mirror of
https://github.com/fhswf/aki_prj23_transparenzregister.git
synced 2025-04-25 16:52:33 +02:00
57 lines
3.1 KiB
Markdown
57 lines
3.1 KiB
Markdown
# Seminarthema: Datenvisualisierung
|
|
|
|
## Geplanter Inhalt:
|
|
|
|
- Einführung
|
|
- Best Practice für Datenvisualisierung
|
|
- Vorstellung verschiedener Diagrammarten
|
|
- Welche Diagrammarten eignen sich für unsere drei Anwendungsbereiche Time Series Daten, Netzwerke und Stimmungen?
|
|
- Betrachtung verschiedener Bibliotheken (z.B. D3Blocks, pyvis, plotly)
|
|
- Zweck der Bibliothek, unterstützte Visualisierungen, Vor- und Nachteile
|
|
- Minimalbeispiele
|
|
- Anwendung auf unser Projekt:
|
|
- Vergleich der Bibliotheken mit Blick auf unsere drei Anwendungsbereiche
|
|
- Welche Daten werden für die einzelnen Diagramme gebraucht?
|
|
- Welche Ideen/Anforderungen ergeben sich an die anderen Themenbereiche?
|
|
- Fazit und Handlungsempfehlung
|
|
- Welche Diagramme und welche Bibliotheken eignen sich für uns?
|
|
|
|
## Abstract:
|
|
|
|
In dieser Seminararbeit geht es um die Visualisierung von Daten in Python. Im Fokus steht die Anwendung auf die drei
|
|
Themenbereiche, die im Projekt "Transparenzregister" behandelt werden: Time Series Daten, Soziale Netzwerke und
|
|
Stimmungen. Nach einer Einführung in das Thema werden Best Practices für die Datenvisualisierung vorgestellt und
|
|
verschiedene Diagrammarten präsentiert. Anschließend wird diskutiert, welche Diagramme für die genannten
|
|
Anwendungsbereiche am besten geeignet sind.
|
|
|
|
Im zweiten Abschnitt werden verschiedene Python Bibliotheken vorgestellt und anhand von Minimalbeispielen betrachtet.
|
|
Dabei wird analysiert, welche Bibliotheken die gewünschten Diagramme für unsere Anwendungsbereiche am besten darstellen
|
|
und welche Daten für die Erstellung der verschiedenen Diagramme benötigt werden. Es werden zudem Ideen und Anforderungen
|
|
an die anderen Themenbereiche aufgezeigt.
|
|
|
|
Im letzten Abschnitt der Arbeit wird ein Fazit gezogen und eine Handlungsempfehlung gegeben. Insgesamt soll die Arbeit
|
|
einen Einblick in die Welt der Datenvisualisierung in Python geben und unserem Projekt helfen, die richtigen
|
|
Entscheidungen bei der Wahl der Diagrammarten und Bibliotheken zu treffen.
|
|
|
|
## Erste Sammlung von Referenzen:
|
|
|
|
Bibliotheken/Tools:
|
|
- D3Blocks: [Documentation](https://d3blocks.github.io/d3blocks/pages/html/index.html), [Medium Blog](https://towardsdatascience.com/d3blocks-the-python-library-to-create-interactive-and-standalone-d3js-charts-3dda98ce97d4)
|
|
- pyvis: [Documentation](https://pyvis.readthedocs.io/en/latest/tutorial.html)
|
|
- networkx: [Documentation](https://networkx.org/documentation/stable/auto_examples/index.html), [Example](https://www.kirenz.com/post/2019-08-13-network_analysis/)
|
|
- plotly: [Documentation](https://plotly.com/python/#animations)
|
|
|
|
Netzwerke:
|
|
|
|
- Zentralitätsmaße: [Medium Blog](https://towardsdatascience.com/social-network-analysis-from-theory-to-applications-with-python-d12e9a34c2c7)
|
|
- Visualisierungsideen: [Medium Blog](https://towardsdatascience.com/visualizing-networks-in-python-d70f4cbeb259)
|
|
|
|
Kennzahlen:
|
|
|
|
- Visualisierungsideem: [Towards AI](https://towardsai.net/p/l/time-series-data-visualization-in-python)
|
|
|
|
Best Practice:
|
|
|
|
- [Science Direct](https://www.sciencedirect.com/science/article/pii/S2666389920301896)
|
|
- [Toptal](https://www.toptal.com/designers/data-visualization/data-visualization-best-practices)
|