By امیلیو سیلوستری، کارآموز در KNIME

Everybody loves charts, graphs…visualizations!

 
 
They are neat, fast, and straightforward. Even with messy and disorganized data, a good visualization is the key to show insights and features that are difficult to point out on a raw table. In this blog post I will show you how to build a simple, but useful and good-looking dashboard to present your data – in three simple steps!

• مرحله 1: چند نمودار زیبا ایجاد کنید
• مرحله 2: آنها را در یک جزء بپیچید
• مرحله 3: نمای تعاملی را به عنوان یک صفحه وب اجرا کنید

مجموعه داده

 
 
در این پست وبلاگ به بررسی این موضوع خواهیم پرداخت مجموعه داده های فیلم و برنامه های تلویزیونی نتفلیکس، به صورت رایگان در Kaggle در دسترس است. این شامل تمام نمایش‌های ارائه‌شده در ایالات متحده توسط پلتفرم پخش از ژانویه 2020 است. هر ورودی عنوان نمایش را دارد، خواه یک فیلم باشد یا یک نمایش تلویزیونی، کارگردان و بازیگران، کشور و سال تولید، تاریخ اضافه شدن آن به کاتالوگ، مدت زمان و دسته بندی و توضیح کوتاه. اطلاعات کافی برای بیرون کشیدن برخی تجسم های جالب!
 

Prestep: وارد کردن و پیش پردازش داده ها

 
 
می توانید مجموعه داده را مستقیماً از سایت دانلود کنید صفحه کاگل. هنگامی که روی دستگاه خود قرار گرفتید، داده ها را با کشیدن و رها کردن به یک جریان کاری جدید وارد کنید. همانطور که اغلب اتفاق می افتد، مقداری پیش پردازش مورد نیاز است. با بررسی داده های خام می توانیم ببینیم که تاریخ اضافه شده ستون دارای قالب پرمخاطب است که کار با آن را دشوار می کند. بنابراین، آن را به فرمت Date&Time تبدیل کردم و تمام مراحل را در متاند Preprocessing گروه بندی کردم.

گردش کار توسعه‌یافته برای این پست وبلاگ در KNIME Hub موجود است و می‌توانید از اینجا دانلود کنید:

• دانلود گردش کار ایجاد یک داشبورد تعاملی در 3 مرحله: مجموعه داده Netflix

پس از وارد کردن آن به پلتفرم تجزیه و تحلیل KNIME خود، می توانید نگاهی به محتوای متانود "پیش پردازش" با جزئیات بیشتری داشته باشید.
 

مرحله 1: چند نمودار زیبا ایجاد کنید

 
 
دو نوع آدم وجود دارد: آنهایی که نتفلیکس را تماشا می کنند و آنهایی که دروغ می گویند. اما می توانیم جمعیت را نیز به دو دسته تقسیم کنیم: اهالی سینما و اهالی سریال!

همچنین آیا می دانیم چند فیلم و سریال در نتفلیکس وجود دارد؟ کدام یک محبوب ترین دسته است؟ طولانی ترین فیلم چقدر است؟ با نمودار درست، این به زودی گفته می شود.

به عنوان مثال، نمودار آفتاب سوختگی (شکل 1) می تواند به راحتی به نحوه توزیع نمایش ها در بین دسته ها اشاره کند. یک گره Sunburst Chart را به متانود Preprocessing متصل کنید، آن را طوری پیکربندی کنید که ابتدا بر اساس نوع (فیلم یا نمایش تلویزیونی)، سپس بر اساس دسته بندی گروه بندی شود و آن را اجرا کنید. اکنون بر روی گره Sunburst Chart کلیک راست کرده و "Interactive View: Sunburst Chart" را انتخاب کنید. نمای نشان داده شده در شکل 1 ظاهر می شود: می بینیم که فیلم ها دو برابر نمایش های تلویزیونی هستند و پرجمعیت ترین دسته ها بین المللی، درام و کمدی هستند. آیا می دانستید که؟

شکل 1. نمودار Sunburst: تعداد فیلم های ارائه شده دو برابر سریال های تلویزیونی است. ماوس را روی بخشی از نمودار نگه دارید تا درصد را نشان دهید.

 

یکی از جنبه‌های دیگر که می‌توانیم بررسی کنیم، تکامل کاتالوگ در طول سال‌ها است: من نمایش‌ها را بر اساس گروه‌بندی year_added ستون و نتیجه را در a نمایش می دهد طرح خط (شکل 2). ظاهراً تعداد تولیدات اضافه شده به پیشنهاد هر سال افزایش می یابد: در ماه اول سال 2020 نتفلیکس در حال حاضر نمایش های بیشتری نسبت به کل سال 2015 اضافه کرده است!

شکل 2. نمودار خطی که تعداد فیلم ها و سریال های تلویزیونی اضافه شده به کاتالوگ نتفلیکس را در طول سال ها نشان می دهد.

 

سپس یک را ساختم نمودار میله ای (شکل 3) برای تجسم تعداد فصل های تولید شده برای برنامه های تلویزیونی و الف هیستوگرام (شکل 4) که فیلم ها را در هر مدت زمان گروه بندی می کند. آیا انتظار داشتید این همه برنامه تلویزیونی با تنها یک فصل باقی بماند؟ آیا می دانستید فیلم های بیش از 4 ساعت وجود دارد؟

شکل 3. نمودار میله ای که تعداد فصل های برنامه های تلویزیونی را نشان می دهد.

 


شکل 4. یک هیستوگرام که فیلم ها را بر اساس مدت زمان آنها گروه بندی می کند.

 

فرصت‌های زیادی برای تجسم داده‌ها در پلتفرم KNIME Analytics وجود دارد. می توانید گره های اختصاصی را در Node Repository > Views -> Javascript پیدا کنید و حتی با استفاده از نمایش جاوا اسکریپت عمومی گره

اگر تخیل شما تمام شده است، مجموعه ای کامل از گردش کار در آن وجود دارد EXAMPLES سرور پر از تجسم های مفید که می توانید به راحتی آنها را با نیازهای خود تطبیق دهید.

نمودارها نیز قابل تنظیم هستند! به عنوان مثال نمودار میله ای را در شکل 3 ببینید، جایی که من رنگ آبی پیش فرض را به قرمز -رسمی- Netflix تغییر دادم.

شکل 5. این تصویری از گردش کاری است که این تجسم ها را انجام می دهد. پیش پردازش مربوط به هر تجسم در متانودها گروه بندی می شود.

 

Download and try out the workflow yourself, called “Create an interactive dashboard in 3 steps: Netflix shows” from the KNIME Hub.

همه نمودارها و نمودارهای تولید شده تعاملی هستند. می‌توانید داده‌های بصری‌شده، ویژگی‌های نمودار، نقاط انتخاب‌شده و موارد دیگر را مستقیماً از نمای تعاملی با کلیک کردن روی نماد تنظیمات بالا سمت راست، که به رنگ قرمز در شکل 3 نشان داده شده است، تغییر دهید. برای سفارشی‌سازی‌های عمیق‌تر، راهنمای نشان‌داده شده را بررسی کنید. نحوه ادغام کدهای CSS تا تصاویر جاوا اسکریپت شما بدرخشد.
 

مرحله 2: آنها را در یک جزء بپیچید

 
 
If one plot is nice…two plots are nicer! Let’s organize all our wonderful graphics in a complete dashboard. Select all four nodes used for the visualizations and right click -> “Create Component…”. This creates a new gray node: the جزء.

شکل 6. گردش کار نهایی. تمام گره های تجسم در یک جزء گروه بندی شده اند.

 

این تجسم مجموعه همچنین می تواند غنی و سفارشی شود. CTRL + روی کامپوننت دوبار کلیک کنید تا باز شود. یک گره ابزارک خروجی متن اضافه کنید و شرحی را که می خواهید به تجسم خود اضافه کنید تایپ کنید.

می‌توانیم داشبورد را تعاملی‌تر کنیم و مثلاً یک گره Table View برای انتخاب اضافه کنیم. من آن را طوری تنظیم کردم که فقط نمایش های انتخاب شده در نمودار هیستوگرام و نوار میله ای را نمایش دهد.

این یک راه خوب برای بررسی محتوای سطل های مختلف است.

For example, do you know which is the longest movie on Netflix? Open the interactive view of the component, select the last histogram bin – which contains only one movie – and look at the table view. If you have heard about that movie you can easily imagine why it lasts so long!

اکنون زمان آن است که داشبورد خود را سازماندهی کنیم تا آن را مرتب و قابل فهم تر کنیم. از داخل کامپوننت، روی آخرین نماد نوار ابزار کلیک کنید (شکل 7 را ببینید) تا پنجره Node Usage and Layout باز شود. در اینجا می توانید نمودارهای خود را مرتب کنید، موقعیت، ابعاد و گروه ایجاد کنید. اگر یک مؤلفه تودرتو ایجاد کرده‌اید، آن را به عنوان یک تجسم گروه‌بندی شده در نظر می‌گیریم.

شکل 7. پنجره Node Usage and Layout را باز کنید تا داشبورد خود را سازماندهی کنید.

 

مرحله 3: نمای تعاملی را به عنوان یک صفحه وب اجرا کنید

 
 
You can also inspect the component’s interactive view as a web page in a web browser. To perform this operation, you need to deploy your workflow to a KNIME Server instance, using the one-click-deployment. Do this by going to the KNIME Explorer panel, right-clicking your workflow and selecting “Deploy to Server…”. Now choose the desired destination and click OK.

برای تجسم داشبورد، روی گردش کار آپلود شده راست کلیک کرده و Open -> In Web Portal را انتخاب کنید. مرورگر شما به شما اجازه می دهد گردش کار را اجرا کنید و داشبورد ساخته شده توسط مؤلفه را تجسم کنید (شکل 8).
 

خلاصه

 
 
در این پست وبلاگ متوجه شدیم که چقدر ساده است که یک داشبورد تعاملی برای داده های خود در پلتفرم KNIME Analytics ایجاد کنید. نمودارهای خود را تنظیم کنید، گره ها را در یک مؤلفه بپیچید و در صورت نیاز آن را سفارشی کنید، به صورت محلی یا در وب پورتال KNIME اجرا کنید و با تجسم خود بازی کنید. به آسانی یک پای (نمودار)!

شکل 8. این تجسم داشبورد است که در وب پورتال KNIME ظاهر می شود.

 

Want more visualizations? Here are some more advanced ideas you can easily implement. You’ll find these visualizations in this more advanced version of the example workflow on the KNIME Hub here: https://kni.me/w/grHmwo1F0xiQPdO7

شکل 9. نقشه جهانی فیلم های تولید شده توسط هر کشور را نشان می دهد.

 

 

شکل 10. ابر برچسب که کلماتی را که بیشتر در توصیف نمایش ها استفاده می شود نشان می دهد.

 

منابع

 
 
گردش کار نشان داده شده در این مقاله برای دانلود و امتحان کردن خودتان در KNIME Hub در دسترس است:

• ایجاد یک داشبورد تعاملی در 3 مرحله: نمایش Netflix
• ایجاد یک داشبورد تعاملی در 3 مرحله: نمایش Netflix (پیشرفته)

 
بیوگرافی: امیلیو سیلوستری is an intern at KNIME in the Evangelism Team. He developed a solid interest for the Data Science topic during his bachelor’s degree in Computer Science, when he worked on a thesis about epilepsy recognition using Convolutional Neural Networks. He eventually decided to move to the University of Konstanz to complete his Master’s Degree.

همانطور که برای اولین بار در وبلاگ KNIME.

اصلی. مجدداً با اجازه دوباره ارسال شد.

مرتبط:

• خوشه بندی چیست و چگونه کار می کند؟
• هوش مصنوعی من برای من پیانو می نوازد
• کدنویسی یا عدم کدنویسی با KNIME