
CDA數(shù)據(jù)分析師 出品
編譯:Mika
我們不斷在創(chuàng)造著大量的數(shù)據(jù)。據(jù)估計(jì),僅在2020年我們就產(chǎn)生了驚人的59澤字節(jié)的數(shù)據(jù)。
隨著如此多的信息四處傳播,數(shù)據(jù)分析已經(jīng)成為一個(gè)不可或缺的專業(yè)領(lǐng)域,這并不令人驚訝。
而這其中的一個(gè)關(guān)鍵部分就是數(shù)據(jù)可視化。
用圖表表示數(shù)據(jù),能夠使我們發(fā)現(xiàn)新的見(jiàn)解,進(jìn)行高層次的分析,并以清晰、簡(jiǎn)潔的方式傳達(dá)我們的發(fā)現(xiàn),同時(shí)這還是一種藝術(shù)形式。
在本文中,我們將列舉出2021年度那些令人驚艷的可視化作品與你分享。
如前所述,人類在2020年創(chuàng)造了大約59澤字節(jié)的數(shù)據(jù)。要知道,人類在2010年代中期創(chuàng)造的數(shù)據(jù)才達(dá)到1澤字節(jié),這是一個(gè)令人難以置信的數(shù)量。隨著世界范圍內(nèi)數(shù)字化連接趨勢(shì)越來(lái)于強(qiáng),我們的數(shù)據(jù)生產(chǎn)速度只會(huì)更快。
1澤字節(jié)相當(dāng)于六億個(gè)字節(jié),到底是個(gè)什么概念呢?不妨看看下圖。
(來(lái)源:The Guardian / Cisco)
上述可視化無(wú)疑使我們更容易理解1澤字節(jié)到底有多么龐大,這就是數(shù)據(jù)可視化的力量。
隨著我們產(chǎn)生的數(shù)據(jù)量不斷增長(zhǎng),需要更復(fù)雜的可視化技術(shù)來(lái)理解它。一種越來(lái)越流行的數(shù)據(jù)形式是網(wǎng)絡(luò)圖,這讓我們繪制許多不同點(diǎn)或節(jié)點(diǎn)之間的關(guān)系。對(duì)于描繪可視化中出現(xiàn)的連接或群體,網(wǎng)絡(luò)圖是非常不錯(cuò)的選擇。
(來(lái)源: Kirill Benzi )
這個(gè)醒目的網(wǎng)絡(luò)圖不僅僅是一張漂亮的圖片。它追蹤了《星球大戰(zhàn)》宇宙中的2萬(wàn)多個(gè)角色之間的聯(lián)系。每個(gè)角色都由一個(gè)節(jié)點(diǎn)代表。
其中紅色代表力量的黑暗面;藍(lán)色代表光明面;黃色表示罪犯和賞金獵人??偣灿谐^(guò)66,000個(gè)連接,這恰恰顯示了網(wǎng)絡(luò)圖可以有多么強(qiáng)大。
隨著智能手機(jī)能追蹤人們的行動(dòng),標(biāo)記位置的數(shù)據(jù)正迅速成為一種普遍現(xiàn)象。這在新冠疫情期間被證明特別重要,因?yàn)楦鲊?guó)爭(zhēng)先恐后地跟蹤和追查潛在的感染鏈。在這個(gè)例子中,數(shù)據(jù)可視化軟件供應(yīng)商Tectonix向我們展示了特定位置數(shù)據(jù)地圖的潛力。
(來(lái)源:YouTube / Tectonix GEO )
這個(gè)可視化圖顯示了2020年春假期間在佛羅里達(dá)州收集的手機(jī)定位數(shù)據(jù)。每個(gè)手機(jī)信號(hào)都由一個(gè)紅色節(jié)點(diǎn)代表。紅色節(jié)點(diǎn)表示有很多人在享受春假。藍(lán)色強(qiáng)調(diào)的區(qū)域是勞德代爾堡的一個(gè)海灘。
(來(lái)源:New York Times / Tectonix GEO )
通過(guò)追蹤該海灘上的每個(gè)節(jié)點(diǎn),Tectonix顯示了春假結(jié)束時(shí)個(gè)人旅行的確切地點(diǎn)。因此,我們可以很容易地看到來(lái)自該海灘的個(gè)人可能已經(jīng)傳播新冠疫情的距離和范圍。
雖然有些可視化使用3D元素來(lái)增加一點(diǎn)亮點(diǎn),但最好的可視化是充分地利用三維空間。位于英國(guó)的數(shù)據(jù)分析公司Automatic Knowledge Ltd.的創(chuàng)始人Alasdair Rae在這一可視化過(guò)程中完美地說(shuō)明了這一點(diǎn)。
(來(lái)源:Alisdair Rae / statsmapsnpix.com )
利用歐盟免費(fèi)提供的GHS_POP數(shù)據(jù),這些圖片顯示了整個(gè)歐洲的人口密度。該地圖被分解成1公里×1公里的方塊,條形高度代表了生活在每個(gè)地區(qū)的人口數(shù)量。除了提供引人注目的效果圖外,我們還可以一目了然地看到哪里是人口最密集的地區(qū)。例如,巴黎、倫敦、馬德里和羅馬都脫穎而出。
如果沒(méi)有與數(shù)據(jù)分析相關(guān)的主題,那么這篇文章是不完整的。
考慮到這一點(diǎn),下面這個(gè)圖表就通過(guò)氣泡圖和循環(huán)網(wǎng)絡(luò)圖顯示了在CRAN上300個(gè)包中使用的流行編程語(yǔ)言。
(來(lái)源: Dr Torsten Sprenger / GitHub )
通過(guò)從TIOBE指數(shù)(衡量編程語(yǔ)言的流行程度)中獲得的數(shù)據(jù),這個(gè)可視化顯示了哪些CRAN軟件包是用哪些語(yǔ)言創(chuàng)建的。其中R排在首位,其次是C和C++。不太流行的語(yǔ)言用小圓圈表示。每個(gè)圓圈的大小與制作軟件包所用的代碼行數(shù)成正比。
好的數(shù)據(jù)可視化不需要太過(guò)華麗。
如果數(shù)據(jù)可能被用來(lái)幫助政府政策或決策,那么表述清晰是至關(guān)重要的。而折線圖就是能清晰、簡(jiǎn)單地繪制時(shí)間序列數(shù)據(jù)的一個(gè)優(yōu)秀工具。
(來(lái)源:UNEP GRID )
這張線圖追蹤了從1880年到2010年代末的全球表面溫度。重要的是,它包括來(lái)自四個(gè)不同來(lái)源的數(shù)據(jù)。NASA、NOAA、日本氣象局和MetOffice。通過(guò)疊加這四個(gè)來(lái)源的數(shù)據(jù),不難注意到當(dāng)中的密切相關(guān)性,它們均顯示了在過(guò)去200年里全球表面溫度在不斷上升。
可視化不應(yīng)該為了互動(dòng)而互動(dòng)。然而,互動(dòng)性也可以改變我們看待數(shù)據(jù)的方式。Gov | DNA是一個(gè)獲獎(jiǎng)的在線互動(dòng)網(wǎng)絡(luò)工具,探討了世界各國(guó)政府?dāng)?shù)據(jù)。
(來(lái)源:Werner Helmich )
該工具將每個(gè)國(guó)家表現(xiàn)為一個(gè)氣泡,讓你通過(guò)點(diǎn)擊按鈕來(lái)比較不同的國(guó)家。例如,你可以根據(jù)就業(yè)、預(yù)期壽命、新聞自由和腐敗等變量追蹤每個(gè)國(guó)家的世界幸福指數(shù)。
流圖是一種面積圖,通常用于比較時(shí)間序列數(shù)據(jù)。雖然并不總是適合進(jìn)行深入分析,但它們非常適合提供廣泛的概述。
(來(lái)源:Talia Bronshtein / insightfulinteraction.com )
由數(shù)據(jù)記者Talia Bronshtein創(chuàng)作的這幅美麗的流程圖描繪了200多年(1820年至2015年)來(lái)美國(guó)不同移民的國(guó)籍。
從中,我們可以看到,在二戰(zhàn)期間(1939-1945年),美國(guó)的移民幾乎停止了。還可以看到,二戰(zhàn)前的大多數(shù)移民來(lái)自?shī)W匈帝國(guó)、意大利和俄羅斯等國(guó);到21世紀(jì)末,大部分移民來(lái)自亞洲和南美國(guó)家。
數(shù)據(jù)可視化不僅僅是用于數(shù)據(jù)分析,可以是一種藝術(shù)形式。
2010年,藝術(shù)家Janet Echelman被委托創(chuàng)作一個(gè)圖,代表西半球35個(gè)國(guó)家的相互聯(lián)系。那一年,智利發(fā)生了大地震。這一事件的震級(jí)如此之大,以至于引發(fā)了一場(chǎng)巨大的海嘯,使地球的一天縮短了1.26微秒。
(來(lái)源:NOAA / PMEL / Center for Tsunami Research )
這張圖片顯示了由美國(guó)國(guó)家海洋和大氣管理局(NOAA)模擬的地震引起的海嘯的熱圖。Janet Echelman以此為靈感創(chuàng)作了她的雕塑,她用不同顏色的繩子懸掛在一個(gè)輕巧的框架上。
(來(lái)源:Janet Echelman )
隨后的雕塑名為1.26,這也證明了據(jù)分析可以和任何藝術(shù)領(lǐng)域一樣具有創(chuàng)造性。
2021,知名大數(shù)據(jù)網(wǎng)站FiveThirtyEight用精美的數(shù)據(jù)可視化講述了關(guān)于新冠疫情、政治局勢(shì)和體育界的故事。
這里我們列舉了當(dāng)中一些非常驚艷的可視化作品分享給大家。
新冠
美國(guó)不愿意接種疫苗人群數(shù)據(jù)
大多數(shù)未接種疫苗的美國(guó)人認(rèn)為疫苗的風(fēng)險(xiǎn)比感染新冠更大
白人孩子最不害怕新冠
政治
加州的罷免程序比大多數(shù)州都容易
通貨膨脹率上升給美國(guó)總統(tǒng)的支持率帶來(lái)影響
重新劃分選區(qū)的最新情況
科學(xué)
美國(guó)大型城市引領(lǐng)可再生能源的發(fā)展
美國(guó)各地的高溫,西部地區(qū)的火災(zāi)和干旱情況
15年調(diào)整平均值和記錄的大西洋盆地颶風(fēng)數(shù)據(jù),1851-2019
東京奧運(yùn)會(huì)
沒(méi)有人能接近博爾特最佳時(shí)期的成績(jī)
奧林匹克運(yùn)動(dòng)會(huì)競(jìng)賽項(xiàng)目年表1896-2020年
輪椅運(yùn)動(dòng)員在長(zhǎng)跑中更能展現(xiàn)出優(yōu)勢(shì)
體育
世界象棋桂冠爭(zhēng)奪賽
更快并不一定意味著更好
金州勇士隊(duì)保持明星陣容
Matt Araiza的賽場(chǎng)罰球數(shù)據(jù)
LeBron James三分球數(shù)據(jù)
Patrick Mahomes 輕松投出長(zhǎng)球
參考鏈接:
https://careerfoundry.com/en/blog/data-analytics/data-visualization-examples/
https://fivethirtyeight.com/features/our-51-best-and-weirdest-charts-of-2021/
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10