Points clés
- Catégorie
- Data Visualization
- Types d’entrée
- textarea, text, number, select, color, checkbox
- Type de sortie
- html
- Couverture des échantillons
- 4
- API disponible
- Yes
Vue d’ensemble
Le générateur de graphiques de coordonnées parallèles permet de visualiser des ensembles de données multidimensionnelles complexes en transformant chaque ligne de données en une ligne brisée traversant plusieurs axes verticaux, facilitant ainsi l'identification de corrélations et de motifs cachés.
Quand l’utiliser
- •Pour comparer des éléments possédant de nombreuses variables numériques simultanément.
- •Pour identifier des clusters ou des anomalies au sein de grands jeux de données multidimensionnels.
- •Pour analyser les relations et les corrélations entre différentes dimensions de données.
Comment ça marche
- •Saisissez vos données au format JSON, où chaque objet représente une ligne avec ses dimensions numériques.
- •Choisissez une méthode de normalisation (Min-Max, Z-Score ou Quantile) pour harmoniser les échelles des différents axes.
- •Personnalisez l'apparence du graphique en ajustant les couleurs, l'opacité des lignes et les paramètres de la grille.
- •Générez et exportez votre visualisation pour l'intégrer dans vos rapports ou analyses.
Cas d’usage
Exemples
1. Analyse comparative de produits
Analyste marketing- Contexte
- Une équipe marketing souhaite comparer trois produits sur quatre critères : prix, qualité, ventes et satisfaction client.
- Problème
- Les échelles étant disparates (ex: prix en centaines, qualité sur 10), il est difficile de visualiser les forces de chaque produit.
- Comment l’utiliser
- Saisir les données JSON des produits et sélectionner la méthode de normalisation 'Min-Max' pour uniformiser les axes.
- Configuration d’exemple
-
normalizationMethod: 'minmax', showLegend: true, colorScheme: 'vibrant' - Résultat
- Un graphique clair montrant les points forts et faibles de chaque produit sur une échelle normalisée de 0 à 1.
2. Visualisation de clusters de données
Data Scientist- Contexte
- Un chercheur travaille sur un jeu de données contenant 15 variables numériques pour identifier des groupes de comportements similaires.
- Problème
- La densité des données rend la lecture difficile avec des lignes opaques.
- Comment l’utiliser
- Utiliser le réglage d'opacité de ligne à 0.2 et activer la grille pour mieux isoler les tendances.
- Configuration d’exemple
-
lineOpacity: 0.2, showGrid: true, axisCount: 15 - Résultat
- Les lignes se regroupent visuellement, révélant des motifs de comportement distincts au sein du jeu de données.
Tester avec des échantillons
jsonHubs associés
FAQ
Qu'est-ce qu'un graphique de coordonnées parallèles ?
C'est une méthode de visualisation où chaque dimension est représentée par un axe vertical parallèle, et chaque donnée est une ligne reliant ces axes.
Pourquoi utiliser la normalisation ?
La normalisation permet de comparer des variables ayant des unités ou des échelles très différentes en les ramenant à une échelle commune.
Quel format de données est requis ?
L'outil nécessite un tableau JSON d'objets, où chaque clé correspond au nom d'une dimension et chaque valeur à un nombre.
Puis-je modifier l'apparence des lignes ?
Oui, vous pouvez ajuster la largeur, l'opacité et choisir parmi plusieurs schémas de couleurs pour améliorer la lisibilité.
Quel est le nombre maximum d'axes supporté ?
L'outil permet d'afficher jusqu'à 20 axes de dimensions différentes pour une analyse détaillée.