1. 酒精消费

此可视化显示了 2001 年至 2018 年人均(人均)饮酒量最高的国家。有趣的是,这段时间的最高国家主要由东非和欧洲国家组成。

如果您想了解更多关于全球酒精消费的信息,请查看牛津关于全球酒精消费的报告

https://ourworldindata.org/alcohol-consumptio

以防万一您感兴趣,这种类型的数据可视化称为条形图竞赛。 我相信你已经在 YouTube 和 Reddit 上看到了很多这样的内容。 如果您想自己构建一个,这里有一个教程,您可以查看

https://towardsdatascience.com/step-by-step-tutorial-create-a-bar-chart-race-animation-da7d5fcd7079


2. 健康&财富的221年

通常少即是多,但这是我最喜欢的可视化,因为它以清晰的方式传达了如此多的信息,而且非常积极!

此可视化显示了每个国家的财富(人均 GDP)和健康(平均预期寿命)如何随时间变化。 圆圈的大小代表每个国家的人口,颜色代表每个国家所属的大陆。

看到我们作为一个物种走了多远真是太神奇了,是吧?

https://www.reddit.com/r/dataisbeautiful/comments/lmlrks/oc_our_health_and_wealth_over_221_years/


3. 地球光纤电缆网络 3D 地图

这个由 Tyler Morgan 创建的可视化是世界光缆网络的 3D 地图。 该网络用于传输电话信号、互联网通信和电视信号。

真正看到我们在全球范围内的相互联系是非常疯狂的,不是吗?

这是使用 rayrender 和 geojsonsf 包在 R 中创建的。 如果您想查看完整代码,可以在此处查看。

https://gist.github.com/tylermorganwall/b222fcebcac3de56a6e144d73d166322


4. 美国Covid病例增长

我不是特别喜欢花哨的数据可视化,因为它们通常不像简单的图形(如折线图)那样有效地传达信息。 但是,因为这个动画非常独特(而且有点令人不安),我觉得有必要将它添加到前 10 个可视化效果中。

虽然没有轴可以告诉我们绝对数字,但它是一个简洁的可视化,向我们展示了与 2020 年年初相比,COVID 病例数的增长速度。

这是使用 d3 创建的,完整代码可以在这里找到。

https://observablehq.com/@bagami/the-us-covid-syringe


5. 美国 COVID 等值线图

此可视化告诉我们,从 2020 年 2 月开始到 2021 年 10 月,美国的 COVID 病例是如何增长的。有趣的是,您可以清楚地看到这一时期 COVID 的“波浪”。

这种类型的可视化被称为等值线图,它在比较不同地区(州、国家、大陆等)的特定变量随着时间的推移非常强大。

如果你想学习如何用 Python 构建一个,我在这里写了一份创建 Choropleth 地图的分步指南。

https://towardsdatascience.com/visualizing-the-coronavirus-pandemic-with-choropleth-maps-7f30fccaecf5


6. 所有精神疾病的地图

此可视化显示了 DSM-5 中的每一种精神障碍,它代表精神障碍诊断和统计手册。 它是美国精神障碍的标准分类。 有 20 多个类别和数百种疾病,一旦您开始了解它,这种可视化可能会花费比您想象的更多的时间。

https://www.reddit.com/r/dataisbeautiful/comments/kugn7e/oc_every_mental_disorder_diagnosis_in_the_dsm5/

https://webcache.googleusercontent.com/search?q=cache:LY74prf8a0gJ:https://www.psychiatry.org/File%2520Library/Psychiatrists/Practice/DSM/APA_DSM-5-Contents.pdf+&cd=1&hl=en&ct=clnk&gl=us&client=safari


7. 我们的塑料去哪儿了?

该动画展示了塑料的生命周期,以及其中大部分的结束位置。 可悲的是,很明显,我们没有像我们应该回收的那样回收尽可能多的塑料,惊人的 60% 最终被填埋或进入海洋。

这种类型的可视化是一个动画桑基图,它类似于树图,因为它将数据分解为几个子组并按比例表示值。

如果您想学习如何在 Python 中构建 Sankey 图,请查看此链接。

https://towardsdatascience.com/sankey-diagram-basics-with-pythons-plotly-7a13d557401a


8. 近60年来,Top 100 艺术家

最后,这个可视化显示了 Billboard 1960 年到 2020 年的前 100 位艺术家。我个人喜欢这个图表,因为它提供了很多信息:你可以看到顶级艺术家是谁,他们什么时候最流行,以及他们有多少歌曲 称霸排行榜!

你认识多少艺术家?


点击上方图片购买课程

了解课程

点击上方图片购买课程

点击进入详情页