- 淹没在塑料中">淹没在塑料中
- 单元可视化
- 秘密 7 - 离婚中的假想理由">秘密 7 - 离婚中的假想理由
- Ward:简单易用的服务器监控工具">Ward:简单易用的服务器监控工具
- 美国各州新冠病例发展趋势">美国各州新冠病例发展趋势
- 珊瑚和鱼
- Github 用户画像
- 消失的森林">消失的森林
- WFP-VAM 数据可视化平台
- 可视化自动生成系统 Draco">可视化自动生成系统 Draco
- 数据可视化美国春天越来越早的原因
">数据可视化美国春天越来越早的原因 - 爱丁堡自行车骑行路线">爱丁堡自行车骑行路线
- 数字图书馆可视化 CODE ATLANTICUS
">数字图书馆可视化 CODE ATLANTICUS
- Origraph: Interactive Network Wrangling">Origraph: Interactive Network Wrangling
淹没在塑料中
全世界每分钟会有近一百万个塑料瓶被卖出。在过去的50年里,激增的塑料对我们的生存环境造成了恶劣的影响。如果我们一直收集这些废弃塑料瓶,将它们堆积起来,会是什么样的呢?
每小时产生的塑料堆积起来是这样的:
每天产生的塑料堆积起来是这样的:
过去4年产生的塑料堆积起来是这样的:
参天的塑料山让人类制造的摩天大楼也相形见绌。不得不说,塑料的回收、循环和再利用是我们每一个人的责任。
单元可视化
之前步茗提供的论文:
ATOM: A grammar for unit visualizations
ATOM DEMO: https://intuinno.github.io/unit/#/live
部分中文翻译:http://vis.pku.edu.cn/blog/atom_grammar/#more-9377
对于用户非常直观容易接受。
- 它的视觉映射方式非常直接,将每一个数据项映射到一个视觉元素,从而可以最小用户的认知与可视化之间的差距,减轻用户的认知负担
- 从认知角度,单元可视化能够维持数据单元与视觉元素的一致性,因此在动画过渡的过程中能够帮助用户追踪视觉元素
- 每一个数据项映射到一个视觉元素中,因此视觉元素可以保持原始数据的属性,从而符合用户对于数据的认知并且帮助用户构建心理认知模型
- 能够支持用户的多种交互,包括过滤,查询等等
另外 SandDance 有 VS Code 插件
https://medium.com/@sefaoguzsaglam/how-to-start-data-visualizing-with-microsofts-sanddance-for-beginners-abe5c0552750
秘密 7 - 离婚中的假想理由
Secret 7- Grounds for divorce visualisation
Infographic created for the Secret 7 project. A data visualisation of the Elbow’s Grounds for divorce.
Ward:简单易用的服务器监控工具
美国各州新冠病例发展趋势
珊瑚和鱼
https://knowledge.figshare.com/noaa/
互动探索太平洋中各岛随时间变化的珊瑚和鱼类数量。
这个项目很好利用数据的特点,还原出来采集数据所在岛屿的轮廓特征,并使用一个小工具让密集重叠的点和数据可以更好的展示。
Github 用户画像
消失的森林
基于目前的趋势针对2010-2050年的森林面积变化情况作出预测的可视化作品。绿色色带编码森林重建程度,紫色色带编码森林破坏程度。
WFP-VAM 数据可视化平台
https://dataviz.vam.wfp.org/seasonal_explorer/rainfall_vegetation/visualizations#
用于监控农业季节的表现。该系统将使用户能够评估当前和过去雨季的表现,比平常条件干燥或潮湿的时间和强度,以及对大多数国家和国家以下地区对植被状况的影响,比如如下图是中国-浙江-杭州的可视化展示页面。
- 地区选择,配合了地图进行筛选;
- 图表支持下载PNG图片,CSV数据;
可视化自动生成系统 Draco
给大家介绍前目前学术界最先进的可视化自动生成系统,Draco,发表自2019的可视化顶级会议VIS。
Draco是在D3和Vega Stack(Vega, Voyager, Vega-Lite)的基础之上开发的新一代自动可视化系统,Draco的核心目的是为用户实现自动的专业级可视化生成,与AVA有一定的相通之处。相对于过去的自动可视化系统(Voyager)而言,Draco实现了令人惊艳的自动化性能。
对于用户而言,Draco是一个Black Box,用户只需要输入数据集和规定的数据描述,Draco就可以为用户输出一个遵循设计准则的精美可视化结果。
Draco的核心是可视化标准建模,它通过将之前的研究者提出的数百条可视化准则转化为限制条件,在这些限制条件之内创造搜索空间,并在搜索空间中进行优化,最终将优化结果转化为Vega-Lite交互式语法输出,整个模型如下所示:
Draco的黑盒结构很简单,它将所有的限制条件分为两种,强制限制和偏好限制。强制限制是必须满足的标准,比如边不能交叉等。偏好限制是可选的限制标准,但是每条偏好限制会提供不同的负反馈(类似深度强化学习DRL),因此,所有的偏好限制可以构成一个非常大的可行求解空间,因此这个可视化过程转化成了计算机竞赛中的问答集问题(ASP,如汉诺塔),有很多种动态规划方法可以非暴力求解,求解方式不再赘述。因此Draco可以简单的获得偏好空间中的最优解。下面是一个简单的对一个三类数据展示数值和总计的例子,左边是未优化的结果,右边是最终优化后的两个输出图表:
数据可视化美国春天越来越早的原因
第一幅影像由覆盖美国地图的不同颜色的叶子组成。使用树叶表示数据是一种简单而美观的符号,可以有效地直观表示数据和故事。在美国大陆的大片土地上,春天实际上比过去几年来得早。
根据上月发布的NOAA国家气候报告,美国大部分地区的春季平均温度在2012年达到最高水平,而美国大部分地区的春季平均温度在过去7年中也达到了最高水平。
爱丁堡自行车骑行路线
(看起来 19 年底 20 年初丝毫没受到疫情影响,骑行范围反而更大了)
数字图书馆可视化 CODE ATLANTICUS![best-data-visualizations-2019-1-Codex-Atlanticus.GIF](/uploads/projects/mo-college@weekly/5436a59ee421c3b8fc7f295c67c9d0a9.gif)
一个很有意思的数字图书馆可视化项目,由意大利的可视化团队制作,以趣味交互的方式展示了达芬奇的大西洋古抄本中所有的手稿。
通过文献学的研究,将手稿分为五个主题:几何和代数; 物理学和自然科学; 工具和机器; 建筑与应用艺术;人文科学。每页的内容按与页面上讨论的主题成比例的部分显示,用五种不同的颜色以区分。
用户可以按照写作年份,数字顺序,主题三个粒度,自由组织整本图册,进行页面比较。
我认为数据可视化不光是用图表来展示数据,也是以数据为视角来看待世界,展示世界。逻辑性和交互性都需要兼顾。逻辑性能将数据本身以更加直观清晰的方式传达给观者,主要传达的是创作者本身的想法。而交互性则为观者提供了自己探索数据使用数据的方式。如何将抽象历史资料数字化,并以一种优雅的方式展示出来,这个项目提供了一个很好的思路。
Origraph: Interactive Network Wrangling
Data Wrangling是指包括数据清洗、数据集的合并和数据模型变换在内的数据整理操作。作者提出了一种可视化图数据建模&变换/编辑工具Origraph,支持从表格数据开始,通过关系建立等构建图数据模型,并可对数据模型进行可视化编辑。作者通过调研和实际经验,整理和总结了图数据整理过程中的任务和常用操作,很具有参考价值。可视化界面的设计,为从图数据的建模和编辑带来了方便,具有实际应用价值。
界面
从表格数据中发现和构建关系,从而得到图数据模型。支持对关系进行推荐:一对一匹配的关系有更高的分数。