Programmieren: Mit Python und Blender große Datenmengen visualisieren

Um den gigantischen Datenbergen etwas Sinnvolles abzuringen, braucht man exzellentes Schürfwerkzeug. Python und Blender sind geeignete Kandidaten.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht 1 Kommentar lesen
Lesezeit: 17 Min.
Von
  • Alexander Rahn
  • Eldar Sultanow
Inhaltsverzeichnis

Die Digitalisierung erzeugt sowohl im geschäftlichen als auch im privaten Bereich immer größere Datenmengen. Es wird immer schwieriger, die riesigen Anhäufungen chaotischer Informationsschnipsel zu analysieren, zusammenzuführen und zu interpretieren. Dieser Artikel zeigt, wie man sie mit Python verarbeitet und mit Blender aufbereitet. Python ist für seine Stärken in diesem Umfeld bekannt, und Blender gilt als De-facto-Standard für professionelle Visualisierungen im Open-Source-Bereich. Beispielsweise wurden die Pixar-Filme mit dieser Software erstellt.

Als Beispiel dient hier die Visualisierung der Corona-Fallzahlen. Die Johns Hopkins University in Baltimore, Maryland, stellt täglich CSV-Dateien dafür zur Verfügung (JHU CSSE COVID-19 Data).

Programmieren in Python

Angenommen, es liegt eine große Anzahl an Daten in Form von Tripeln {(x_1,y_1,z_1),(x_2,y_2,z_2)…} vor, beispielsweise Infektionszahlen zu unterschiedlichen Zeitpunkten in verschiedenen Ländern, die zunächst ihre Zusammenhänge nicht preisgeben. Weder Trends noch Maximal- und Minimalwerte sind zu erkennen. Und selbst wenn man diese Punkte etwa als Fläche im Raum visualisiert, ist es schwer, verlässliche Aussagen aus dem präsentierten Zahlenmaterial zu treffen. Sogenannte NURBS (Non-Uniform Rational B-Spline) konstruieren aus der Menge von Punkten eine geglättete Fläche, die einen Eindruck über die dreidimensionalen Bezüge vermitteln kann. Es ist so möglich, Trends, Berge, Täler, Wellenformen und andere Gebilde darzustellen.