Visualisera osäkerheten! Och bakom kulisserna på J++ mass-analys.

Visualisering

Visualisera osäkerhet
Statistikern Nathan Yau (FlowingData) går igenom olika sätt att visualisera osäkerhet i data. Flera decennier tillbaka brukade osäkerheten (konfidensintervallet) ritas ut med små lodräta streck på staplarna när opinionsundersökningar presenterades i svenska tidningar. Men det finns fler alternativ! (Bilden här ovanför kommer förresten från Gallups väljarattitydundersökning 1946.)
http://flowingdata.com/2018/01/08/visualizing-the-uncertainty-in-data

Visualisera förändring
I all sin enkelhet är pilarna New York Times använder för att visualisera förändring riktigt effektiva. I det här fallet i väljarstöd för Donald Trump:
https://www.nytimes.com/interactive/2018/01/11/us/politics/trump-approval.html

Nytt från J++

1 244 artiklar på en arbetsdag
Ökar eller minskar brottsligheten? När Brå släppte sin statistik över anmälda brott för 2017, lät vi vår nyhetstjänst Newsworthy analysera 20 år av statistik över anmälda brott i landets kommuner. Resultatet blev 1 244 lokala rapporter. Här beskriver Jens hur vi gjorde, och varför:
http://jplusplus.org/sv/blog/1244-lokala-nyheter-pa-2-personer-och-24-timmar/

Läs alla rapporter här: http://www.newsworthy.se/sv/report/crime/

Goodbye Excel, hello Pandas!
De senaste åren har vi på J++ mer eller mindre övergett Excel, till förmån för att Python och Pandas. I samband med NODA-konferensen i Stockholm ger vi en heldagsworkshop där vi introducerar vår metod.
http://jplusplus.org/sv/academy/goodbye-excel-hello-pandas/

Lär dig programmera med oss!
För er som är medlemmar i svenska Journalistförbundet är det dags att söka kompetensutvecklingsstipendium igen! Varför inte söka pengar för att gå J++ kurs i programmering för journalister i oktober?
Om kursen: http://jplusplus.org/sv/academy/programmering-for-journalister/
SJF:s stipendier: https://www.sjf.se/stipendier/stipendium-for-utbildning-och-kompetensutveckling

Verktyg

Översikt med Pandas
Pandas profiling är en Pythonmodul som automatiskt ger dig en statistisk sammanfattning av din data, när du jobbar i Pandas. Finns det variabler som korrelerar med varandra? Saknas det många värden i någon kolumn? Och så vidare. Här är ett exempel:
http://nbviewer.jupyter.org/github/JosPolfliet/pandas-profiling/blob/master/examples/meteorites.ipynb

Lediga jobb

Datajournalist till The Guardian
The Guardian söker en datajournalist till London. Sista ansökningsdag nu på fredag:
https://gnm.taleo.net/careersection/in/jobdetail.ftl?job=KIN00018M