臨床統計農莊

       統計圖表是最早的資料視覺化形式之一，如何將資料直觀且容易了解和操作的方式呈現給使用者，以下介紹基本圖表及屬性和使用時機，讓大家可以依據自己的情境選擇合宜的圖表，達到傳達資訊或解決問題的目的。 🔅推薦視覺化介紹網頁 這個網站整理了 60 種視覺化圖表，也介紹每種圖表的使用時機、定義、使用工具，範本等供參考。 TheData Visualisation Catalogue              網站介面：提供各式視覺畫圖表說明 例如：熱圖 Heatmap ，詳細說明定義及使用情境等。          資料來源： The Data Visualisation Catalogue 網站   🔅 阿貝拉的圖表類型 Andrew Abela 是美國天主教大學教務長暨錢商學院院長，將常見的不同圖表歸納出四種目的：比較 (Comparison), 分佈 (Distribution), 組成 (Composition) 及關係 (Relationship) 。依自己的目的做選擇，藉由了解圖表分類及類型，廣泛的收集範例，整理成筆記，並大量瀏覽視覺化網站，幫助自己快入進入視覺化世界，再依需求畫出適合自己主題的圖來。 資料來源： https://twitter.com/tonydejonker/status/1097191707916025856   🔅 常見圖表 — 依原始資料繪圖 用於視覺化原始資料的屬性值，值觀呈現資料特徵，代表圖形如下 - 資料軌跡 ：          為單變數的資料呈現方式，呈現 X 軸 與 Y 軸關係，常見股票隨時間的價格 走勢。          資料來源：奇摩股市截圖     - 柱狀圖 / 長條圖 (bar chart) ：         採長方形的形狀和顏色編碼資料的屬性，每根直柱內部也可用像素編碼，也稱推疊圖 (stacked graph) ，可用在多變數和高維資料的視覺化上。 適用 不連續資料 ，每一條長條之間沒有什麼連續、順序性。             - 直方圖 (histogram) ：             針對資料裡的某個

樹狀圖在某些特點上跟泡泡圖的類似，都可以提供不只 1 個維度的資訊，並透過形狀大小、顏色來呈現。但是比較不同的地方是樹狀圖有層級的概念，可以用來呈現階層式資料。例如將全臺灣當作第一層，縣市當做第二層 ( 分支 ) ，再下一層則是縣市人口年齡組成。 在這基本概念下利用 python 的 Plotly 套件來繪製堆疊區域圖。這次以 2013-2016 年 國民營養健康調查報告書中的數據為例。 以下針對 2013-2016 年 國民營養健康調查做簡單的介紹 : ²   目的 ： 隨時代改變人們飲食習慣也隨之改變，為了對國人的營養健康狀況有所了解，從 1980 年開始委託衛生署食品衛生處、衛生署食品藥物管理局定期辦理全國性營養健康調查， 2013 年起改由衛生福利部國民健康署定期辦理。 2013-2016 年的調查為第五次的國民營養調查。 ²   調查對象 ： 所有居住在臺灣本島及澎湖設有戶籍的人口，依據縣市人口比例分層集束抽樣，進行家戶田野調查。 ²   問卷 ： 除人口社經等基本資料的收集外，包含 24 小時飲食回顧、飲食頻率、疾病史、營養知識態度與行為、活動量等相關問卷以及身體健康檢查資料。 2013-2016 年總計問卷完訪人數有 11,072 人，體檢人數為 9746 人。 十大死因中心血管疾病常常榜上有名，可見一直是國人重要的死亡原因之一，但因疾病病徵較不明顯，相較於癌症來說反而容易受到忽略，但實則不可輕忽，應即早預防與控制，其中抽煙、高血壓、糖尿病、高血脂等都是心血管疾病的危險因子，本次以高膽固醇數據做示範，了解 2013-2015 年不同年齡層高膽固醇盛行的情況。 操作步驟 1. 選定主題，準備素材 以 2013-2016 年 國民營養健康調查中高膽固醇盛行率為例 ( 衛生福利部國民健康署公告的資料 ) ，了解不同年齡層收到的檢體中，高膽固醇盛行的形況。開始執行前，尚未安裝 plotly 者需要先安裝幾個套件 plotly 、 numpy 以及 squarify ，在 Window 環境下，開起命令提示字元，輸入 pip install plotly ，其他套件也以相同的方式匯入，安裝完成後，就可進入繪圖步驟。 用 Squarify 這個套件來計算圖形區域的分割，一個大正方形的區域依照比