بصری سازی ویروس کرونا

ویروس کرونا بهانه خوبی هست تا کمی در مورد بصری سازی داده ها و به طور خاص داشبوردسازی صحبت کنیم.

بصری سازی در Power BI

اولین بصری سازی داده ها در این مورد که باهاش متوجه شدم این داشبورد است که در Power BI ایجاد شده است.

نمایی از داشبورد ایجاد شده در Power BI
نمایی از داشبورد ایجاد شده در Power BI

کرونانگار هم نمونه دیگری از داشبوردهای ایجاد شده در Power BI است. این هم یک نمونه دیگر.

این هم یک داشبورد تعاملی است که در جادوبی ساخته شده است.

بصری سازی در Tableau

در ادامه داشبوردهای ایجاد شده در Tableau را مشاهده می کنید:

داشبوردهای ساخته شده در Tableau
داشبوردهای ساخته شده در Tableau


داشبوردهای ساخته شده در Tableau
داشبوردهای ساخته شده در Tableau


داشبوردهای ساخته شده در Tableau
داشبوردهای ساخته شده در Tableau


در این میان داشبوردهای ایجاد شده در R و Python هم زیاد بودند. از جمله ویژگی های این قبیل داشبوردها منبع باز بودن، رایگان و تعاملی بودن است.

زبان R و پکیج Shiny

این داشبورد براساس بسته نرم افزاری Shiny در R ایجاد شده است. در ساخت این داشبورد اعضای هیات علمی و دانشجویان دانشگاه پریتوریا (آفریقای جنوبی)، دانشگاه نیشابور و دانشگاه صنعتی شاهرود مشارکت داشته اند. از قابلیت های این داشبورد می توان به موارد زیر اشاره کرد:

یک. تولید نمودارهای قابل دانلود برای بررسی تعداد نفرات مبتلا، تعداد مرگ و میر و تعداد بهبودیافتگان برای هر کشور و قاره

دو. قابلیت مقایسه کشورها و قاره ها در تمامی متغیرهای ذکر شده به کمک فراوانی مطلق و همچنین فراوانی در هر یک میلیون جمعیت برای در نظر گرفتن چگالی جمعیتی مناطق

سه. بررسی فضایی متغیرهای بالا روی نقشه

چهار. قابلیت بررسی موارد بالا در مرور زمان با نمایش نمودارهای پویا

این داشبورد تعاملی با پکیج Shiny ایجاد شده است. اینجا و اینجا هم نمونه دیگری از این داشبوردهای تعاملی و منبع باز را می توانید مشاهده کنید.

این داشبورد نیز با زبان R و پکیج Shiny طراحی شده است.

داشبورد ایجاد شده در زبان R
داشبورد ایجاد شده در زبان R
داشبورد ایجاد شده در زبان R
داشبورد ایجاد شده در زبان R
داشبورد ایجاد شده در زبان R
داشبورد ایجاد شده در زبان R


این بصری سازی هم سعی در نمایش پراکندگی جغرافیایی ویروس کرونا با استفاده از کتابخانه ggplot2 دارد.

اینجا هم یه نمونه دیگه رو می توانید ببینید.

اینجا هم می توانید نمونه دیگری از این بصری سازی را مشاهده کنید.

این داشبورد هم با استفاده از Shiny ایجاد شده است.

بصری سازی در پایتون

داشبوردهای ساخته شده در پایتون طیف بیشتری دارد. برای نمونه این داشبورد از ساده ترین داشبوردهای ایجادی در پایتون است.

داشبورد ایجاد شده با پایتون
داشبورد ایجاد شده با پایتون


خوشبختانه پایتون یک فریمورک بسیار جامع و کاربردی برای این کار دارد به نام dash.  این فریم ورک روی flask، react و plotly نوشته شده و امکان ارائه داشبورد و بصری سازی داده ها را فراهم می کند. برای اطلاعات بیشتر می توانید اینجا را ببینید.

منبع عکس: اینجا
منبع عکس: اینجا


اینجا می توانید یک نمونه از همین داشبوردها را که به زبان فارسی ایجاد شده است را ببینید.

داشبورد زیر هم نمونه ای از بصری سازی داده ها با استفاده Plotly Dash در پایتون است.

اینجا هم نمونه ای از داشبوردهای ایجاد شده با استفاده از Plotly Dash در پایتون را می توانید مشاهده کنید.

مساله دیگر اینکه در ساخت برخی از این داشبوردها مانند این داشبورد از ترفندهای داده کاوی نیز استفاده شده است. لازم به ذکر است که این داشبورد یک کار تیمی است. برای کسب اطلاع بیشتر از مشارکت کنندگان در ساخت آن می توانید به اینجا مراجعه کنید.

اینجا هم یک نمونه از داشبوردهای ایجاد شده به کمک Plotly و Dash رو می توانید ببینید. نقطه قوت این داشبورد استفاده از css برای گرافیک بهتر است.



این هم یک نمونه دیگر از داشبوردهای ایجاد شده با Plotly.

اینجا هم یک داشبورد همراه با برخی از توضیحات رو می توانید مشاهده کنید. از طرف دیگه توی این صفحه هم می توانید برخی از این پروژه ها رو به صورت فهرست وار ببینید.

ایجاد داشبورد با استفاده از Highcharts

در واقع Highcharts یک کتابخانه نرم افزاری برای ایجاد نمودار است که با استفاده از جاوااسکریپت نوشته شده است.

در اینجا هم می توانید نمونه ای از داشبورد ایجاد شده با استفاده از Highcharts را ببینید.

بصری سازی در Kibana

اینجا هم می توانید یک نمونه از داشبوردهای ایجاد شده با Kibana را مشاهده کنید.

منابع

https://datainsights.blogsky.com/1399/01/13/post-34/

https://towardsdatascience.com/top-5-r-resources-on-covid-19-coronavirus-1d4c8df6d85f

https://towardsdatascience.com/how-to-build-a-complex-reporting-dashboard-using-dash-and-plotl-4f4257c18a7f

https://medium.com/@bilalbayasut/deploying-python-web-app-flask-in-windows-server-iis-using-fastcgi-6c1873ae0ad8