data-visualization

Create effective data visualizations with Python (matplotlib, seaborn, plotly). Use when building charts, choosing the right chart type for a dataset, creating publication-quality figures, or applying design principles like accessibility and color theory.

1. Zdefiniuj swoje dane i określ, jaką relację chcesz pokazać – czy to trend w czasie, porównanie kategorii, rozkład wartości, czy korelację między zmiennymi. 2. Skonsultuj się z przewodnikiem wyboru wykresu: dla trendu w czasie użyj wykresu liniowego, dla porównania kategorii – słupkowego, dla rankingu – poziomego słupka, dla części całości – wykresu skumulowanego. 3. Unikaj pułapek projektowych: nie używaj wykresów kołowych (ludzie źle porównują kąty), nigdy nie twórz wykresów 3D (zniekształcają percepcję) i unikaj osi podwójnej (wprowadza zamieszanie). 4. Napisz kod wizualizacji używając wybranej biblioteki (matplotlib do prostych wykresów, seaborn do statystycznych, plotly do interaktywnych). 5. Zastosuj zasady dostępności: wybierz palety kolorów dostępne dla osób z daltonizmem, dodaj wyraźne etykiety osi i legendę, upewnij się że kontrast tekstu jest wystarczający. 6. Przejrzyj wynik – sprawdź czy wykres jasno komunikuje zamierzoną wiadomość i czy wszystkie elementy są czytelne.