свой проект про Путешествия!

В нем данные о моих путешествиях за 10 лет, и длительность поездок это размер кольца.

Всё года уже собраны, осталось обвесить их рейтингом (металлические крипы и бисер). И потом повесить и закрепить на определённой высоте (эпоксидкой??)

Хочу успеть к Information is beautiful, но не факт... Не быстро проект двигается. 🥲

Как думаете, успею?

Список материалов по Power BI✨

Искала для учеников материалы по Power BI и наткнулась на подборку от Gustaw Dudek - он ведет аналитику своего линкедина (где он выкладывает материалы по Power BI)!

Так что можно посмотреть этот дашборд - отсортировать по просмотрам или лайкам разные посты, посмотреть их темы и выбрать что-то интересное!

У товарища Дудека очень техничные дашборды, так что ему есть чем поделиться с сообществом!)

Ссылка на интерактивный дашборд

Уровень занятости и возраст, больше работы и больше лет!

Новый проект от прекрасного Nathan Yau, посвящен занятости в разрезе пола и возраста. Очень приятно сделаны изменения, когда двигаешь ползунок на диаграмме - легкий шлейф остается от линии!
Такая ненавязчивая анимация и при этом видно исторические данные.

Вообще у него все проекты, по-моему прекрасные. А какой ваш любимый? ☺️

https://flowingdata.com/2024/11/14/employment-decades/