- Mistakes, we’ve drawn a few">Mistakes, we’ve drawn a few
- 物理理论交互地图">物理理论交互地图
- A new kind of map: it’s about time">A new kind of map: it’s about time
- 美国学生债务数据可视化">美国学生债务数据可视化
- Patterns in Nobel Nomination">Patterns in Nobel Nomination
- Showing Seeds in America">Showing Seeds in America
- 王者荣耀英雄关系可视化">王者荣耀英雄关系可视化
Mistakes, we’ve drawn a few
一个作者总结了以前经济学人在做数据可视化图表时犯过的错 「Mistakes, we’ve drawn a few」。作者表示尽管对于每一张图,他们都尽量准确的以最能支持故事表达的方式来可视化数据,但是有时候也会犯错。错误可分为三大类:
- 误导性图表:
- 由于坐标轴数据定义而被迫截断图形导致看不出真正的趋势。
- 选择错误的可视化图表: Francis Gagnon规则:若折线图的起点不为零,应在下方留出至少 33% 的空白区域。
- 模糊的图表:下面左边的图表数据差异很大。贸易逆差的值是负数,制造业就业数全是正值。将这些数据结合在一个图表里就不合理,拆分出来后其实关系仍然很明显。
- 未能说明问题的图表:包含了太多信息。这个图表中包含了太多种颜色,并且每种颜色占比都很小,有些颜色很难与其他颜色做区分。
by @青湳(qingnan)
物理理论交互地图
这张可视化交互地图汇集了当前基础物理最前沿的问题及有望解决这些问题的理论,在其中我们能够看到暗物质、宇宙大爆炸、黑洞信息悖论等即使物理学素人也会感兴趣的课题。每个细分问题的布局及空间是由该问题在物理学中的重要性进行加权决定的。
整张地图分为三个信息层级,全局视角、每种领域的细分视角及每个理论的独立视角。在独立视角中,每个理论会在全局内找到其他与之相关的其他理论,进行连线,从局部视角出发,展现理论物理的大图景。
by @sakuya(liuye-szvim)
A new kind of map: it’s about time
来自 Mapbox 在 medium 上的一篇文章「A new kind of map: it’s about time」。虽然是两年前的文章了,但是其中介绍的从现实生活中发现需求到解决问题的思路很值得借鉴。现实生活中存在这样的“距离场”,从中心点出发,标注出由近及远不同时间内可以到达的范围:
Mapbox 结合 Foursquare API 最终实现了下图效果,展示了各个时间圈内包含的地标,点击地标立即切换成路线图。很好的兼顾了对于时间和地理空间信息的展示效果:
by @沧东(cangdong)
美国学生债务数据可视化
超过4400万美国人欠学生债务总额1.5万亿美元,使其成为国家资产负债表中的第二大负债。对外上一代人来说,学生的债务相对稀少,但对于今天的学生和刚毕业的学生来说,这是我们不太了解的经济生活的核心事实。通过可视化学生债务正在改变这一点。下面的地图显示了大学的借款如何影响国家,城市,甚至邻居,从而为学生债务与经济不平等的关系提供了新的视角。
目前来看国内也是这个趋势,倡导提前消费的趋势下,中青年的负债率越来越高,各种类似借呗,花呗的的产品越来越来多。如果拿国内数据做个类似的可视化获取有更多的发现。
by @ThinkGIS(xiaofengcanyue)
Patterns in Nobel Nomination
北京大学袁晓如老师团队制作的 IEEE PacificVis Storytelling 比赛可视化作品,见链接。
诺贝尔奖提名有一套复杂的规则,有些有威望的提名人可以在同一年为不同的奖项提名。这份作品试图解读诺奖提名的规则,推导幕后的推手。
by @步茗Neo(neowang)
Showing Seeds in America
根据研究地球在过去40年中失去了三分之一的耕地!这可能对全球粮食需求产生巨大影响。美国是世界上最大的耕地农业国,有1.7445亿公顷土地用于耕种作物,这比印度多出约1500万公顷。那么美国的是怎样的?农场如何分布在各地?这份可视化旨在让读者在美国的可耕农场中获得更多的启发。
by @乌诺(wunuo)
王者荣耀英雄关系可视化
这是王者荣耀游戏内部的一个 h5 页面,用来展示游戏角色之间的关系和故事。这个布局显然是经过定制的我注意到一个很有意思的处理:为了让当前选定的角色视觉上居中,并且与他关联的角色分布比较均衡,每次布局其实都会过滤掉部分边之后进行类似于力导的处理。布局完毕再把其他不影响“当前关系层级”的边加回来。这个处理让我想起九色鹿当时的流量图,从图构建出最小生成树之后,先对树进行布局,然后再把剩余边补全回来。基于业务场景的图布局往往都有这种类似的“展示数据和布局数据分离”的处理,以期达到最贴合场景的效果。
by @萧庆(xiaoqing)