🎨 Подход Nicola Rennie к data-driven art

Nicola Rennie в своей статье показывает, как превратить данные в искусство через простые шаги:

1. От данных — к эмоциям: Выбери тему (например, рейтинги стран по продолжительности жизни) и задай вопрос: «Что я хочу вызвать у зрителя?».
2. Эскиз → абстракция: Нарисуй идею даже на салфетке. Потом убери подписи, сетку, играй с цветом и формой, чтобы график стал артом.
3. Инструменты не важны: Используй код (Python/R) или ручные техники — результат зависит от идеи, а не софта.
4. Вдохновляйся, но экспериментируй: Смотри проекты вроде Environmental Graphiti, но ищи свой стиль.

Главное: data-driven art — для всех. Даже новичок может создать шедевр из CSV-файла.

🔗 Статья | Примеры работ

#DataArt #ВизуализацияДанных #RStats #R #ggplot2

🌆 Города России по первой букве

У Анастасии Кузнецовой увидел датавиз Первые буквы самых населенных городов в США, она им вдохновилась и сделала для городов России в табло.

Мне понравилась идея датавиза и решил сделать на R + ggplot2. В хорошем качестве доступно по ссылке (300 DPI). Можно распечатать и повесить в рамке на стену 🖼

Удивился, что больше всего городов начинаются на К, С, Б и нет городов на Ё (но есть другие населенные пункты на эту букву).

#R #ggplot2 #maps #city #bar_plot #референсы

📚 Решебник к книге ggplot2: Elegant Graphics for Data Analysis

Адитья Дахия написал бесплатное руководство с решениями для третьего издания книги "ggplot2: Elegant Graphics for Data Analysis" авторства Хэдли Уикхэма, сосредоточив внимание на решении упражнений и расширении возможностей визуализации с использованием пакетов R, таких как gganimate и patchwork.

Руководство, созданное с помощью Quarto, предлагает код и решения для улучшения обучения энтузиастов визуализации данных, дополняя оригинальную книгу, опубликованную издательством Springer.

#R #ggplot2 #dataviz #ВизуализацияДанных #книги

👨‍🚀 12 апреля – День космонавтики, или «вкалывают роботы, а не человек»

День космонавтики – один из моих самых любимых праздников с детства. Советские школьники бредили космосом… За 60+ лет многое изменилось. Уже более 600 человек были на орбите, а некоторые провели там годы. Околоземное пространство – осваивает человек, но межзвездные путешествия будут за роботами с ИИ.

Почему? «Период существования биологического разума – лишь краткий промежуток между ранними формами жизни и долгой эрой машин» (С) Мартин Рис

Для меня время пролетело невероятно быстро – от игры "Лунолет" [1] на калькуляторе Электроника Б3-34 в конце 80-х до общения с ChatGPT в 2023-24. Я уже писал на канале об AI-инструментах для визуализации данных (раз, два и три), экспериментировал с #сhatGPT. Попробовал создать график "Time Spent in Space", код которого полностью написан ChatGPT. Использовал данные в формате JSON [2] -- Astronaut Database от Supercluster.com. Примерно два часа беседы с ChatGPT, и результат прикреплен к этому посту выше 👆. Код доступен на GitHub. Конечно, человек может сделать это быстрее и лучше, но результат впечатляет. Как вам?

Мораль: если боитесь, что ИИ отнимет вашу работу, то читайте пост на эту тему.

1. https://kellylynch.livejournal.com/35434.html
2. https://supercluster-iadb.s3.us-east-2.amazonaws.com/adb.json

#R #ggplot2 #AI #chatGPT

🍫🤖 Визуализация данных по тексту статьи от AI Grok-3

Тестировал возможности БЯМ Grok от xAI Илона Маска.

Промпт:

Создай визуализацию данных из статьи о ДТП с электровелосипедами в 2024 году, используя waffle chart на языке R с пакетами waffle, ggplot2, ggtext и showtext. Визуализация должна отражать распределение пострадавших по категориям: курьеры на электровелосипедах, другие электровелосипедисты, пешеходы, пассажиры, с учетом того, что курьеры входят в категорию электровелосипедистов (общая доля электровелосипедистов). Текст статьи: <текст>

Использовал эту публикацию от ТАСС: В 2024 году в ДТП с курьерами на электровелосипедах погибли 12 человек.

Дополнительно попросил подобрать палитру, написать заголовок и подзаголовок, добавить подпись.
Как вам результат от ИИ?

Код на R доступен на github.

UPDATE: в комментариях "прожарка" визуализации от другого ИИ 😂🙈

#ИИ #AI #grok #ВизуализацияДанных #БЯМ #R #ggplot2 #waffle_chart

📚 Справочник по 400+ пакетам расширений для ggplot2

Ранее писал о книге ggplot2 extended от Antti Rask. Он выложил в общий доступ свою заметку в Notion, представляющую собой каталог из 452 расширений для ggplot2, как справочник по пакетам со следующими данными:

- Название пакета

- Краткое описание

- Ссылки (на CRAN, GitHub, документацию, виньетки)

- Количество скачиваний с 2015

- Версия, лицензия и категория

- Дата последнего обновления

Автор как раз использует её как источник для своей книги и визуализаций. R + ggplot2 + расширения — лучший выбор для визуализации данных.

#R #ggplot2 #ВизуализацияДанных

💻 Выполнение кода на R в браузере без установки IDE

В своих постах публикую код графиков на R. Если у вас не установлен R и IDE, то попробовать работу кода проблематично. Можно сделать так — вот ссылка на последний график. Нажмите кнопку "Run" (будьте терпеливы, требуется время для установки и загрузки пакетов) Удобно?

#R #ggplot2 #webr

🇬🇧 Барчарт с флагами

У настенька и графики увидел приём создания барчарта через таблицу в Excel. Конечно, захотелось воспроизвести аналогичный в R, используя пакет ggflags, о котором писал ранее.

#R #ggplot2 #ggflags #барчарт #bar_plot

Код на R:

library(ggplot2)
library(dplyr)
library(ggflags)
library(forcats)

# Данные о городах
cities_data <- tibble(
  City = c("Bangkok", "Istanbul", "London", "Hong Kong", "Antalya", "Mecca", 
           "Dubai", "Macau", "Paris", "Kuala Lumpur"),
  Arrivals_M = c(32.4, 23, 21.7, 20.5, 19.3, 19.3, 18.2, 18, 17.4, 16.5),
  Country_Code = c("TH", "TR", "GB", "HK", "TR", "SA", "AE", "MO", "FR", "MY")
) %>%
  mutate(
    City = fct_reorder(City, Arrivals_M),
    Country_Code = tolower(Country_Code)
)

ggplot(cities_data, aes(x = Arrivals_M, y = City)) +
  geom_col(fill = "gray90", width = 0.8) +
  geom_flag(aes(x = -10, country = Country_Code), size = 8) +
  geom_text(aes(x = -8.5, label = City), hjust = 0, size = 4) +
  geom_text(aes(x = 0.25, label = Arrivals_M), hjust = 0, size = 4) +
  scale_x_continuous(limits = c(-11, 35), expand = c(0, 0)) +
  labs(
    title = "Most Visited Cities in the World",
    subtitle = "Arrivals, in M",
    x = NULL,
    y = NULL
  ) +
  theme_minimal(base_size = 14) +
  theme(
    plot.title.position = "plot",
    plot.caption.position = "plot",
    panel.grid = element_blank(),
    panel.grid.major.y = element_blank(),
    panel.grid.minor = element_blank(),
    axis.title = element_blank(),
    axis.text.y = element_blank(),
    axis.text.x = element_blank(),
    axis.ticks = element_blank(),
    plot.title = element_text(face = "bold"),
    plot.subtitle = element_text(size = 14, color = "gray40"),
    plot.margin = margin(10, 10, 10, 10)
  )

ggsave("most_visited_cities_ggflags.png", bg = "white", width = 6, height = 6, dpi = 300)

📊 ggdiagram: Объектно-ориентированные диаграммы в R с помощью ggplot2

Хочу рассказать о крутом пакете ggdiagram для R, который позволяет создавать объектно-ориентированные диаграммы на базе ggplot2. Этот пакет вдохновлен возможностями TikZ, но адаптирован под удобство и гибкость R. Он построен на системе классов S7 и интегрируется с другими пакетами вроде ggtext, ggforce и ggarrow.

Что он позволяет делать? Вы можете определять визуальные объекты, такие как круги, прямоугольники или другие формы, размещать их относительно друг друга (например, справа, слева, сверху) и соединять стрелками или линиями. С пакетом ggdiagram вы можете рисовать диаграммы путей (path diagrams). Диаграммы путей используются для визуализации и анализа причинно-следственных связей между различными переменными (path analysis), позволяя исследователям выявлять, как независимые переменные влияют на результат, и насколько эти связи опосредованы другими факторами. Путевая модель, отображаемая на такой диаграмме, представляет собой графическое изображение этих отношений.

Вот простой пример кода, чтобы нарисовать круг и прямоугольник, соединенные стрелкой:

library(ggdiagram)
c1 <- ob_circle(radius = 1 / sqrt(pi))
r2 <- ob_rectangle() |>
place(from = c1,
where = "right",
sep = .5)
ggdiagram() +
c1 +
r2 +
connect(c1, r2, resect = 1)

Это создаст базовую диаграмму с кругом слева и прямоугольником справа, соединенными линией. Попробуйте сами и экспериментируйте!

#R #ggplot2 #ggdiagram #DataVisualization #path_analysis #SEM