<html> <iframe src=“www.slideshare.net/slideshow/embed_code/key/3UpdZuP3wsNLWy” width=“595” height=“485” frameborder=“0” marginwidth=“0” marginheight=“0” scrolling=“no” style=“border:1px solid #CCC; border-width:1px; margin-bottom:5px; max-width: 100%;” allowfullscreen> </iframe>
<strong> <a href=“www.slideshare.net/mikamiks1/lessons-from-edward-tufte” title=“Lessons From Edward Tufte” target=“_blank”>Lessons From Edward Tufte</a> </strong> from <strong><a target=“_blank” href=“https://www.slideshare.net/mikamiks1”>Mika Aldaba</a></strong> </div>
</html>
* https://www.r-bloggers.com/7-visualizations-you-should-learn-in-r/
1)
* http://infowetrust.com/history/
* Data Humanism
https://medium.com/@giorgialupi/data-humanism-the-revolution-will-be-visualized-31486a30dbfb#.huv43zpei
* Visualización de información
Según Tufte http://www.edwardtufte.com/tufte:
Los gráficos toman un grupo de números para ilustrar tendencias y eventos inusuales. Permiten identificar patrones. Para grupos de números muy grandes la única forma de ver a información es a partir de gráficos.
Los gráficos tienen la intención de describir, comparar o decorar
Algunos elementos
Chartjunk: Decoración en el gráfico que distrae
Small multiples: Muchas vistas de los datos que permiten comparar
Micro and Macro: Mostrar datos en múltiples escalas
Graphical Excellence: Presentación de ideas complejas comunicadas con claridad, precisión y eficiencia
Graphic integrity: Se debe considerar el efecto de lo que se dice con el gráfico y buscar eliminar todas las falsas impresiones
Visual impression: Cuidar que sea correcta. Se recomienda ilustrar un conjunto de medida a la vez. Más de dos puede generar confusión
Del libro Envisioning information:
Escaping flatland
Micro/macro readings
Layering and separation
Small multiples
Color and information
Narratives of space and time
Visualización de grandes tablas
http://www.bytemuse.com/post/data-comb-visualization/ https://www.youtube.com/watch?v=s1ueC7WvKAo https://www.cs.ubc.ca/~tmm/courses/cpsc533c-04-fall/readings/tablelens.pdf
Uso de R en NYT para la creación de visualizaciones
http://datastori.es/ds-56-amanda-cox-nyt/
A collection of open access visualization research at the VIS 2017 conference. Info about the symbols and open access. To edit the data, see GitHub. → http://oavis.steveharoz.com/
Data Visualization for Social Science → http://socviz.co
Libros de R
http://r4ds.had.co.nz/tidy-data.html
https://adv-r.hadley.nz/
Dashboard design
https://www.displayr.com/8-types-of-online-dashboards/?utm_medium=Feed&utm_source=Syndication
===== Referentes =====
https://distill.pub/2016/misread-tsne/?utm_content=buffera4d62&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer
AMA's
Calendario
→ https://calendar.google.com/calendar/embed?src=dataisbeautifulama@gmail.com&amp;amp;amp;ctz=America/New_York
https://www.reddit.com/r/dataisbeautiful/comments/75q0qi/im_shirley_wu_freelance_data_visualization/
https://www.reddit.com/r/dataisbeautiful/comments/72c06m/im_elijah_meeks_author_of_d3js_in_action_and/
https://www.reddit.com/r/dataisbeautiful/comments/3k3if4/hi_im_mike_bostock_creator_of_d3js_and_a_former/
Multivariate Maps
http://vallandingham.me/multivariate_maps.html
Libro http://socviz.co/lookatdata.html
is a classification of chart types based on input data format. It comes in the form of a decision tree leading to a set of potentially appropriate visualizations to represent the dataset. → https://www.data-to-viz.com/#connection
Chart Maker → http://chartmaker.visualisingdata.com/
Map Pins
https://99percentinvisible.org/article/cartopinography-the-unlikely-study-of-map-pins-flags-beads-other-markers/
Top 50 ggplot2 Visualizations - The Master List (With Full R Code)
http://r-statistics.co/Top50-Ggplot2-Visualizations-MasterList-R-Code.html
===== Referentes =====
* https://www.nytimes.com/interactive/2020/08/24/climate/racism-redlining-cities-global-warming.html