jacopok / graphing-tutorial

Codice per il modulo di visualizzazione dati - SSA 2021

Prima lezione

Useremo due notebooks i cui contenuti sono all'incirca quelli dei files intro.py e smoking.py, ma in due nuove versioni implementate in Google Colab, con più commenti.

• Intro notebook
• Smoking notebook

Slides prima lezione qui.

Simulatore di daltonia.

Esercizio

Creare una nuova visualizzazione di un dataset! Scelta libera del tema, consigliati quelli che si trovano nel blog di OWiD in quanto sono associati ad articoli esplicativi e a dataset ordinati, in particolare

• mortalità infantile
• vaccinazioni COVID in Israele, uno dei paesi dove la campagna è stata attivata prima.
• cambiamenti nelle ore di lavoro annue
• gender pay gap e "differenze biologiche" (vedi anche questo)

Idealmente, generare la visualizzazione con uno script in python + matplotlib; non c’è problema se non riuscite a fare tutto ciò che volete, in tal caso un programma parziale con spiegazione a voce / disegno su carta del grafico desiderato va benissimo: la cosa importante è l’idea.

Seconda lezione

Gli altri files contenuti in questa cartella servono a generare alcune delle figure utilizzate nelle slides, tranne SSA 2021 - Notes.md, appunti per questo corso non particolarmente ben tenuti ma che magari possono essere utili per qualcosa.

Nello specifico abbiamo:

• bertrand.py, che può generare distribuzioni di corde e figure per discutere il paradosso di Bertrand;
• italia-elezioni.py genera un grafico tripartito che rappresenta in modo alternativo i risultati delle elezioni nel 2018;
• log-scaling.py genera alcuni grafici fittizi, stile xkcd, che illustrano i problemi di assi logaritmici, specie per gli istogrammi - vedi anche questo articolo;
• temperature-kelvin.py illustra un piccolo punto riguardo al mettere lo zero dell'asse y a zero;
• projections.py genera mappe e proiezioni complete di indicatrici di Tissot con il modulo cartopy.

Slides seconda lezione qui.

Per alcune altre informazioni su come fare grafici digitalmente potete leggere "Data Visualisation Heuristics for the physical sciences" oppure un articolo simile dal titolo più clickbait-y, "Ten simple rules for better figures".

Per chi avesse voglia di qualcosa di più esteso consiglio lo storico libro di Tufte, "The Visual Display of Quantitative Information", quello che parlava del grafico sulla ritirata di Napoleone in Russia.

Infine, per il tema della distorsione dell'informazione c'è l'ottimo "How to lie with statistics" di Huff e Geis; se non volete leggere l'intero libro però questo post riassume alcuni dei suoi punti salienti.

Extra

Con il notebook attractors.ipynb si possono generare visualizzazioni tridimensionali di attrattori strani (per il modulo sul Caos tenuto da Leonardo).