世界上航空母舰的可视化

可视化过程就是将数据映射到视觉通道的过程，我们来看一张非常简单的可视化作品，世界上航空母舰的可视化：

这张图上通过图片形象的可视化出世界上所有航空母舰的所属，同时通过形状、大小、数量、机位的展示表现了大量的细节，依靠传统的图表达不到这种效果。
中美海军实力对比的视频也很精彩，仅贴出美军的海军的可视化：

这个视频上还有大量精彩的对中美海军实例的可视化：https://www.youtube.com/watch?v=429Pu5342I4

How to visualize very large networks and still uncover insight

大数据量的可视化本身就挺复杂的了，不信看下面👇

20000 个节点，20000 条边。

尽管功能强大的布局在突出显示整个图结构方面做到很好，但是我们从这个图中很难获得有价值的洞察，这个图也展示了可视化非常大的图时存在的四个挑战：

• Limited pixels
• Limited human brainpower
• Graph hairball
• Limited computer processing

KeyLines 通过两种方式来解决上面的问题：降低图密度和显示部分图。
降低图密度：

• 汇总数据；
• 简化数据模型；
• 合并节点。

显示部分图：

• 图过滤；
• 社交网络中心衡量。

See How the World’s Most Polluted Air Compares With Your City’s

• 2015 年，全球室外颗粒物污染导致约 420 万人死亡，其中大部分集中在东亚和南亚。这种细微的污染主要来自燃烧的物体，比如发电厂中的煤炭、汽车中的汽油、工业过程中的化学物质或木质材料，以及在野火时会燃烧的任何其他物质。我们日常最熟悉的颗粒污染物就是 PM 2.5。通过呼吸道系统，它们会对人类健康造成严重破坏，数百万人因此患上哮喘等呼吸类和肺部疾病，并增加心脏病发作和中风的风险。并且研究还表明，PM 2.5 还与儿童的发育问题和老年人的认知障碍以及早产和低出生体重有关。
• 纽约时报根据过去一年中全球细颗粒物污染的分布情况，制作了一张可视化地图，涉及到了 2019 年的美国的加州大火、中国北方的沙尘暴、俄罗斯的西伯利亚山火、印度的季风性污染、南美洲的农业焚烧等事件。

• 从中我们可以看出，当今发展中国家和新兴工业化地区遇到的颗粒污染最严重。但是，即使是在减少此类污染方面取得了长足进步的高收入发达经济体，也仍在为其空气质量而苦苦挣扎。在世界上空气最洁净的美国，细颗粒物在 2015 年仍导致 88,000 人过早死亡，使得这种污染比糖尿病和流感更加致命。
• 另外，纽约时报还提供了不同城市的对比功能，颜色越深，柱形越高，代表细颗粒物污染情况越严重。以 杭州 vs 旧金山 为例:

迪士尼动画中情侣年龄可视化

大部分男大女小，岁数差距最大的竟然是白雪公主和七个小矮人中的白雪公主（14岁）和王子（31岁），还被标注了 creepy and illegal（变态&不合法，hhh）。也有出现女大男小的情况，比如人猿泰山、美食总动员、大力士中的情侣。

咖啡的数据可视化

咖啡的数据可视化；
这个可视化项目展示了Dunne Frankowski咖啡店在咖啡到达咖啡屋之前的运送的过程。数据基于一年的时间跨度，生产线的速度代表运输时间，而两种不同的形状则代表咖啡农和咖啡烘焙商。每条彩色线代表采购的咖啡豆的种类以及每种品种的季节性相关性。

大量的咖啡烘焙炉都位于靠近咖啡屋的地方。为了增强和充分利用有限的空间，项目设计了一个地球的极地投影，以显示农民，焙烧炉和咖啡店之间的地理距离

制作可视化遵循的一些约定和规则

The unspoken rules of visualisation
文章介绍了在制作可视化需要遵循的一些约定和规则，制作者在制作图表应该默认使用这些约定规则，阅读者也使用这些约定规则来阅读图表，如果忽视这些规则约定，阅读者可能很难理解图表所需要表达的故事；文章并对各项约定和规则在不同常用图形下用实例对比说明，摘取其中两个：
饼图：左侧饼图遵循规则，1)使用合理的切片数量，超过部分自动合并其他、2)切片按大到小排序、3)其他切片放置在最后、4)将最大的切片放在垂直上半径并按顺时针方向放置其他切片、5)仅在颜色代表数据时才使用不同颜色，这里仅使用浅色来代表其他切片

散点图：左侧散点图遵循规则，1)自变量放置在X轴，因变量在Y轴、2)添加回归线

当今世界的语言状况

当今时间语音状况；