Create accountLogin

Recent searches

No recent searches

Search options

Only available when logged in.
veganism.social is one of the many independent Mastodon servers you can use to participate in the fediverse.
Veganism Social is a welcoming space on the internet for vegans to connect and engage with the broader decentralized social media community.

Administered by:

Server stats:

230
active users

veganism.social: AboutStatusProfiles directoryPrivacy policy

Mastodon: AboutGet the appKeyboard shortcutsView source codev4.4.0-alpha.4

#datavisualization

16 posts13 participants0 posts today
Public
utzer [Pleroma]
Hey everyone!
I’m looking for a good way to create a #graph or #chart from a #dataset under #Linux.

The data is in a #CSV file and has around 180,000 rows. One column contains the timestamps, and several other columns contain the actual #measurement values.

Not every value is recorded at every timestamp, so there are different #sampling rates across columns, and some fields are empty. The solution should be able to handle that – missing data, large file size, and multiple series plotted over #time.

What’s your preferred tool or approach for this kind of visualization?
Ideally something scriptable or easily repeatable.

#DataVisualization #CSVHandling #Linux
Public
Miki :rstats:

¡Reto #30DayChartChallenge 2025 COMPLETADO! 🎉📊 30 días, 30 visualizaciones con #RStats y #ggplot2.

Ha sido un viaje increíble explorando comparaciones, distribuciones, relaciones (¡animales!), series temporales (sociales, económicas) e incertidumbre (riesgo, exoplanetas, mapas...).

Puedes ver la galería completa (y todo el código) en mi repositorio:
📂 github.com/michal0091/dataviz/

¡Gracias por seguir el reto! #dataviz #DataVisualization #DataStorytelling #ChallengeComplete #Rprogramming

PDF con recopilación del reto de #30DayChartChallenge
Public
Miki :rstats:

#30DayChartChallenge ¡Día 30 y FIN! 🎉 Último tema: National Geographic 🗺. Mi mapa: Riesgo de Desertificación en España (Península, Baleares y Canarias), estilo NatGeo. #UncertaintiesWeek #Mapping

Visualizando la vulnerabilidad territorial (riesgo/incertidumbre) con datos del PAND (MITECO 2008). Colores de amarillo pálido (Bajo) a rojo oscuro (Muy Alto).

Intenté capturar la esencia NatGeo: paleta, fuentes (Lato/Gudea), escala, norte y la famosa ¡banda amarilla! 🟨 (añadida con grid). Canarias colocadas con {mapSpain}.

¡Un desafío cartográfico para terminar el mes! ¡Encantado de haber completado los 30 días! 💪

🛠 #rstats #ggplot2 #sf #ggspatial #mapSpain #grid | Data: MITECO PAND | Theme: Custom NatGeo
📂 Código Final del Reto: t.ly/Ol06w

Mapa de España (Península, Baleares y un recuadro insertado para Canarias) mostrando polígonos coloreados según cuatro niveles de riesgo de desertificación. La paleta de colores es secuencial: amarillo muy pálido para 'Bajo', amarillo-naranja para 'Medio', naranja-rojo para 'Alto', y rojo muy oscuro/marrón para 'Muy Alto'. Las zonas de mayor riesgo predominan en el sur y este de la península. Incluye una escala gráfica y una flecha de norte. En la esquina superior izquierda hay un pequeño rectángulo amarillo sólido. El estilo es limpio, tipo infografía, con fondo gris muy claro. Leyenda en la parte inferior. Fuente: MITECO PAND (2008).
#Day30#NationalGeographic#dataviz
Public
Miki :rstats:

#30DayChartChallenge Día 29: Extraterrestrial! 👽✨ ¡Planetas con su incertidumbre a cuestas! #UncertaintiesWeek #Astronomy

Volvemos al gráfico Radio vs Insolación (log-log, color=Temp) de exoplanetas (NASA Archive). Pero hoy añadimos una capa visual para la incertidumbre: el "halo" gris ⚪️ detrás de cada punto.

El tamaño del halo es proporcional al log(error) reportado para la Insolación. ¡Halos grandes = más incertidumbre en la energía que recibe ese planeta!

Es un recordatorio de que los datos astronómicos tienen errores y no todos los puntos son igual de "seguros". Interesante ver qué planetas en la zona habitable (verde) tienen más incertidumbre. (+ Venus/Tierra/Marte 💎).

🛠 #rstats #ggplot2 #ggrepel | Data: NASA | Theme: #theme_week5_uncertainty
📂 Código/Viz: t.ly/ygNLW

Gráfico de dispersión log-log que muestra exoplanetas según el Flujo de Insolación recibido (relativo a la Tierra, eje Y) frente al Radio Planetario (Radios Terrestres, eje X). Cada exoplaneta se representa con dos puntos superpuestos: uno de fondo, más grande, gris y semitransparente (halo), cuyo tamaño indica la incertidumbre en la insolación; y uno encima, más pequeño y menos transparente, coloreado por Temperatura de Equilibrio (K) [escala continua púrpura-amarillo]. Una banda horizontal verde translúcida marca la zona habitable aproximada. Puntos en forma de diamante blanco etiquetan Venus, Tierra y Marte como referencia. Fuente: NASA Exoplanet Archive.
#Day29#Extraterrestrial#dataviz
Public
Miki :rstats:

#30DayChartChallenge Día 28: Inclusion! 🤝 O... la falta de ella a nivel territorial en España 🇪🇸. Hoy comparamos la evolución de la tasa de paro trimestral (EPA/INE, 2005-2024) en varias CC.AA. vs la media nacional (rojo). #UncertaintiesWeek #SocialData

¡El gráfico habla por sí solo! Mirad la enorme brecha que se abre, sobre todo tras 2008, entre regiones como Andalucía y otras como País Vasco o Navarra. Madrid, más cerca de la media. Refleja mercados laborales muy diferentes y retos de cohesión enormes. La "inclusión" territorial en el empleo sigue siendo una asignatura pendiente.

Una visualización para reflexionar sobre las desigualdades estructurales.

🛠 #rstats #ggplot2 #data_table | Data: INE (EPA) | Theme: #theme_week5_uncertainty
📂 Código/Viz: t.ly/UwPQG

Gráfico de líneas que compara la evolución de la tasa de paro trimestral estimada (%) en España (línea roja más gruesa) y cinco Comunidades Autónomas seleccionadas (Andalucía - azul oscuro, Navarra - rosa, Madrid - verde azulado, País Vasco - naranja, Castilla y León - púrpura) desde 2005 hasta 2024. El eje Y muestra la tasa de paro (%), el eje X los años. Se observan grandes diferencias entre las regiones, especialmente después de 2008, cuando la tasa de Andalucía aumenta muy por encima de las demás y de la media nacional, mientras que País Vasco y Navarra se mantienen comparativamente bajas. El gráfico utiliza un tema claro con fondo blanco. Fuente: INE - Encuesta de Población Activa.
#Day28#Inclusion#dataviz
Public
Miki :rstats:

#30DayChartChallenge Día 27: ¡Ruido! 📉 Analizando los residuos (el "ruido" inexplicable) del modelo CAPM para Telefónica (TEF.MC) vs IBEX 35. #UncertaintiesWeek #Finance

Este gráfico muestra la serie temporal del error diario del modelo (~18 años). ¿Es solo ruido blanco o algo más? 🤔 Para comprobarlo, ¡test de Dickey-Fuller Aumentado (ADF)!

Resultado ADF: p=0.01. ¡Rechazamos la raíz unitaria! 🎉 Esto sugiere que los residuos son estacionarios, fluctúan alrededor de cero como un "ruido" bien comportado (aunque su volatilidad cambia). ¡Buena señal para el modelo! (R²≈0.66).

Visualizando el componente idiosincrático y su (falta de) tendencia.

🛠 #rstats #ggplot2 #quantmod #tseries | Data: Yahoo/Investing | Theme: #theme_week5_uncertainty
📂 Código/Viz: t.ly/nr0nm

Gráfico de serie temporal que muestra los residuos diarios (error en %) del modelo CAPM para Telefónica (TEF.MC) frente al IBEX 35, desde aproximadamente 2004 hasta 2022. El eje Y muestra los residuos (%) y el eje X la fecha (Año). Los residuos, representados por una línea gris, fluctúan alrededor de una línea horizontal discontinua roja en cero. Se observan periodos de mayor fluctuación (volatilidad) alrededor de 2008-2009 y 2020. El subtítulo indica que un Test de Dickey-Fuller Aumentado sobre los residuos dio un estadístico de -15.38 y un p-valor de 0.01, sugiriendo estacionariedad. El gráfico usa un tema claro con fondo blanco. Fuente: Yahoo Finance, Investing, Cálculos Propios.
#Day27#Noise#dataviz
Public
Miki :rstats:

#30DayChartChallenge Día 26: Monochrome! 🖤🤍 Riesgo y Recompensa en el IBEX 35, versión minimalista. #UncertaintiesWeek #Finance

Este gráfico monocromo muestra la evolución (ventana móvil 1 año) de:
⚫️ Ratio de Sharpe Anualizado (eje izq.): ¿Compensa el riesgo asumido? (Usando Bono Alemán 10A como Rf).
▒ Volatilidad Anualizada (eje der., discontinua): ¡El riesgo puro y duro!

La historia que cuenta: ¡cuando sube la volatilidad (gris), el Sharpe (negro) tiende a caer en picado (a veces bajo cero)! Visualiza la dinámica riesgo-recompensa del índice español en las últimas dos décadas.

🛠 #rstats #ggplot2 #data_table #quantmod | Data: Yahoo/Investing | Theme: Mod. theme_light
📂 Código/Viz: t.ly/pI1aF

Gráfico de líneas de tiempo monocromático (negro, gris, blanco) mostrando el Ratio de Sharpe Anualizado móvil (línea sólida negra, eje izquierdo) y la Volatilidad Anualizada móvil (línea discontinua gris, eje derecho, expresada en %) para el índice IBEX 35, desde aproximadamente 2004 hasta 2025. El Ratio de Sharpe fluctúa entre -2.5 y +2.5. La Volatilidad fluctúa entre 10% y 35%. Se observa una relación generalmente inversa: picos de alta volatilidad (ej. 2008-2009, 2020) coinciden con fuertes caídas en el Ratio de Sharpe. El gráfico usa un tema minimalista claro. Fuente: Yahoo Finance e Investing.
#Day26#Monochrome#dataviz
Public
Vis Lab @ Khoury, Northeastern

Have you ever wondered how bilingualism shapes reader preferences for annotated charts? Don't miss "Lost in Translation" at #CHI2025 next week ft. Anjana, Chris, and @lace ! youtube.com/watch?v=Nr7DVbjCUo

They'll be presenting at the Visualization and Language Communication track on Weds. April 30th at 10:12am

YouTubeLost in Translation: How Does Bilingualism Shape Reader Preferences for Annotated Charts?By ACM SIGCHI
#language#DataVisualization#linguistics
Public
Vis Lab @ Khoury, Northeastern

Headed to #CHI2025? Don't miss honorable mention paper "The Many Tendrils of the Octopus Map" by Eduardo Puerta & Shani Spivak (co-first-authors) and Michael Correll @Birdbassador - a retrospective analysis of these visual manifestations of conspiratorial thinking 🐙 youtube.com/watch?v=AyqyTkog_y

Mon, 28 Apr | 12:10 PM - 12:22 PM

@ACM @chi #HCI #DataVisualization #Maps #Mapstodon

YouTubeThe Many Tendrils of the Octopus MapBy ACM SIGCHI
Public
Miki :rstats:

#30DayChartChallenge Día 24: ¡Usando datos de la @WHO! 🌐 Hoy comparamos la cobertura de vacunación DTP3 (% niños 1 año) entre países agrupados por nivel de ingresos (Banco Mundial, 2000-2022). #TimeseriesWeek #SocialData #GlobalHealth

El gráfico muestra:
✅ ¡Gran mejora en todos los grupos hasta ~2019!
⚠️ ¡Pero una brecha enorme persiste! Los países de ingresos altos (amarillo 🟡) cerca del objetivo 95% (línea rosa).
📉 Los países de ingresos bajos (azul índigo 🔵), aunque mejoraron mucho desde el 2000, se quedaron sobre el 70% y sufrieron un retroceso post-pandemia.

Un reflejo claro de la #EquidadEnSalud (o la falta de ella) a nivel global. ¡El acceso a vacunas básicas no es igual para todos!

🛠 #rstats #ggplot2 #data_table | Data: WHO GHO | Theme: #theme_week4_social
📂 Código/Viz: t.ly/fRi1m

Gráfico de líneas que muestra las tendencias de la cobertura estimada de vacunación DTP3 (%) en niños de 1 año, desde el año 2000 hasta 2022, para cuatro grupos de ingresos de países según el Banco Mundial. El eje Y va de 0% a 100%. El eje X muestra los años. Hay cuatro líneas de colores distintos: 'Alto' (amarillo/oro, cerca del 95%), 'Medio-Alto' (naranja, subiendo a >90%), 'Medio-Bajo' (azul grisáceo, subiendo de ~65% a ~85%), y 'Bajo' (azul índigo, subiendo de ~49% a ~70% con un descenso reciente). Una línea horizontal discontinua rosa marca el objetivo del 95%. Fuente: WHO/UNICEF Estimates (via WHO GHO).
#Day24#WHO#dataviz
Public
GRASS GIS

🚀 Dive into a GRASS tutorial! 🌟

Discover how to create plots directly in GRASS using tools powered by the matplotlib library. No conversion needed! Visualize your raster, vector, and time series data effortlessly. Check it out and give it a try!

#Tutorial #DataVisualization #GRASS #GIS #Python #Matplotlib

grass-tutorials.osgeo.org/cont
grass-tutorials.osgeo.org/cont

grass-tutorials.osgeo.orgMaking plots with GRASS
Public
Miki :rstats:

#30DayChartChallenge Día 23: ¡El poder de la Escala Logarítmica! 🪵📐 Hoy vemos el PIB per cápita de España 🇪🇸 (1990-2023, PPA $const) de otra manera. #TimeseriesWeek #SocialData

¿La clave? scale_y_log10(). En esta escala, la *pendiente* de la línea azul representa la tasa de crecimiento porcentual. ¡Ideal para comparar el ritmo económico a lo largo del tiempo!

Se ven clarísimas las diferentes fases:
* Crecimiento fuerte pre-2008.
* El largo estancamiento post-Gran Recesión (zona rosa 08-13).
* El bache del COVID (zona rosa 20-21).
* La crisis de los 90 (zona rosa 92-94).

Una herramienta básica pero potente del análisis de series temporales económicas.

🛠 #rstats #ggplot2 #WDI | Data: World Bank | Theme: #theme_week4_social
📂 Código/Viz: t.ly/e3_cv

Gráfico de líneas que muestra la evolución del PIB per cápita de España (PPA, dólares constantes 2017) desde 1990 hasta 2023. El eje Y utiliza una escala logarítmica, con etiquetas de $32,000 a $48,000. El eje X muestra el año. Una línea azul índigo con puntos traza la tendencia del PIB per cápita. Bandas verticales sombreadas de color rosa translúcido resaltan tres períodos de crisis económica: 1992-1994, 2008-2013 y 2020-2021. El gráfico tiene un fondo gris claro y utiliza la fuente Lato. Fuente: World Bank.
#Day23#LogScale#dataviz
VegansExploreLive feeds
About