1. Gráficos
1.1. Bar graph
1.1.1. Para un variable en tiempo o multipiles sin tiempo
1.2. Line graph
1.2.1. Para diferentes puntos en tiempo, no usas con categorías
1.3. Boxplot
1.3.1. Cuando es importante mostrar distribución y hay estadísticas
1.4. Flow Map
1.4.1. Más famoso de Charles Joseph Minard, mapa de la 1812 invasión de Russia.
1.5. Scatter Plot
1.5.1. Para mostrar correlaciones entre dos variables
1.6. Slope Chart
1.6.1. Gráficos simples que muestran rápida y directamente transiciones, cambios en el tiempo y valores absolutos.
1.7. Spark lines
1.7.1. Es un gráfico de líneas muy pequeño, normalmente dibujado sin ejes ni coordenadas. Presenta la forma general de la variación.
1.8. Bump Chart
1.8.1. Es una forma especial de gráfico de líneas. Está diseñado para explorar cambios de rango a lo largo del tiempo.
2. Herramientas
2.1. Software
2.1.1. Tableau
2.1.2. Power BI
2.1.3. Observable
2.1.4. Google Colab
2.1.5. Charticulator
2.1.6. Flourish
2.2. Lenguajes
2.2.1. Python
2.2.1.1. Has module
2.2.1.1.1. Alt-air for plotting
2.2.2. R
2.2.2.1. Has module
2.2.2.1.1. GGplot2
2.2.3. Javascript
2.2.3.1. Has framework
2.2.3.1.1. D3.js
2.2.3.1.2. Vega-lite
2.2.4. HTML/CSS
2.2.4.1. Markup language
3. Mejores Practicas
3.1. Mantra de viz
3.1.1. Overview first, zoom and filter, then details on demand
3.2. PNG / JPG
3.2.1. PNG for few colors and sharp lines, JPG for rest
3.3. Textro debería ser horisontal siempre cuando esté posible
3.4. No usas colores si no dicen nada
3.5. Los mismos colores deberían significar la misma cosa en una página con diferentes gráficos
3.6. Usa el tipo de dato correcto
3.6.1. Lo más simple del NOIR modelo que puede describir los datos
4. Proporcionar al lector el máximo número de ideas en el menor tiempo posible
5. Personas
5.1. Creadores
5.1.1. Mike Bostock
5.1.1.1. D3
5.1.1.2. Observable
5.1.2. Otto Neurath, Gernt Arnzt y Marie Neurath
5.1.2.1. ISOTYPE
5.2. Scientistas
5.2.1. Edward Tufte
5.2.1.1. InfoVis pioneer
5.2.1.2. The Visual Display of Quantitative Information
5.2.1.2.1. Slope chart
5.2.1.3. Chart-junk
5.2.1.3.1. Data-ink ratio
5.2.2. Florence Nightingale
5.2.2.1. Creadora del primer modelo conceptual de enfermería
5.2.3. Ben Fry
5.2.3.1. The data vizualisation process
5.2.3.1.1. 7 steps to visualize data
5.3. Educadores
5.3.1. Hans Rosling
5.3.1.1. Famoso por su estilo de presentar datos de una manera fácil de entender, y educar la población
5.3.2. Mona Chalabi
5.3.2.1. Genio que hace gráficos de mano para presentar la idéa que datos tiene insertidumbre y gráficos son hechos de humanos
6. Trabajos
6.1. Makeovermonday (MM)
6.1.1. Para aprender de usar diferentes herramientas y discutir soluciones de diseño
6.2. Datos personales
6.2.1. Para usar los conocimientos de MM en práctica
6.3. Orden de medios
6.3.1. Para empezar a conocer lenguajes de programación y pensar en como obtener datos, y cuales datos deberíamos obtener
6.4. Trabajo Final
6.4.1. Para mostrar todo lo que hemos aprendido en la matería y usar programmación para crear gráficos propios para poder crear lo que queremos de orginal la próxima vez
7. Conceptos
7.1. Cuarteto de Anscombe
7.1.1. Conjuntos de datos que tienen estadísticas descriptivas similares, pero tparecen muy diferentes cuando se grafican
7.2. Correlación no implica causalidad
7.2.1. La incapacidad de deducir legítimamente una relación de causa y efecto entre dos variables únicamente sobre la base de una asociación
7.3. Visual Literacy
7.3.1. The ability to interpret, negotiate, and make meaning from information presented in the form of an image