GitHub 代码活动地球
GitHub 首页用地理可视化展示了整个站点的代码活动,用户 Pull Request 的 open 和 merge 行为都被实时显示在上面。点击流向线和柱形,可以直接跳转到对应的仓库去。在地球的北极,还可以看到一个小旗,那是将会被冰封千年的 GitHub 北极代码库。
by @珂甫(pddpd)
都铎时期英国邮件通讯网络
都铎时期英国政府维持着一个横跨全球的通信网络。这张图汇集了英国国家文件档案中连接20,424人的123,850封信件,时间从亨利八世登基到伊丽莎白一世去世(1509-1603)。在这个页面上,我们可以看到所有从两个或两个以上的人发送或接收信件的人,按时间顺序从左到右排列。
访问量最大的网站
在当今的互联网上,少数巨头拥有无与伦比的统治地位。该可视化作品从SameWeb抽取数据(截至2020年11月),展示了世界上访问量最大的50个网站。
前三个网站的总访问量达到每月1,520亿次,超过了剩下的47个网站的总和:
- 谷歌:925亿
- YouTube:346亿
- Facebook:255亿
50个网站中,美国仍然是主要参与者(27个),但只有少数公司拥有这些站点的绝大部分,微软占据了7个。中国拥有五个顶级网站:百度(#7),QQ(#34),Bilibili(#42),TikTok(#43)和AliExpress(#47)。
by @顾己(esora)
抗议真的有效吗
在过去的三十年中,全球各地的抗议活动显着增加。自 1990 年以来,公民的抵制和分歧不仅被全球范围内的经济、社会、政治变化推动,而且在提出要求时也得到了国家的响应。大量抗议者走上街头,是因为他们认为执政党和政治领导人没有效率。自从柏林墙倒塌以来,估计都有超过 2 亿人参加抗议活动,尽管时光流逝,人们仍然缺乏满足感。下面可视化中,抗议活动主要由两个指标倡议(抗议次数)和参与度(参与者人数)来描述。黄色点代表平民,红色点代表极端分子,蓝色点代表移民和难民,紫色点代表非政府组织,绿色点代表政权和它们的支持者,蓝色点代表工人和雇佣者。
Rath: 自动化数据可视化探索分析工具
对于一个复杂或者陌生的数据集,探索数据可能伴随非常高的人力成本,分析人员往往要进行大量的尝试,满满摸索数据中的线索。如下图,以Kaggle上的Kelper数据集为例,对数据集不熟悉的分析人员首次分析时可能无从下手。
借助Rath,则可以快速自动化的协助你分析,帮你找到一些潜在的分析线索,方便后续的研究。
案例链接:https://www.yuque.com/docs/share/3f32e044-3530-4ebe-9b01-287bfbdb7ce0?# 《Tutorial: 使用Rath快速获取数据洞察》
Rath是一款自动化的可视化分析应用,它可以理解你的数据并在其中找到各种有趣的发现。Rath主要包含数据的自动化探索分析和可视化推荐两大部分:前者会尝试找到数据中的潜在关系、规律、异常等问题;后者针对前者在数据中的发现,推荐合适的可视化表达。
Rath在数据探索分析上,和其他自动化探索系统相比,优势在于性能。其根据数据中的统计关联关系作为线索,进行启发式的搜索,使探索过程被大大加速,对于复杂的数据集优势更为明显。
Rath在可视化推荐上,没有使用具体的图表类型的概念,而是基于视觉表达效率的最优化算法,直接推荐出图形语法的声明。这使得Rath的可视化推荐可以不限维度度量的数量,以及没有可视化类型的限制,可以推荐出各种自由的图表。
除此之外,Rath还可以进行图表解读,从数据集一键生成可交互的可视化报表、进行传统的类tableau的自助分析、以及数据解读和关联线索发现。
- 使用教程:Tutorial: 使用Rath快速获取数据洞察
- 产品地址:https://ch-rath.oss-ap-northeast-1.aliyuncs.com/
- Github地址:https://github.com/Kanaries/Rath
by @陈浩
对网络图(network)的处理
我们常用网络/网状图展示数据之间相互关系,但可以通过一些技巧把简单的网络图变成了更好的形式。
转换成流程图/数据流(flow)**
比较复杂难以看清的 network 变成了清晰易查找的 flow。
这个图非常好的展示了从一个国家移民到另一个国家,上面的截图就是人们移居到加拿大的情况,可以看到中国(CH)移民到加拿大的还是比较多的。
转化成圈形的网络图(network)
为什么要做出圈形呢?因为圈形可以使得连线集中在圈内部,而且可以减少数据交叉。通过交互设计,可以使得连线无交叉。
这个图是对中国的侨款分析,也就是中国移民所寄回祖国中国的钱数。可以看出:排除香港地区,美国是最大的来源。