चार्ट मेकर
डेटा पेस्ट करके बॉक्स प्लॉट, हिस्टोग्राम, स्कैटर प्लॉट, पैरेटो चार्ट वगैरह बनाएं, फिर इमेज के रूप में सेव करें
टूल लोड हो रहा है…
स्प्रेडशीट का डेटा पेस्ट करके बॉक्स प्लॉट, हिस्टोग्राम, स्कैटर प्लॉट, लाइन, बार, पैरेटो चार्ट या नॉर्मल प्रोबेबिलिटी प्लॉट बनाएं, फिर उसे PNG या SVG के रूप में सेव करें।
इस्तेमाल का तरीका
- स्प्रेडशीट से कॉलम कॉपी करें और उन्हें "डेटा" में पेस्ट करें। अगर पहली पंक्ति टेक्स्ट है, तो उसे कॉलम के नाम के रूप में इस्तेमाल किया जाता है।
- "चार्ट का प्रकार" चुनें और उसके लिए ज़रूरी कॉलम चुनें, जैसे "X कॉलम" और "Y कॉलम"।
- "माध्य दिखाएं" या "ट्रेंड लाइन" जैसे विकल्प चालू करें, और "शीर्षक, अक्ष और रंग" में शीर्षक, अक्षों की रेंज और रंग बदलें।
- "PNG सेव करें (2× रेज़ोल्यूशन)" या "SVG सेव करें" दबाएं।
यह कैसे काम करता है
- बॉक्स प्लॉट की व्हिस्कर इंटरक्वार्टाइल रेंज (IQR) के 1.5 गुना तक जाती हैं; उससे आगे के मान आउटलायर बिंदुओं के रूप में दिखाए जाते हैं।
- हिस्टोग्राम के लिए "ऑटोमैटिक" बिन Freedman–Diaconis और Sturges नियमों में से वह इस्तेमाल करते हैं जो ज़्यादा बिन देता है। स्कैटर प्लॉट की ट्रेंड लाइन न्यूनतम वर्ग वाली रेखा y = a + bx है।
- पैरेटो चार्ट सबसे बड़ी गिनती से शुरू करके घटते क्रम में बार बनाता है, साथ में संचयी प्रतिशत की लाइन होती है। अगर डेटा चार्ट के प्रकार से मेल नहीं खाता, तो पेज बताता है कि क्या चाहिए।
अक्सर पूछे जाने वाले सवाल
- स्प्रेडशीट डेटा से बॉक्स प्लॉट कैसे बनाएं?
- हर ग्रुप को उसके अपने कॉलम में रखें, उन्हें पेस्ट करें और "बॉक्स प्लॉट" चुनें। अगर किसी कॉलम में ग्रुप के नाम हैं, तो उसके मानों के हिसाब से बांटने के लिए "ग्रुप" का इस्तेमाल करें।
- पैरेटो चार्ट के लिए कौन सा डेटा चाहिए?
- श्रेणियों के नाम वाला एक टेक्स्ट कॉलम और गिनती का एक कॉलम, जैसे डिफ़ेक्ट का प्रकार और गिनती। गिनती न हो तो यह गिन सकता है कि हर नाम कितनी बार आया है।
- क्या स्कैटर प्लॉट में ट्रेंड लाइन और R² दिख सकते हैं?
- लाइन को उसके समीकरण और निर्धारण गुणांक के साथ दिखाने के लिए "ट्रेंड लाइन" और "समीकरण और R² दिखाएं" चालू करें। कम से कम 3 बिंदु चाहिए।
- नॉर्मल प्रोबेबिलिटी प्लॉट क्या दिखाता है?
- यह देखकर जांचने का तरीका है कि डेटा नॉर्मल वितरण का पालन करता है या नहीं। बिंदु सीधी रेखा के जितने करीब होते हैं, डेटा नॉर्मल के उतना ही करीब होता है।