- G6 小 tips">上手 G6 小 tips
- Introduction to AntV">Introduction to AntV
- A Model of Breast Cancer Causation">A Model of Breast Cancer Causation
- ChartIO: a visual version of SQL">ChartIO: a visual version of SQL
- 七种地图可视化最佳实践">七种地图可视化最佳实践
- Five steps to tackle big graph data visualization">Five steps to tackle big graph data visualization
- 冠状病毒:为何你必须马上行动 - 政治家,社区及商业领袖:你该在何时做何事?
上手 G6 小 tips
AntV G6 是一款开源的图可视化与分析引擎,专注于关系数据。 GitHub:https://github.com/antvis/G6
使用 G6 绘制一个力导向图需要分几步?
第一,引依赖;第二,引数据;第三,建容器与配置图;第四,渲染图。使用 G6 自定义一个复杂的树图需要分几步?
第一,引依赖;第二,引数据;第三,自定义节点,第四,建容器与配置图;第五,渲染图。
Introduction to AntV
@步茗Neo(neowang) 写了一篇介绍 AntV 的文章发到 Observable,里面还提供了 AntV 各个产品的经典 demo。
欢迎各位关心 AntV 的朋友帮忙点赞顶帖。有 Github 账号就能直接登录。感谢大家!
如果有不了解 Observable 的同学:这是一个由 d3 作者创办的 可视化 notebook 社区网站,上面有很多可视化高手和各种 demo,推荐大家使用。
Medium 文章同步:https://medium.com/antv/introduction-to-antv-af599f4e7e22
A Model of Breast Cancer Causation
一个分析乳腺癌发病因素关系的模型。
在研究乳腺癌的原因时,科学家通常一次只关注一个因素,但实际上需要同时考虑许多因素。该模型说明了许多可能导致乳腺癌的因素,以及它们之间相互作用。这个项目主要想要表达引起乳腺癌的复杂性,并为人们理解这种复杂性和刺激新的科学研究提供了一种工具。
项目提供了影响因素有关三个级别(强,中,弱)的关系强度和三个级别(高,中,低)的数据质量的文献证据两个分析维度,每个因素均与乳腺癌相关。
这个项目是极坐标弧长链接图 的一个变种,G2中提供了这个关系图表。https://g2.antv.vision/zh/examples/relation/relation#arc-polar
by @镜曦(jingxi.lp)
ChartIO: a visual version of SQL
ChartIO将拖拽式可视表格编辑器与统计图表结合在一起,构建出强大的可视SQL数据语言分析器。在表格与图表的融合方面做得非常出色。
整个工作流分为Pipeline, chart preview, result table三个部分,其中pipeline模块允许用户通过定义一系列action对数据查询结果进行操作,包括数据透视、列排序等等,这些action可以被灵活的调换执行顺序,带来极大的灵活性。感觉有点像Jupyter Notebook,非常有趣。
by @米法
七种地图可视化最佳实践
- 选择合适的颜色
- 色盲友好的色板
- 避免过多颜色分类:5-7种最常见
- 适当地可视化数据:某些数据图表比地图更适合。
- 避免数据出现地理失真:在大多数情况下,百分比比原始计数更有意义
- 地图应该讲清楚清楚的故事:避免提供过多的信息。
- 多种比例设计:考虑您的交互式地图在用户可以查看的任何地方的外观。
Five steps to tackle big graph data visualization
了解海量的图数据需要同时具备两个条件:强大的图数据库及强大的图可视化引擎。
人力的记忆是有限的,通常短时间内可以记住 4-7 件事,这就对了构建图可视化产品提出了挑战:如何将海量数据呈现给用户,如何找到数据之间最重要的模式和关系?
海量图数据可视化的挑战
Step 1:后端过滤:~1,000,000+ 节点
试图可视化所有的图数据是没有意义的,我们应该尽可能早地消除数据噪音,使用数据库查询过滤是一种非常有效的方法。
Step 2:后端聚合:~1,000,00+ 节点
一旦使用了过滤,就应该考虑聚合:进行数据清理以删除重复和错误数据;数据建模,消除不必要的混乱。
通过简单的聚合,可以将上万节点减少到几千。
Step 3:创建一个巧妙的视觉模型:~10,000 – 1,000 节点
到目前为止,我们已经将数据减少到了数千个,这就是可视化真正发挥作用的时候。
- Step 4:过滤、合并和修剪:~1,000 节点
使用节点组合的方式对节点和边进行分组,在不删除数据的情况下提供更清晰的视图。
Step 5:执行布局:~100 节点
冠状病毒:为何你必须马上行动 - 政治家,社区及商业领袖:你该在何时做何事?
来自 medium 超高赞文章:https://medium.com/@tomaspueyo/coronavirus-act-today-or-people-will-die-f4d3d9cd99ca,一周内超过 3500W 的浏览量。中文版:「冠状病毒:为何你必须马上行动 - 政治家,社区及商业领袖:你该在何时做何事?」文中包含大量的图标、数据和模型,其中最复杂的一张表:
- 橙色条显示的是湖北省官宣的每日新增确诊病例数:当天多少人被确诊。
- 灰色条显示的则是真实的每日冠状病毒新增病例。中国疾病预防控制中心通过在诊断过程中询问患者症状开始时间来取得这些信息。
- 可见封城前存在大量官方未知而后续确诊病例,封城后控制效果显著。
作者以此模型估计当前法国等地的真实感染人数。