ShowYourStripes

这两天 twitter 上关于可视化最火的标签可能就是#ShowYourStripes了。英国雷丁大学的气候学家 Ed Hawkins 制作了一个非常简洁的可视化作品来证明全球变暖。他将某个选定地区在过去 100 年内每年的平均气温做成一条带颜色的柱子，气温越高颜色越偏红。将 100 条柱子按照时间顺序平行排列为条码图，直观的表现了某一地区的气候变化。
比如下面是英国牛津郡从 1814 年来的每年平均气温变化。
Screen Shot 2019-06-22 at 10.34.47 AM.png
各地网友纷纷晒出了自己地区的气候变化，比如里士满：

加州：

更有一些媒体参与，制作了更丰富的信息：

我也尝试着制作了一张中国的气温变化条码图：

这是中国从 1901-2018 年的年平均气温变化情况。（数据来源于 Berkeley Earth）
几乎所有图片都直观证明了全球气温变暖的事实，并且对于民众来说非常有冲击力。在特朗普退出巴黎气候协议之后，这份可视化作品让美国民众重新思考环境问题。可以说这是数据可视化四两拨千斤的一个表现案例了。
感兴趣的朋友可以自己尝试访问网站 https://showyourstripes.info/ 来制作气温条码图。
by @步茗Neo(neowang)

蚊子出没

夏日已来，少不了蚊虫叮咬，看一下相关蚊子的可视化，首先看一下中国天气网-江苏气象发布的蚊子预报：
蚊子.gif

原网址：https://mfs.jsweather.com.cn:8018/mfs-wx/
蚊子进入建筑的可视化
研究者们设计了一系列的实验，验证各种方案对蚊子的拦截作用，通过可视化展示蚊子如何进入和离开建筑，可以作为建筑防蚊的依据。

感兴趣的同学可以读一下原文，体会一下可视化在科学实验中的作用。
by @萧庆(xiaoqing)

Uber’s vis.gl brings glTF to geospatial data visualization

来自 Uber 技术团队的文章，原文发表在 Khronos® Group 官方博客上，可见是非常优秀的地理信息展示结合 WebGL 渲染技术的实践总结。
Uber 的可视化团队与 Uber Advanced Technology Group 合作开源了 AVS（Autonomous Visualization System），对于自动驾驶过程中收集的数据进行展示（DEMO 地址）。
屏幕快照 2019-06-21 上午11.35.36.png
AVS 系统对于不同类型数据采用丰富的可视化手段呈现：

地理可视化场景中常见的要素，例如线（行车路线）、立方体（行人、自行车）、marker、tooltip 等
三种相机（投影）模式切换：常规透视、第一人称（驾驶员视角）和自顶向下视角
HUD 指标卡（车速、轮胎朝向）
折线图展示加速度等指标变化趋势
3D PointCloud 展示 LIDAR 数据（行车过程中周围的环境）
glTF 格式的 3D 模型（汽车）展示
时间轴控制动画效果（行人、自行车、汽车行车路线）
展示实时摄像头画面

对于其中涉及到的渲染技术，尤其是地理可视化中的 3D 渲染技术，L7 可以借鉴丰富表达能力：

kepler.gl 中将散点图中的点替换成 glTF 格式的 3D 模型进行展示，例如小汽车模型（左图），在 deck.gl 中通过 SceneGraphLayer 🔗使用。之前我也写过一个的 glTF 渲染器（右图）知乎文章，从技术实现上并不是难事。

3D PointCloud 展示 LIDAR 数据，通常由飞机向地面发射激光收集物体高度数据。相比普通的静态高清图片，使用 PointCloud 展示交互性更强（例如可以 3D 旋转、配合 tooltip 等）「Coloring LIDAR - Build your own 3D map with LIDAR point clouds」🔗介绍了 Mapbox + deck.gl 的一个实例，包括了获取 LIDAR 数据及后续使用 QGIS 处理的过程在线DEMO。

Polygon 拉伸后的 3D 展示，用于展示城市楼宇信息。下图为 deck.gl v7.0 根据 GeoJSON 展示的曼哈顿，包括光照和阴影效果。值得一提的是 deck.gl 在常见的光源（平行光、点光源、环境光）之外还支持阳光（在平行光基础上改进，根据 UTC 时间改变方向）。

视角切换并同步地图底图。deck.gl 除了默认的 MapView 之外，还提供了第一人称、第三人称等视角 🔗以及各视角切换时平滑的插值动画。在 AVS 系统中就提供了切换到驾驶员第一人称视角的功能。

by @沧东(cangdong)

InfoNice：轻松创建信息图

CHI18的文章，提出了一种可视化设计工具InfoNice，使用户能够轻松地创建各种信息图。
信息图被广泛用于传达信息并有效地呈现数据，美观且令人印象深刻。但制作出富有表现力的信息图对普通用户来说并不容易。从图元开始搭建出准确的信息图对设计师来说过于繁琐，而借助于一些数据驱动的构建工具却需要一定的编程能力。
视觉修饰（visual embellishment）可以增强读者对信息的记忆、提供上下文以及标记数据，文章作者着眼于此，通过增加视觉修饰，来快速地将可视化图表转化为更有表达力的信息图。用户使用常用的可视化工具Power BI创建得到可视化图表后，通过InfoNice工具在上面修改图元，系统会保持模版原有的结构，数据驱动地将简单图元替换为用户设计的图元，生成信息图。用户可以方便地在数据探索和展示之间迭代。InfoNice提供的简单易用的界面和操作，使得没有设计背景的一般用户也可以绘制丰富的信息图。

使用InfoNice创作的信息图
论文：infonice.pdf 演讲视频：link
by @顾己(u210901)

A Day in the Life: Women and Men

这是一个描述男女一天中作息与差异性的可视化作品。作者采用了American Time Use Survey 的问卷数据，将每个人表现成一个圆，用颜色区分性别。蓝色代表女，橙色代表男。用圆的运动代表了人的作息状态变化。

by @青湳(qingnan)

The Largest Vocabulary In Hip Hop

该项目最初发布于2014年，最近更新于2019年01月，更新的内容包括歌词数据和另外75位艺人，如Lil Uzi Vert, Lil Yachty, Migos等。
它比较了嘻哈中一些最知名的艺人使用的独特单词的数量（就是塔希尔·亨普希尔曾经提出的定量抒情观点的一个例子）。该项目使用了每个艺人的歌曲中的前35000个歌词，35000个歌词包括3-5个录音室专辑和EP，如果艺人的歌词少于35000个，则使用了混合磁带，相当多的说唱歌手没有足够的官方资料。

从最初的版本开始，现在有一个明显的趋势，即新艺人的歌词中独特的单词较少。从下面这个图表中更容易看到，从他们发布专辑的日期计算，统计专辑中的词汇，突出显示每个艺人的主要年代中的独特单词。
#