11個超優美的數據可視化項目

Reddit 這真是個寶藏網站。它上面有很多話題節點，很多話題下都有豐富的內容。比如

除了這個節點，最近我又沉迷另一個 dataisbeautiful 的節點，上面有大量數據可視化的作品。不過，由於網站是全英文，加上訪問有些不穩定，估計大家看起來不大方便。所以我今天挑選最近看到的幾個不錯的可視化案例分享一下，都附了具體的鏈接供進一步瞭解。

這些案例大多兼具直觀和設計感，值得欣賞，同時也可以給想做數據可視化的同學一些啟發，學習別人的展示方式。除此之外，每個案例我都去找了相關的製作工具，如果你對其中某種效果感興趣，可以用其工具自行模仿練習。

1. Franchise Earnings Comparison Over 20 Years

20年系列電影票房收入

這是一個動態展示，可以點擊視頻觀看。漫威宇宙的增長勢頭一覽無餘。

數據：the-numbers.com、CPI計算器

工具：python: matplotlib

項目：https://github.com/itaidagan/FranchiseRevenueComparison

原文：https://www.reddit.com/r/dataisbeautiful/comments/bgf3ye/oc_franchise_earnings_comparison_over_20_years/

2. he average color of each frame of Game of Thrones season 8 episode 3

《權力的遊戲》第8季第3集每幀平均顏色

權遊最後一季廣為吐槽，其中關鍵的第3集更是暗到看不清。於是有人做了這麼一個統計，告訴你這一集到底有多“黑”。

工具：ffmpeg, python: PIL

項目：https://github.com/lint/avg-color-bar

原文：https://www.reddit.com/r/dataisbeautiful/comments/bjw7ct/the_average_color_of_each_frame_of_game_of/

3. How my salary of $11k per month is used in Seattle, WA, USA

在西雅圖我每月1萬1的工資是如何花銷的

這種圖叫做桑基圖（Sankey diagram），常用來表示流程或流量分佈。最近 Reddit 上很流行用此圖來可視化世界各地人民的工資消費情況。

工具：SankeyMATIC

原文：https://www.reddit.com/r/dataisbeautiful/comments/bpk5d7/how_my_salary_of_11k_per_month_is_used_in_seattle/

4. The Most Valuable Team

最有“價值”球隊

在體育運動中經常會評選最有價值球員，但這裡的最有“價值”球隊指的是資產最高的球隊。Top5這幾年都是這五支，其中美國職業橄欖球大聯盟的達拉斯牛仔隊已經連續三年第一。

數據：福布斯球隊價值排行

工具：Tableau

原文：https://www.reddit.com/r/dataisbeautiful/comments/btkihh/the_most_valuable_teams_oc/

5. Rafael Nadal’s French Open dominance

納達爾在法網中的優勢

對比有限幾項數值的不同常會用雷達圖。這裡展示了納達爾費德勒、德約科維奇在澳網、美網、法網、溫網中的相互戰績。

數據：維基百科

工具：D3.js

原文：https://www.reddit.com/r/dataisbeautiful/comments/bthez5/rafael_nadals_french_open_dominance_he_won_11_out/

6. 30 Years of the Music Industry, Visualised

音樂產業30年

以堆疊區域圖的形式展現唱片產業中不同媒介形式的興衰。從圖上可以看到CD曾經的輝煌和衰落。另外有意思的是黑膠唱片在近幾年有復興的趨勢。

數據：美國唱片業協會

工具：RAWGraphs、Excel

原文：https://www.reddit.com/r/dataisbeautiful/comments/ble5y7/30_years_of_the_music_industry_visualised_oc/

7. 4 years of texts between me and my long distance girlfriend throughout college

4年大學期間和異地女友的短信數據分析

一位異地戀的小哥，因為不認同女朋友說他總是發短信太少，居然做了一套短信分析系統，詳細分析了他們四年間互發短信的數量、時間、表情和用詞習慣等，並開放接口給大家使用。（前提是有個跟你互發消息的女朋友！）

工具：React(chart.js), Node/Express, Python

項目：https://leftonread.me

原文：https://www.reddit.com/r/dataisbeautiful/comments/biou3e/4_years_of_texts_between_me_and_my_long_distance/

8. Gaussian distribution

高斯分佈

高斯分佈就是我們常說的“正態分佈”。不過這裡的高斯分佈，是作者把高斯的畫像中的像素顏色分佈進行了動態可視化，類似PS等軟件中的顏色直方圖。

工具：anvaka.github.io/pixchart

項目：https://github.com/anvaka/gauss-distribution

原文：https://www.reddit.com/r/dataisbeautiful/comments/7ol3gy/gaussian_distribution_oc/

9. The City is Alive: The Population of Manhattan, Hour-by-Hour

城市是活的：紐約曼哈頓人口分時圖

這是一個三維可視化，把人口數、時間和地點三個維度的數據，綜合在一起展現了曼哈頓地區一週七天的人流變化。

數據：美國人口普查網站+地鐵站人流數據

工具：Python + QGIS，網頁版 Mapbox GL JS + D3.js

項目：https://github.com/citrusvanilla/manhattanpopulationexplorer

原文：https://www.reddit.com/r/dataisbeautiful/comments/8hys9k/the_city_is_alive_the_population_of_manhattan/

10. Cause of Death - Reality vs. Google vs. Media

死亡原因統計 - 現實 vs. 谷歌 vs. 媒體

這個圖表分三個部分，把對於同一個問題，不同渠道的關注點不同進行了關聯對比。現實中，大多數死因是心臟疾病和癌症，而谷歌上的數據，癌症獨高，媒體上報道最多的則是兇殺和恐怖襲擊。

數據：美國疾病控制與預防中心、谷歌、衛報和紐約時報

工具：Python 3.6, numpy, pandas, matplotlib, imageio

項目：https://github.com/aaronpenne/data_visualization/tree/master/cause_of_death

原文：https://www.reddit.com/r/dataisbeautiful/comments/8cwcbu/cause_of_death_reality_vs_google_vs_media_oc/

11. Heatmap of numbers found at the end of Reddit usernames

Reddit用戶名結尾數字熱力圖

這是對Reddit上的用戶名進行了統計，看看什麼樣的數字結尾被用的最多。一眼直觀就能看出：123、666、999，以及198~2017等數字都比較高。比較奇怪的是69、420也出奇的高，搜了下我才知道這和Reddit自身的黑話有關（具體就不便說了）。

數據：Kaggle: reddit-usernames

工具：python: matplotlib + seaborn

項目：https://github.com/colinmorris/reddit-username-suffixes

原文：https://www.reddit.com/r/dataisbeautiful/comments/7sewjx/heatmap_of_numbers_found_at_the_end_of_reddit/

以上僅僅是此節點上數據可視化案例的冰山一角，有興趣的同學也可以自己去挖掘。如果大家喜歡這些內容，下次我再抽空蒐羅些更有意思的過來。

轉自： Crossin的編程教室

原文鏈接：https://mp.weixin.qq.com/s/irTck07x6TIQs-jtb5CTBQ

關注一下，下次再來哦

閱讀更多 數據小鹽罐兒 的文章

關鍵字: 可視化技術 癌症 文章