Frameworks de visualização de dados

A descoberta de padrões nos dados é difícil de ser observada diretamente nos

dados, mas quando os mesmos dados são apresentados em forma de gráficos, fica
mais fácil, inclusive correlações entre os dados.

Muito embora sempre seja possível criar os gráficos de visualização de dados via
programação é mais simples e prático utilizar uma ferramenta pronta. Existem
várias sem qualquer custo, com pequenas limitações na paleta de gráficos
disponíveis e com versões pagas mais completas. Versões pagas não são sempre
caras e podem compensar o investimento, pois as vezes o custo e tempo de
desenvolvimento de uma solução proprietária para o seu problema, pode chegar
próximo ou até ultrapassar o custo de licenciamento de uma ferramenta já
existente, e que provavelmente terá mais opções de gráficos.

Um ponto de partida sobre os frameworks é o site “The Data Visualisation

Catalogue” (https://datavizcatalogue.com/), que possuí os principais frameworks
classificados conforme o tipo de visualização desejada.

Abaixo estão alguns dos principais frameworks de visualização de dados, mas que
dependem de programação para a geração dos gráficos:

• Jupyter Notebooks (https://jupyter.org/)

Um dos principais frameworks de programação iterativa, possui integrada um

extenso conjunto de gráficos.

• ggplot2 + RStudio ( http://ggplot2.org/ + https://www.rstudio.com/)

Poderoso framework de processamento dados e possui um conjunto sofisticado

de gráficos.

• D3.js (https://d3js.org/)

Um dos pioneiros em visualização de gráficos em web. Faz uso dos recursos

gráficos e HTML5 dos navegadores para apresentar gráficos complexos. É
essencialmente uma biblioteca javascript e seu uso não é trivial. Diversos
frameworks fazem uso desta biblioteca, encapsulando-a e tornando seu uso
mais simples.

© PUCPR. Todos os direitos reservados. Nenhum texto pode ser reproduzido sem prévia autorização.
As ferramentas abaixo são prontas para uso, sem necessidade de programação
adicional, bastando fornecer uma fonte de dados.

• Infogram (https://infogram.com/)

• Datawrapper (https://www.datawrapper.de/)

• NVD3 (http://nvd3.org/)

• RawGraphs (https://rawgraphs.io/)

• Power Bi (https://powerbi.microsoft.com/pt-br/)

• Vida (https://vida.io/)

• Tableau (https://public.tableau.com/s/)

• ChartBlocks (https://www.chartblocks.com/en)

Um exemplo prático do uso dos frameworks de visualização são os gráficos do site

“Volt” (https://www.voltdata.info/), que faz uso intensivo de vários frameworks
em suas análises. A lista completa destes frameworks pode ser vista em:
https://github.com/voltdatalab/fordata

Cada um destes frameworks tem características próprias e a experimentação é a

melhor forma de aprender.

© PUCPR. Todos os direitos reservados. Nenhum texto pode ser reproduzido sem prévia autorização.
 PROFESSOR CONTEUDISTA

Mauro Borchardt

© PUCPR. Todos os direitos reservados. Nenhum texto pode ser reproduzido sem prévia autorização.