- 冰与火之歌最终季口碑滑铁卢可视化
- 当 Fashion 遇到可视化">当 Fashion 遇到可视化
- Making the NYC Subway User-Friendly Through Effective Visuals">Making the NYC Subway User-Friendly Through Effective Visuals
- Github 图可视化">Github 图可视化
- 七种引人注目的地图可视化人类的足迹">七种引人注目的地图可视化人类的足迹
- Standust:基于 GPU 的可视化(WebGL)库">Standust:基于 GPU 的可视化(WebGL)库
- potrace 算法">potrace 算法
冰与火之歌最终季口碑滑铁卢可视化
冰与火之歌最终季遭遇口碑滑铁卢,各大媒体都纷纷进行了可视化展示报道,比如纽约时报的: Is the Last Season of ‘Game of Thrones’ Bad? We Charted Fans’ Ratings,以及经济学人的 How unprecedented is the decline of “Game of Thrones”?
如果将冰与火之歌每一集的 imdb 评分映射出来,明显可以看出最终季与以往的评分相差很大。以下是纽约时报的可视化作品:
以下是同一份数据,经济学人的可视化作品:
两张图都很好的展示出了最后一季与前面几季评分上的巨大差异。纽约时报的图表更写实的体现了每一集的评分,并且列出了评分最高的几个单集。而经济学人将单集评分以散点的形式展示,每一季拟合出了一条平滑曲线,更关注趋势变化。唯一感觉不足的地方就是散点以两种颜色展示,并且没有相关图例,让人很困惑。我仔细看了其余几张图猜测这只是想区分每一季的评分点而已。。感觉有清晰的网格划分,以及最后一集的区域高亮,这个有点没必要。
by @青湳(qingnan)
当 Fashion 遇到可视化
来自Pudding的作品,研究时尚和肤色之间的关系。搜集了19年以来的《VOGUE》杂志封面,识别面部并裁剪图片,进行皮肤识别,提取颜色和亮度值,人工校准数据后进行颜色分析,并将数据的整体趋势和特殊值分析转化为可视化图表,并将最终结论落脚到社会问题的反思与批判。比较值得一提的是,pudding将整个链路,从思考到数据的搜集和处理都当做了故事的一部分,使故事本身更加有可信度和说服力。
by @sakuya(liuye-szvim)
Making the NYC Subway User-Friendly Through Effective Visuals
曾经的地铁线路图也承担着地图的功能,因此左图(1939年)中甚至可以看到一些醒目的地标。
右图(1972年)从今天的眼光来看其实是很好的设计,牺牲了地理位置的精确性,将观者的注意力集中在点到点上。但是当时很多人并不买账:
They saw it as a misrepresentation of their city. Tourists struggled to relate Vignelli’s design to what they found above ground. After much pressure, the MTA replaced the Vignelli diagrammatic map with a geographical one in 1979.
文中还结合 Storytelling with Data 介绍了地铁路线图中为了高效传达信息使用的一些可视化原则。
by @沧东(cangdong)
Github 图可视化
用KeyLines图可视化工具分析过去10天内Github仓库Neo4j的代码提交情况,能够让我们看到一些传统数据可视化工具发现不了的洞见。首先图建模,每个代码贡献者和文件都是图上的节点,如果贡献者修改文件,在贡献者和文件这两个节点之间有一条边。同时对边的颜色进行视觉映射。如果是对文件添加行,那么边的颜色是绿色;如果是删除行,那么边的颜色是红色;如果添加的行数与删除的行数相等,边的颜色是黄色。因为代码提交都有时间,所以通过KeyLines的Time bar,可以看到关系图随着时间的演化情况。
从关系图上首先可以看到哪些是重要文件(经常被修改的文件),以及是谁在修改:
其次还可以发现团队的结构,比如Java团队修改Java文件,Scala团队修改Scala文件,前端团队修改JavaScript文件:
最后还可以发现团队成员时间随着时间变化,从独立开发,走向合作开发(修改同一个文件):
by @长哲(changzhe)
七种引人注目的地图可视化人类的足迹
在很短的时间内,人类改变了地球的面貌。事实上,我们的影响是如此深远,以至于科学家已经宣布了人类时代的曙光,或人类影响的时代。从许多不同的角度看待这个人类的足迹。 以下是我们发现最有趣的一些内容:
- 人类脚印、人口密度图、城市群、船舶航线、飞机航线、海底光缆、世界道路
Standust:基于 GPU 的可视化(WebGL)库
potrace 算法
从位图勾勒矢量图轮廓的算法,步骤如上图所示,首先从位图处理得到黑白图片,所有黑色像素边界得到多个多边形。然后合并多边形并优化,调整边、检测边界点(转折点),并平滑化。最后转化成曲线并优化,得到最终结果。这个算法运行效率非常高,可以用在很多场景里。位图转矢量图、字体锐化、渲染优化等等。它是03年的算法,其效果比它的前辈好很多,尤其是边界检测方面(下图中间是 AutoTrace 算法的结果,右边是 potrace 的结果)。感兴趣的同学可以看看这篇论文: http://potrace.sourceforge.net/potrace.pdf
by @绝云(leungwensen)