- how world-cup players are connected">how world-cup players are connected
- Using Dashboard Networks to Visualize Multiple Patient Histories">Using Dashboard Networks to Visualize Multiple Patient Histories
- Frontex: EU’s Deportation Machine">Frontex: EU’s Deportation Machine
- 150 years of Nature: a data graphic charts our evolution">150 years of Nature: a data graphic charts our evolution
- 日本樱花是门大生意">日本樱花是门大生意
- 各国咖啡的得分">各国咖啡的得分
- 智能可视化方向工具
how world-cup players are connected
世界上最优秀的足球队员大多数都在欧洲足球俱乐部效力,而这些队员又可能属于不同的国家队。这个项目可以帮组你了解不同俱乐部和国家队队员的隶属关系
项目采用的布局方式兼顾了美观和可阅读性,有不少可以学习的地方。
by @镜曦(jingxi.lp)
Using Dashboard Networks to Visualize Multiple Patient Histories
学术论文优秀的比例还是不高的,这里介绍一篇针对医院患者的Dashboard可视分析研究,这篇文章个人认为比较失败。<br /> 为了解决医院针对特定患者的可视分析需求,论文作者提出了一种被称作Dashboard Network(DN)的概念,并且使用收集到的前列腺癌患者数据对这一概念进行了验证。<br /> DN的提出目的是解决多用户界面下多种发病属性同时展示的问题,显然,Dashboard可以很轻易的解决这类多X多Y同屏展示的问题。<br /> DN是一种密集型的Dashboard,如图所示:<br />![image.png](https://cdn.nlark.com/yuque/0/2020/png/244306/1594478623729-47b5c67b-064c-4d67-9cca-205e246ed40c.png#align=left&display=inline&height=378&margin=%5Bobject%20Object%5D&name=image.png&originHeight=756&originWidth=756&size=207648&status=done&style=none&width=378)
单个图表
时序图表
个人认为DN在设计上比较失败,图表有一定的混淆性,属性配置不明显且明显缺少Focus,颜色搭配上也极不专业,唯一的亮点是连续时序设计,总体而言设计比较缺少亮点。原文甚至还有更加难以描述的图表设计。<br /> 对于如此明显直接简单的问题,这篇论文(19年)之前的研究者从未考虑过应用这类技术,类似问题在工业界就更有可能采用最直接的方案。学术界对Dashboard及其他应用图表的研究一直非常落后且态度负面,工业界有了成功应用以后在学界才开花,个人认为这是工业界反推到学界甚至完全超越学界的典型案例。
by @龙朱
Frontex: EU’s Deportation Machine
大型驱逐机Frontex在过去十年中在欧洲得到了发展。每年都有大批航班将被驱逐出境者送回了家。作者将飞机的轨迹沿弧线(根据地球的曲率)向目的地移动。通过驱逐方向,地方被驱逐者人数,驱逐预算三个维度结合揭示了过去几年中这些驱逐飞行的巨大增长,并揭示Frontex现在可以使用的预算激增,以配合政治迫切要求返回的意愿。
by @缨缨
150 years of Nature: a data graphic charts our evolution
Natrue 杂志通过分析期刊中的数据,用图表展现了 1869 年创刊至今 150 年的发展历程,总共有 content、scientific focus、keywords、author list、gender split、by country、international collaborations 7 幅图表展示,1950年代后期,科学出版物的数量迅速增加(主要定义为信件和文章),然后随着编辑方式的变化而下降。早期的研究贡献在各个学科之间的分布更为平均,但是在过去的一个世纪中,生物医学科学的地位日益突出。多年来,作者列表不断增加,女性作者的比例和在《自然》杂志上刊登的国家数量也在增加。
以 keywords 为例,这幅图用连线图展示了 150 关键词从诸如太阳、水、地球等科学现象到更多是诸如基因、量子、受体这样更具体的内容,同时通过大小这个视觉通道可以看到细胞(cell)这个关键词不管从持续时间还是数量上很多;
by @羽熙
日本樱花是门大生意
只需短短几个星期,日本各地的樱花就会盛开,让粉红色和白色笼罩整个国家。樱花已成为日本对全球的最大吸引力之一,并且成为了日本经济的福音。日本关西大学的一项调研显示,估计在樱花盛开期间,有6300万人次在日本境内观赏樱花,在此过程中花费了约27亿美元。
在这篇数据新闻中,围绕樱花,对盛开时节、景点、外国访客来源和航班数据等信息进行了可视化呈现。粉白的视图和粉白的樱花,昭示着日本樱花是门大生意。
by @珂甫(pddpd)
各国咖啡的得分
智能可视化方向工具
Sweetviz
Python探索性数据分析(EDA)库,一行代码实现数据集可视化、比较与分析
Sweetviz - Visualize and compare datasets, target values and associations, with one line of code.
同样类型的工具还有之前分享过的 pandas-profiling。
darts
Python时序数据简易处理/可视化/预测包
darts - Time Series Made Easy in Python