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。
图可视化知多少——文氏图
若有收获，就点个赞吧
0 人点赞
