最近因為美國平權運動的興起，所以在 R 中廣被做為示範案例的資料集 iris 有一些爭議。
因為蒐集整理 iris 的學者，在平權上有些爭議空間，所以有人提出其他的示範資料做為教學或練習資料視覺化使用。

好吧，直接上 code，一切就是這樣的簡單

# 因為這些企鵝資料並非是預設的資料集，所以要事先安裝一切哦
# install.packages("palmerpenguins")

library(palmerpenguins)

# Connect OK!

x <- connect(
  host = "111.asia-east1.gcp.elastic-cloud.com",
  path = "",
  user = "elastic",
  pwd = "111",
  port = 9243,
  transport_schema = "https"
)
 
docs_bulk(x, penguins, "df_penguins")

在這邊我特別在 index 的命名前面加上了前置詞 df_。一方面代表這是 data.frame 的資料結構，另一方面是為了等一下在網頁端上的指定設定時比較方便。

接下來讓我們到 Kibana 介面中，去尋找 "Use Elasticsearch data" : "Connect to your Elasticsearch index"。因為在上一個動作中，我們只是把資料給放到 ElasticSearch 中，這時候還沒有與 Kibana 進行連接。

然後點選 Canvas 中，再點選"Create workpad"

我會建議直接使用 Canvas；因為 Canvas 中有直接提供 XY 散布圖；如果是 Visualzaion 的選項中，我找不到類似XY 散布圖的選項。

新增一個新的元件，此處我們選擇 Bubble Chart

預設的資料源，是 Demo 資料，此處我們要改成我們自己的企鵝資料，所以要再點選 "ElasticSearch Docs"

接下來就是選擇欄位

設定 X 值 Y值 與顏色

此處要注意的一個小地方，因為這個範例資料集中，有一筆資料的企鵝的資料有空值。
也就是下圖中的最後一筆資料，而在上傳後，Kibana 直接將這空值視為 0。

所以有些人一開始畫出來的圖，可能長得像是這個樣子：
會發現因為左下角的一筆異常資料，導致整個圖形顯示異常

這時候，我們需要事先將這筆資料過濾掉：
所以我們需要在 Data 的 Advanced Setting 中再加上： body_mass_g :>0 ；

"今晚，我想要來點企鵝的資料視覺化" 的圖形就這樣生成囉

我覺得 Kibana 有多套視覺化的選項，容易造成初學者的試誤成本過高；不過在介面的設計上，的確是很簡潔有力。尤其是在過濾資料時，可以直接使用 "欄位:條件" 進行各種進階篩選。這會有利於在進行資料探索時的開發效率。

好囉~ 這就是第一張的 Kibana 。後續我會再試著再去繪製各種不同的圖形，來體會 ElasticSearch 團隊的設計理念。