Data type Une étape importante dans le choix de la technique de visualisation la plus adéquate possible pour représenter des données est l'analyse du type de données. Un dataset est composé de plusieurs variables, et comprend donc plusieurs types de données. S'agit-il de données quantitatives ou qualitatives ? Pour le savoir, il suffit de vérifier s'il est possible et [[4]] d'effectuer une opération mathématique simple sur les données. Si la réponse est non, alors il s'agit de données qualitatives. Si la réponse est oui, alors il s'agit de données quantitatives. Mais attention, données [[5]] n'implique pas nécessairement données quantitatives. Par exemple, le code postal, bien qu'exprimé de façon numérique, est une donnée qualitative car aucune opération mathématique sur un code postal n'a de sens. La nomenclature de Ware (2004) identifie trois types de données : les données qualitatives pour les [[1]], les entiers pour les variables [[2]] et les réels pour les variables [[3]]. 

]]> 1.0000000 0.3333333 0 1 Votre réponse est correcte. Votre réponse est partiellement correcte. Votre réponse est incorrecte. catégories 1 discrètes 1 continues 1 sensé 1 numériques 1 Nettoyage En InfoVis, le nettoyage de données consiste à rendre le fichier de données [[1]] par un logiciel de visualisation et d'analyse de données comme tableau. Pour cela, le dataset doit satisfaire deux exigences : respecter la structure type d'un dataset et ne comporter que des données présentées dans un format [[2]]. La structure type d'un dataset est une table, où chaque colonne correspond à une variable du dataset et chaque ligne à un individu de l'échantillon. Concrètement, les cellules [[3]] première ligne ne contiennent que des noms de variables et les cellules [[4]] première ligne ne contiennent que des valeurs et des modalités. Un dataset nettoyé ne contient ni titre, ni annotations, ni lignes vides au-dessus des noms de variables. L'expression format utilisable signifie que les [[5]] sont encodées de manière cohérente (ex. pas de mélange entre Bruxelles, Brussel, Brussels, BXL) et que les [[6]] sont encodées dans des types reconnus par l'interpréteur du logiciel (ex. des réels pour des nombres avec décimales). 

]]> 1.0000000 0.3333333 0 1 Votre réponse est correcte. Votre réponse est partiellement correcte. Votre réponse est incorrecte. interprétable 1 utilisable 1 de la 1 sous la 1 modalités 1 valeurs 1 Normalisation 1 La normalisation est un processus de pré-traitement des données qui consiste à [[1]] des variables numériques pour qu’elles soient [[2]] sur une échelle commune. Il s’agit soit de comparer différentes variables sur une même échelle, soit de [[3]] différentes observations sur une même grandeur. Dans le cas où nous souhaiterions rendre l’échelle de différentes variables numériques comparable, il est possible d’utiliser une [[4]] qui transformera les valeurs de la variable en valeurs comprises entre 0 et 1.

L’utilisation de données [[5]] plutôt que de données [[6]] est d’ailleurs une des erreurs les plus courantes dans des visualisations destinées à comparer des valeurs, comme par exemple les cartes choroplèthes, les diagrammes à barres ou les séries temporelles.

]]> 1.0000000 0.3333333 0 1 Votre réponse est correcte. Votre réponse est partiellement correcte. Votre réponse est incorrecte. redimensionner 1 comparables 1 rapporter 1 formule 1 brutes 1 normalisées 1