{"id":3138,"date":"2026-04-27T22:55:44","date_gmt":"2026-04-27T20:55:44","guid":{"rendered":"https:\/\/emarkanalytics.com\/engine\/?p=3138"},"modified":"2026-06-02T21:28:25","modified_gmt":"2026-06-02T19:28:25","slug":"kreativne-vizualizacie-v-qlik-sense-density-plot","status":"publish","type":"post","link":"https:\/\/emarkanalytics.com\/sk\/kreativne-vizualizacie-v-qlik-sense-density-plot","title":{"rendered":"Kreat\u00edvne vizualiz\u00e1cie v Qlik Sense: Density plot"},"content":{"rendered":"

Existuje mnoho pr\u00edpadov pou\u017eitia, ktor\u00e9 vy\u017eaduj\u00fa ur\u010dit\u00fd typ porovnania. M\u00f4\u017eete by\u0165 po\u017eiadan\u00ed o porovnanie obchodn\u00edkov, oddelen\u00ed, kraj\u00edn, technol\u00f3gi\u00ed alebo dokonca druhov kvetov. Dnes budeme pou\u017e\u00edva\u0165 zn\u00e1my dataset kvetov Iris<\/a>. Na jednej strane sa c\u00edtim trochu previnilo za nedostatok kreativity pri v\u00fdbere datasetu, na druhej strane je dataset jednoduch\u00fd na stiahnutie, \u013eahko pochopite\u013en\u00fd a poskytuje pekne vyzeraj\u00faci hustotn\u00fd graf. D\u00e1ta si stiahnite tu<\/a>. CSV obsahuje 50 vzoriek 3 r\u00f4znych druhov kosatcov a atrib\u00faty: d\u013a\u017eka kali\u0161n\u00e9ho l\u00edstka, \u0161\u00edrka kali\u0161n\u00e9ho l\u00edstka, d\u013a\u017eka okvetn\u00e9ho l\u00edstka a \u0161\u00edrka okvetn\u00e9ho l\u00edstka v cm. Na\u010d\u00edtajte d\u00e1ta do Qlik Sense tak, aby bol v d\u00e1tovom modeli 1 st\u00f4l, nie s\u00fa potrebn\u00e9 \u017eiadne transform\u00e1cie. Pomenujte tabu\u013eku IrisData<\/strong>.<\/p>\n

Uk\u00e1\u017ete mi \u010d\u00edsla<\/h2>\n

Budeme porovn\u00e1va\u0165 d\u013a\u017eku kali\u0161n\u00e9ho l\u00edstka<\/strong> troch r\u00f4znych druhov. Prv\u00e1 vec, ktor\u00e1 mi napadne, je vypo\u010d\u00edta\u0165 priemer pre ka\u017ed\u00fd typ kosatca. Niekto by mohol namieta\u0165, \u017ee medi\u00e1n je lep\u0161ia vo\u013eba a pravdepodobne by mal pravdu. Ak chceme n\u00e1js\u0165 stred d\u00e1t, medi\u00e1n je zvy\u010dajne lep\u0161ia vo\u013eba. Urobme oboje: \"Priemery<\/p>\n

Teraz vieme, \u017ee najdlh\u0161ie kali\u0161n\u00e9 l\u00edstky patria versicolor, ale \u010do ak sa d\u013a\u017eky v\u00fdrazne l\u00ed\u0161ia v r\u00e1mci jednej kateg\u00f3rie kosatcov? \u010c\u00edm v\u00e4\u010d\u0161\u00ed je rozptyl, t\u00fdm menej v\u00fdznamn\u00e9 s\u00fa rozdiely v priemeroch. Ve\u013emi zn\u00e1mou mierou rozptylu je \u0161tandardn\u00e1 odch\u00fdlka:<\/p>\n

\"\u0160tandardn\u00e9<\/p>\n

Teraz vieme, \u017ee setosa m\u00e1 ove\u013ea men\u0161\u00ed rozptyl ne\u017e virginica. Poslednou ch\u00fdbaj\u00facou inform\u00e1ciou je tvar d\u00e1t.<\/p>\n

Vizualizujte rozdiely<\/h2>\n

S\u00fa d\u013a\u017eky asymetrick\u00e9 alebo symetrick\u00e9? Mo\u017eno je jedno rozdelenie \u0161picatej\u0161ie ne\u017e ostatn\u00e9 (mohli by sme tie\u017e vypo\u010d\u00edta\u0165 \u0161picatos\u0165, aby sme to zistili). Histogram by n\u00e1m to mohol poveda\u0165, ale nie som najv\u00e4\u010d\u0161\u00edm fan\u00fa\u0161ikom histogramu v Qlik Sense. Nech\u00e1pte ma zle. Qlik je skvel\u00fd BI n\u00e1stroj, ale jednoducho nie je navrhnut\u00fd ako \u0161tatistick\u00fd n\u00e1stroj. Najviac mi ch\u00fdbaj\u00fa nastavenia minim\u00e1lnych\/maxim\u00e1lnych hodn\u00f4t na osi x (nedostupn\u00e9 vo verzii November 2019 a star\u0161\u00edch), ktor\u00e9 by boli ve\u013emi u\u017eito\u010dn\u00e9 na porovnanie tvaru, stredov, asymetrie a \u0161picatosti. Ale zatia\u013e pracujme s t\u00fdm, \u010do m\u00e1me:<\/p>\n

\"Histogramy\"
Histogramy<\/figcaption><\/figure>\n

Neviem ako vy, ale tieto histogramy n\u00e1m priniesli len m\u00e1lo inform\u00e1ci\u00ed v porovnan\u00ed s potenci\u00e1lom tohto grafu. \u00c1no, existuj\u00fa rozdiely v tvaroch, ale ak\u00e9 ve\u013ek\u00e9 s\u00fa tieto rozdiely? Kv\u00f4li nedostatku nastaven\u00ed min\/max osi x n\u00e1m ch\u00fdbaj\u00fa inform\u00e1cie o rozdieloch v stredoch d\u00e1t a rozdieloch v rozptyle. Napr\u00edklad u\u017e zo \u0161tandardn\u00fdch odch\u00fdlok vieme, \u017ee setosa m\u00e1 najmen\u0161\u00ed rozptyl, ale vid\u00edte to tu? Ak sa nepozer\u00e1te na hodnoty osi x, mohli by ste \u013eahko predpoklada\u0165, \u017ee rozptyl v\u0161etk\u00fdch troch je rovnak\u00fd, a to by bolo \u010faleko od reality. Budeme musie\u0165 \u00eds\u0165 trochu hlb\u0161ie.<\/p>\n

Existuj\u00fa 2 pekn\u00e9 vizualiz\u00e1cie v Qlik Sense zobrazuj\u00face, kde sa d\u00e1ta nach\u00e1dzaj\u00fa a ak\u00fd ve\u013ek\u00fd je rozptyl v jednom obr\u00e1zku \u2013 distribu\u010dn\u00fd graf v\u013eavo a box plot vpravo. Ak ste majstrom box plotov, m\u00f4\u017eete tam trochu vidie\u0165 aj tvar.<\/p>\n

\"Distribu\u010dn\u00fd
Distribu\u010dn\u00fd a box plot graf<\/figcaption><\/figure>\n

Toto mi nesta\u010d\u00ed. Mus\u00ed existova\u0165 lep\u0161\u00ed sp\u00f4sob, ako vidie\u0165 v\u0161etko pekne v jednom jednoduchom obr\u00e1zku. Po\u010fme si pom\u00f4c\u0165 pomocou R<\/a> a vytvorme hustotn\u00fd graf v Qlik Sense.<\/p>\n

Pou\u017eite R na z\u00edskanie d\u00e1t hustotn\u00e9ho grafu<\/h2>\n

Pou\u017eijeme R na v\u00fdpo\u010det hodn\u00f4t hustoty. Ak sa chcete dozvedie\u0165 viac o hustotnej funkcii a ako funguje, pozrite sa sem<\/a>. Existuj\u00fa 2 sp\u00f4soby, ako pou\u017e\u00edva\u0165 R a Qlik Sense spolu. Bu\u010f ich ponech\u00e1te oddelen\u00e9 a na\u010d\u00edtate v\u00fdsledky z R do Qlik Sense ako ak\u00fdko\u013evek in\u00fd zdroj d\u00e1t, alebo pou\u017eijete SSE R-plugin<\/a> na odoslanie d\u00e1t, spustenie R skriptu a prijatie d\u00e1t priamo v Qlik Sense bez potreby extern\u00e9ho ulo\u017eenia v\u00fdsledkov. Nasleduj\u00face riadky m\u00f4\u017eete pou\u017ei\u0165, ak m\u00e1te Qlik Sense integrovan\u00fd s R cez plugin. S trochou znalost\u00ed R je mo\u017en\u00e9 skript jednoducho upravi\u0165 tak, aby be\u017eal v R mimo Qlik Sense.<\/p>\n

IrisDataDensity: Load * Extension R.ScriptEval( '# install.packages(tidyverse, repos=\"http:\/\/cran.us.r-project.org\"); \/\/ponechajte # ak u\u017e m\u00e1te tento bal\u00edk nain\u0161talovan\u00fd # install.packages(magrittr, repos=\"http:\/\/cran.us.r-project.org\"); \/\/ponechajte # ak u\u017e m\u00e1te tento bal\u00edk nain\u0161talovan\u00fd library(tidyverse); library(magrittr);\r\n\r\ndata <- as.data.frame.list(q);\r\n\r\ndata %<>%\r\npivot_wider(names_from = \"Species\", values_from = \"SepalLengthCm\") %>%\r\napply(2, density, na.rm=TRUE) %>%\r\nunlist(recursive=FALSE);<\/pre>\n
result <- as.data.frame( data[endsWith(names(data), \".x\")|endsWith(names(data), \".y\")]);<\/pre>\n
result %<>% mutate(DensID = row_number()) %>% select(DensID, everything()) %>% select(-c(\"Id.x\", \"Id.y\")) %>% pivot_longer(cols = -\"DensID\") %>% separate(col = name, into = c(\"Iris\", \"Species\", \"Coordinate\")) %>% mutate(Species = paste(Iris, Species, sep = \"-\")) %>% select(-Iris) %>% pivot_wider(names_from = \"Coordinate\", values_from = \"value\");',<\/pre>\n
IrisData{Id, SepalLengthCm, Species});<\/pre>\n
Skript prid\u00e1 nov\u00fa tabu\u013eku do n\u00e1\u0161ho d\u00e1tov\u00e9ho modelu:<\/p>\n
\"Hustotn\u00fd<\/p>\n
Vytvorte hustotn\u00fd graf<\/h2>\n
Ako z\u00e1klad pou\u017eijeme \u0161tandardn\u00fd \u010diarov\u00fd graf. Nastavte nasledovn\u00e9:<\/p>\n