[AITech] 20220203 - Introduction to Visualization

학습 내용 정리

데이터 시각화란?

데이터 시각화는 데이터를 그래픽 요소로 매핑하여 시각적으로 표현하는 것으로, 다양한 요소가 포함되는 Task입니다.

• 목적, 독자, 데이터, 스토리, 방법, 디자인

시각화는 사용하는 목적에 따라 다르고, 분야나 독자 등 여러 요소에 따라 바뀔 수 있기 때문에 정답이란 것은 없습니다.

다만, 지금까지 연구되고 사용된 시각화 모법 사례를 통해 좋은 시각화를 만들 수는 있습니다. 따라서 데이터 시각화 강의에서는 다음의 2가지를 그 목표로 합니다.

1. 목적에 따라 시각화를 선택하고 사용할 수 있다.
2. 시각화 결과를 효과적으로 수용할 수 있다.

시각화의 요소

데이터 이해하기

시각화를 진행하려면 당연히 데이터가 필요합니다. 이 데이터에는 어떤 종류의 데이터들이 있고, 그 데이터에서 어떤 정보들을 추출할 수 있을까요?

정형 데이터

정형 데이터는 일반적으로 테이블 형태로 제공되는 데이터로 csv, tsv 파일 등이 있습니다. 이 때 각 row는 1개 item(data), columns은 1개 atribute(feature)라고 합니다.

정형 데이터는 가장 쉽게 시각화 할 수 있는 데이터 형태이며 통계적 특성, feature 간의 관계, data 간의 관계 등을 주로 나타냅니다.

시계열 데이터

시계열 데이터는 시간 흐름에 따른 데이터를 나타냅니다. 기온, 주가 등의 정형데이터와 음성, 비디오 같은 비정형 데이터가 존재합니다.

시계열 데이터에서는 시간 흐름에 따른 추세, 계절성, 주기성 등을 관찰할 수 있습니다.

지리 데이터

지리/지도 데이터에서는 지도 정보와 보고자 하는 정보 사이의 조화가 중요시되며, 이 때문에 지도 정보를 단순화시킬 수도 있습니다.

거리, 경로, 분포, 위경도 등 다양한 특성들을 관찰할 수 있습니다.

관계형(네트워크) 데이터

관계형 데이터란 객체와 객체 간의 관계를 나타내는 데이터이며, 따라서 여러 객체 간의 관계를 시각화하기 위해 그래프 형태로 주로 표현합니다.

객체는 Node, 관계는 Link로 표현하고 크기, 색, 수 등으로 객체와 관계의 가중치를 표현합니다.

계층적 데이터

관계형 데이터 중에서도 객체 간의 포함관계가 뚜렷한 데이터를 계층적 데이터라고 하며 회사 조직도, 가계도 등이 있습니다.

Tree, Treemap, Sunburst 등으로 표현할 수 있습니다.

다양한 비정형 데이터

이외에도 여러 다양한 비정형 데이터들을 존재합니다.

위처럼 데이터는 여러 종류로 구분이 가능한데요, 대표적으로 가장 많이 사용하는 분류 방법으로 다음과 같은 분류 방법이 있습니다.

• 수치형(Numerical)
  • 연속형(Continuous): 실수 전체 범위에서 값을 가질 수 있는 데이터(길이, 무게, 온도 등)
  • 이산형(Discrete): 나올 수 있는 값이 정해져 있는 데이터(주사위 눈, 사람 수 등)
• 범주형(Categorical)
  • 명목형(Norminal): 순서가 없는 카테고리 데이터(혈액형, 종교 등)
  • 순서형(Ordinal): 순서가 있는 카테고리 데이터(학년, 별점, 등급 등)

시각화 이해하기

• 마크(mark): 점, 선, 면 등의 이미지에서 가장 기본이 되는 시각적 요소.

  

• 채널(Channel): 기하학적 원형(geometric primitive)의 차원(dimensionality)과 독립적으로 각 마크를 변경할 수 있는 요소들

  

• 전주의적 특성(Pre-attentive Attribute)

  • 특별한 주의 없이도 자연스럽게 인지하게 되는 요소
  • 시각적으로 다양한 전주의적 속성이 존재
  • 하지만 동시에 사용하면 인지하기 어려움
  • 전주의적 특성을 적절하게 사용할 때 시각적 분리(visual popout)가 일어남

참고 자료

• 도서
  • Visualization Analysis&Design
  • Fundamentals of Data Visualization
• 사이트
  • https://kaggle.com
  • https://observablehq.com/
  • https://dataviztoday.com/
  • https://medium.com/nightingale
  • http://ieeevis.org/year/2021/welcome