Наука и естествознание

Учебник Научная визуализация данных для начинающих

27 уроков · 8 разделов · ~3 ч · бесплатно, без регистрации

Этот курс — про графики, которые попадают в научные статьи, отчёты и презентации результатов. Не про «красиво», а про честно, точно и воспроизводимо: как выбрать тип графика под данные, как показать неопределённость, почему радужная палитра врёт, как не обмануть читателя обрезанной осью и как собрать публикационную фигуру скриптом. Мы опираемся на статистику и численные методы, а расчёты для графиков (биннинг, нормировка плотности, доверительные интервалы) считаем прямо в браузере на чистом Python. Код самих графиков (matplotlib/seaborn/plotly) показан как образец для копирования — он рисует, а не печатает, поэтому не запускается здесь.

Курс «Научная визуализация данных» состоит из 8 разделов и 27 уроков: Что такое научная визуализация, Восприятие и принципы Тафти, Выбор типа графика под данные, Распределения: гистограммы, KDE, scatter, Зависимости, ошибки и шкалы, Цвет в научной графике, Многомерные данные и поля и Публикационная фигура: композиция, честность, экспорт. Уроки идут по порядку — от основ к более сложным темам, в каждом есть объяснение с примерами, а в конце — вопросы для самопроверки. К урокам привязаны задачи с автоматической проверкой: прочитали тему — сразу закрепили её кодом.

Программа учебника

8 разделов · 27 уроков
  1. 1Что такое научная визуализация3 урока

    1. 1Зачем учёному графикРоль графика в науке: показать результат честно и точно, отличие научной визуализации от бизнес-графиков и инфографики.
    2. 2Квартет Энскомба: почему нельзя верить одной статистикеКвартет Энскомба: четыре набора с одинаковыми средними, дисперсией и корреляцией, но совершенно разными графиками — почему всегда нужно рисовать данные.
    3. 3Воспроизводимая фигура: скрипт вместо редактораПочему научная фигура должна собираться скриптом из данных, а не вручную в графическом редакторе: воспроизводимость, обновляемость, проверяемость.
  2. 2Восприятие и принципы Тафти3 урока

    1. 4Ранг визуальных каналов: позиция против цветаИерархия точности визуальных каналов по Кливленду и Макгиллу: позиция точнее длины, длина точнее угла, угол точнее цвета и площади.
    2. 5Data-ink ratio и борьба с chartjunkПринципы Эдварда Тафти: data-ink ratio (доля чернил на данные), удаление chartjunk, lie factor и стремление к информационной плотности.
    3. 6Гештальт и предвнимательное восприятиеПринципы гештальта (близость, сходство, общая судьба) и предвнимательные признаки в дизайне графиков: как направлять взгляд читателя.
  3. 3Выбор типа графика под данные3 урока

    1. 7Таблица выбора: какой график под какой вопросСистематическая таблица выбора типа графика: распределение, зависимость двух величин, динамика во времени, сравнение категорий и состав целого.
    2. 8Почему круговая диаграмма почти всегда плохаРазбор недостатков круговой диаграммы: углы считываются плохо, сравнение секторов трудно, 3D-pie искажает доли. Чем заменить pie в науке.
    3. 9Heatmap и матрицы: когда цвет уместенТепловые карты для матриц и таблиц сопряжённости: корреляционные матрицы, кластеризация, выбор палитры и нормировка. Когда heatmap полезен, а когда вводит в заблуждение.
  4. 4Распределения: гистограммы, KDE, scatter3 урока

    1. 10Гистограмма: сколько брать биновКак выбрать число столбцов гистограммы: правило Стёрджеса, корня, Фридмана–Дайкониса. Почему число бинов меняет вид распределения и как считать ширину бина.
    2. 11Нормировка плотности и ядерная оценка (KDE)Нормировка гистограммы в плотность (площадь = 1), сравнение выборок разного размера и ядерная оценка плотности KDE как гладкая альтернатива.
    3. 12Boxplot и violin: что они скрывают и показываютЯщик с усами (boxplot): медиана, квартили, усы и выбросы. Скрипичная диаграмма (violin) как сочетание boxplot и KDE. Когда что выбирать.
  5. 5Зависимости, ошибки и шкалы3 урока

    1. 13Scatter и overplotting: когда точки сливаютсяДиаграмма рассеяния для зависимости двух величин и проблема overplotting при больших данных: прозрачность (alpha), джиттер, hexbin и 2D-плотность.
    2. 14Error bars: std, стандартная ошибка и доверительный интервалПланки погрешностей: разница между стандартным отклонением, стандартной ошибкой среднего и доверительным интервалом. Формула CI и почему показывать неопределённость обязательно.
    3. 15Логарифмические шкалы и степенные законыКогда нужны логарифмические оси: степенные законы, экспоненциальный рост, многопорядковый разброс. Лог-лог график и наклон как показатель степени.
  6. 6Цвет в научной графике3 урока

    1. 16Три типа палитр: последовательная, расходящаяся, категориальнаяКак выбрать цветовую палитру под тип данных: последовательная для упорядоченных величин, расходящаяся для отклонений от центра, категориальная для групп.
    2. 17Почему радуга и jet вредны, и что такое viridisПочему радужная палитра jet вредна в науке: неравномерная светлота создаёт ложные границы и скрывает структуру. Перцептивно равномерные палитры viridis.
    3. 18Дальтонизм и доступность цветаОколо 8% мужчин страдают дальтонизмом. Как делать графики доступными: безопасные палитры, не только цвет для кодирования, проверка симуляцией.
  7. 7Многомерные данные и поля4 урока

    1. 19Small multiples и фасеткиSmall multiples (фасетки): много маленьких графиков с общими осями вместо одного перегруженного. Принцип Тафти, общая шкала и сравнение по группам.
    2. 20Параллельные координаты и временные рядыПараллельные координаты для многомерных данных: каждая ось — переменная, объект — ломаная. Визуальные приёмы для временных рядов: тренд, сезонность, выравнивание.
    3. 21Поля, контуры и векторные поляВизуализация двумерных полей: heatmap, контурные линии (изолинии) и векторные поля (quiver, streamlines). Связь с физикой: потенциал, градиент, течения.
    4. 22Когда 3D обманывает: псевдо-3D как злоПочему 3D-графики часто вводят в заблуждение: перспектива искажает, окклюзия прячет данные, считывание трёх координат с плоскости неточно. Когда 3D оправдан.
  8. 8Публикационная фигура: композиция, честность, экспорт5 уроков

    1. 23Композиция фигуры: subplots, аннотации, единицы, легендаКак собрать публикационную фигуру: панели subplots с подписями a/b/c, аннотации, обязательные единицы измерения на осях, легенда, DPI и LaTeX в подписях.
    2. 24Как графиками врут: обрезанная ось и искажённые пропорцииМанипуляции в графиках: обрезанная ось Y, искажённые пропорции, двойные оси, инверсия и cherry-picking. Как распознавать визуальную ложь и не врать самому.
    3. 25Экспорт: вектор для статьи, растр для остальногоВекторные форматы (SVG, PDF, EPS) против растровых (PNG, JPEG) для научных фигур: масштабируемость, качество при печати, когда что выбирать и почему не JPEG.
    4. 26Инструменты: matplotlib, seaborn, plotlyОбзор инструментов научной визуализации в Python: matplotlib как фундамент, seaborn для статистики, plotly для интерактива. Когда что выбирать.
    5. 27Чек-лист научной фигурыИтоговый чек-лист научной фигуры: тип графика под данные, единицы, неопределённость, честная ось, палитра и доступность, воспроизводимость и экспорт.