节气可视化
二十四节气和七十二候是我国古代为了显示季节的变化和指导农事生产对阴历的补充，不仅在我国影响深远，甚至还东渐日本，至今沿用。
推主@SonjaKuijpers 创作的可视化使用以下布局展示了二十四节气和七十二候，每种候均以一个物候现象相应，称“候应”。七十二候“候应”的依次变化，反映了一年中物候和气候变化的一般情况。
—— @顾己(esora)
图可视化告诉你疫情预防和检测有多重要
周末看了一些流行病学的文章以及疫情防控的手段，感觉自己毕竟不是专业人士所以给没有很好的去理解一些概念。对于缺乏专业知识的人来说，很难有效地去理解，为什么我们目前的防疫手段能够有效的进行防疫。但是目前可以肯定的是，国内的主要防疫手段对于各种流行病的传播都有很好的防控能力。所以我根据搜索到的一些统计学数据，加上国内主流的一些防疫手段，试图在一个三百多人的模拟人群中，复现突然出现一个感染者后，感染变化的情况。
佩戴口罩可以降低百分之 40 到 70 的风险，按时合理地进行消毒（包括公共消毒以及个人卫生）也可以从一定程度上降低暴露者的感染几率。此外，根据实际情况，我们可以采用发病时隔离、检测后隔离和输入后立即隔离这几种方式来提前截断疫情的传播。简而言之，降低风险和加强检测都是有重大的意义的。
（Powered by G2Plot & G6）
红酒与数学
对公众来说，预测模型可能是高深莫测的，很多人或许会想到复杂的数学方程。而提到红酒时，人们的感受或许就截然不同了。在这个作品中，作者将打破两者的鸿沟，通过可视化的方式帮助大家一步步地建立统计模型，尝试通过参数来预测红酒的品质。
这里的模型将红酒拆解为糖、酸，还有酒精等理化性质。用小孩如何在父母的帮助下识别小动物种类讲起，帮助读者理解基础的监督学习。接着，从线性回归开始逐步递进，讲到逻辑斯蒂回归和随机森林。通过可视化的视图，读者可以很快理解这些算法的效果。
最后，通过可交互的可视化视图，帮助读者理解最终构建出的模型效果。
整篇文章读起来简单有趣，很适合用来入门机器学习。
—— @珂甫(pddpd)
美国各州人种分布
该可视化展示了美国各州的人种分布比例。下图中每个方块代表了美国的一个州，方框中各个颜色的面积代表了人种的占比。浅黄色代表白种人，浅蓝色代表黑种人，橘黄色代表西班牙裔，土黄色代表亚洲人，深蓝色代表混血人种，红色代表印第安人或阿拉斯加原住民，绿色代表夏威夷原住民。可以发现相较于美国其他部分，东南部城市中黑种人比例会更高。而在加州、新墨西哥州，西班牙裔占了较大比例。夏威夷州的亚洲人比例最高。
—— @十吾(shiwu-5wap2)
🦇蝙蝠与🦠病毒爆发的关系
病毒源自蝙蝠的关系
科学家们长期以来一直怀疑，新的传染病的发生率可能会加快，特别是在人与动物的互动增加的发展中国家。环境的变化正在促使流离失所的动物物种进入新的生境，使它们能够与其他物种或潜在的宿主混合。这些变化，再加上人们深入森林，与动物之间的互动增多，增加了病毒跳跃物种进行传播的机会。
这种外溢，当一个物种中的病原体可能开始在另一个物种中循环，并可能创造一种新的疾病——例如 COVID-19。与许多以这种方式传入的传染性病毒一样，这次疫情据信是从蝙蝠开始的。数据显示，该新型冠状病毒已知的最接近亲属是在马蹄蝠身上发现的一种病毒。
人畜共患的疾病，即由病原体引起的、在动物和人之间传播的疾病。这可能是个问题，因为人类的免疫系统还没有进化到能够对抗这种入侵的程度。宿主物种尽管携带病原体，但往往不表现出任何症状，因为宿主和病菌往往相互适应。然而，当这些病原体、病毒、细菌或其他致病微生物从动物跳到人类身上时，其影响可能是毁灭性的。
蝙蝠被认为是导致 COVID-19 的 SARS-CoV-2 病毒的原始宿主，因此再次被推到了聚光灯下。分子研究表明，蝙蝠是许多其他病毒的天然宿主，其中一些病毒已经导致了疾病的爆发。
过去许多致命的病毒都源于蝙蝠，包括西非爆发的致命的埃博拉病毒。全球卫生和传染病专家称，同样由蝙蝠携带的尼帕病毒已经在南亚和东南亚地区造成了人类疫情，并具有 “严重的流行潜力”。冠状病毒家族还包括严重急性呼吸道综合征（SARS）和中东呼吸道综合征（MERS）等疾病。科学家们发现，SARS 和 MERS 是由源自蝙蝠的病毒引起的，其他动物则是中间宿主。
为什么是蝙蝠而不是其他动物
蝙蝠是一种会飞的哺乳动物，据世界自然保护联盟统计，它一共有 20 个科 1300 多种。它们约占所有哺乳动物种类的 20%。除北极、南极和少数海洋岛屿外，世界各地都有它们的踪迹。蝙蝠最早出现在大约 5000 万年前的化石记录中，是地球历史上第三组飞行脊椎动物，是仅次于翼龙和鸟类的飞行爬行动物。
唯一一个接近体内藏有如此多病毒的群体是啮齿类动物，它们是哺乳动物中最多样化的群体。啮齿类动物约有 2300 种，分属 33 个科，约占所有哺乳动物的 40%。啮齿类动物藏有更多的病毒，但蝙蝠每个物种藏有更多的病毒。
科学家们认为，这两个群体的多样性是推动病毒多样性的可能机制，因为物种数量越多，就能为病毒创造更多潜在的生存空间。有些蝙蝠在森林中栖息，而有些蝙蝠则在洞穴中栖息。大多数蝙蝠吃昆虫，如甲虫、蛾子和蚊子。有些蝙蝠吃水果、花蜜、种子和花粉，而其他蝙蝠则吃小动物，如鸟、鱼、青蛙和蜥蜴。少数蝙蝠吃血。最小的蝙蝠是基蒂的猪鼻蝙蝠，约3厘米（1.2英寸），最大的蝙蝠被称为飞狐，可以长到45厘米（18英寸）左右。
研究表明，即使与啮齿类动物相比，蝙蝠在寄生人畜共患病毒方面也是独一无二的。因为蝙蝠每个物种寄生的人畜共患病毒比啮齿类动物多。以下是一些可能因素：
寿命长
除了多样性之外，蝙蝠适合作为病毒宿主的其他特征包括它们的体型和寿命。就其体型而言，蝙蝠的寿命相对较长，这使得病毒更容易持续存在，慢性感染也比较常见。
群体迁徙+冬眠
当分布范围大的蝙蝠物种迁徙或利用季节性栖息地冬眠时，就会增加接触病原体的可能性。此外，一些蝙蝠物种的成员共同生活在大型社区中，在洞穴等地点有近距离的聚落。
会飞行
蝙蝠是唯一能进行动力飞行的哺乳动物。飞行对能量和新陈代谢的需求很高，导致蝙蝠的体温升高，这与人类在免疫反应过程中出现的发热效应类似。这意味着它们携带的一些病毒已经适应了更高的温度，如果被感染，对其他动物来说可能是个坏消息。
蝙蝠并非只有病毒
蝙蝠提供许多有益的生态系统服务。一些蝙蝠在植物授粉和种子传播等方面发挥着重要作用。蝙蝠可以为 500 多种植物授粉，包括鳄梨、香蕉、枣和芒果。
在东南亚，榴莲是价值很高的作物，蝙蝠可以有效地进行授粉。从这个意义上说，蝙蝠对经济发展有重要帮助。有些蝙蝠还可以在传播种子和促进森林生长方面发挥关键作用。食虫蝙蝠还是昆虫的天然生物控制者，在夜间消耗数百万只昆虫，包括一些主要的农作物害虫。
保护蝙蝠 拒绝食用野生动物
60 个国家的 200 多个蝙蝠物种（约15%）被认为受到灭绝的威胁，20 多个物种处于极度濒危状态。此外，据记载，最近有 8 种蝙蝠物种已经灭绝。蝙蝠数量减少不是一个区域性问题，而是一个全球性问题。有近 250 个蝙蝠物种被归类为 “数据不足”（约19%），与其他一般哺乳动物（约13%）或鸟类（约1%）相比，比例相对较高，这表明我们对许多蝙蝠物种的了解甚至不足以评估它们的状态。
栖息地丧失、气候变化和野生动物贸易等威胁是导致生物多样性大规模丧失的全球性现象。例如，澳大利亚和南亚有数万只蝙蝠因极端热浪而死亡。此外，蝙蝠也会被用来作为食物或传统医药原材料。据记录，约有 170 种蝙蝠被猎杀。由于体型较大，过去的果蝠受狩猎的影响特别大，该科约有一半的物种被猎杀。
原作者 Julia Janicki and Simon Scarr 插图 Catherine Tai 额外工作 Marco Hernandez 编辑 Will Dunham 数据源 The IUCN Red List of Threatened Species Data; AnAge: The animal longevity database; Research papers, Fleming et al. (2009), Turmelle et Olival (2009), Luis et al. (2013), O’Shea et al. (2014), Voigt & Kingston (2016), Hayman (2016), Frick et al. (2020), Gorbunova et al. (2020), Letko et al. (2020).
地理空间网络可视化-把关联数据带到真实世界
典型的地理空间图可以描述各种资源在不同地理位置之间的流动或者描述不同的关联事件在多个地理位置之间的发生情况。例如：航空网络、航运网络、人口迁徙网络、事件调查网络等。
我们可以再看个真实案例，这是代表典型保险欺诈索赔的数据模型。人们与保单息息相关，保单上有索赔，索赔涉及车辆，证人，维修店和损坏报告。
当尝试在网络图上绘制此信息时，会遇到挑战。图数据库中的大多数数据没有地理空间信息。保险案件-保单所有者和维修店的地址-没有彼此直接链接。但是当我们将关联数据中的地理位置信息叠加到地图上，则刚好展示了人们修好受损汽车的过程。
只有在我们进行了这种可视化建模之后（从原始关联数据过渡到地图上的可视化模型），我们才能快速发现异常。大多数人（紫色）前往最近的修理厂（绿色）修理汽车。但是有些人特意去一个维修店，并且距离很远（红色链接）。这只是在找最好的修车厂吗？还是我们应该调查他们是否欺诈性地夸大了索赔？
在真实的数据分析中，还有一些情况需要结合时间维度、地理空间维度与关联关系维度进行分析。
“POLE”模型（人员，对象，位置和事件）广泛用于警察调查中，并提供了一种结构化的方法来分类，存储和连接与事件有关的信息。 例如：一辆汽车在新泽西州被盗，然后在曼哈顿再次被发现，据报有近两起抢劫案。随后，该车辆被抛弃在第二起抢劫案的西北部，附近发现了一把武器。交互式时间轴工具显示这一切都发生在 6 月 18 日凌晨 4 点至 10 点之间。
接下来，让我们添加一些手机数据，看看我们的嫌疑人在抢劫期间是否与任何人通信。可以看到犯罪嫌疑人在凌晨 6 点左右发生的四个犯罪嫌疑人打来的电话，在 7-11 点抢劫之后。
通过与时空数据结合的网络可视化进行交互，将来自不同来源的数据进行分层，调查人员可以回答“who，what，where，when”的问题，从而简化了复杂的场景以揭示感兴趣的人和调查对象。这也使确定案件中最相关和可发现的信息变得更加容易，从而有助于实现定罪的总体目标。
—— @聚则(moyee-bzn)
若有收获，就点个赞吧
0 人点赞
