数据是美丽的：11个可视化案例分享

Reddit 是美国的一个综合性论坛网站，网友戏称“美国贴吧”。我近发现，这真是个宝藏网站。

它上面有很多话题节点，很多话题下都有丰富的内容。比如 learnprogramming 节点下，有很多人分享学习编程的资源和经验讨论。我之前发过两篇文章《Crossin：我是如何在自学编程9个月后找到工作的》、《Crossin：如何保持学习编程的动力》都是翻译自此节点的文章。尽管国情不同，但在学编程这件事都是相通的。

除了这个节点，近我又沉迷另一个 dataisbeautiful 的节点，上面有大量数据可视化的作品。不过，由于网站是全英文，加上访问有些不稳定，估计大家看起来不大方便。所以我今天挑选近看到的几个不错的可视化案例分享一下，都附了具体的链接供进一步了解。

这些案例大多兼具直观和设计感，值得欣赏，同时也可以给想做数据可视化的同学一些启发，学习别人的展示方式。除此之外，每个案例我都去找了相关的制作工具，如果你对其中某种效果感兴趣，可以用其工具自行模仿练习。

1

20年系列电影票房收入https://www.zhihu.com/video/1118879004702167040

20年系列电影票房收入

这是一个动态展示，可以点击视频观看。漫威宇宙的增长势头一览无余。

数据：http://the-numbers.com、CPI计算器

工具：python: matplotlib

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

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

2

《权力的游戏》第8季第3集每帧平均颜色

权游后一季广为吐槽，其中关键的第3集更是暗到看不清。于是有人做了这么一个统计，告诉你这一集到底有多“黑”。

工具：ffmpeg, python: PIL

项目：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

在西雅图我每月1万1的工资是如何花销的

这种图叫做桑基图（Sankey diagram），常用来表示流程或流量分布。近 Reddit 上很流行用此图来可视化世界各地人民的工资消费情况。

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

有“价值”球队

在体育运动中经常会评选有价值球员，但这里的有“价值”球队指的是资产高的球队。Top5这几年都是这五支，其中美国职业橄榄球大联盟的达拉斯牛仔队已经连续三年。

数据：福布斯球队价值排行

工具：Tableau

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

5

纳达尔在法网中的优势

对比有限几项数值的不同常会用雷达图。这里展示了纳达尔费德勒、德约科维奇在澳网、美网、法网、温网中的相互战绩。

数据：维基百科

工具：D3.js

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

6

音乐产业30年

以堆叠区域图的形式展现唱片产业中不同媒介形式的兴衰。从图上可以看到CD曾经的辉煌和衰落。另外有意思的是黑胶唱片在近几年有复兴的趋势。

数据：美国唱片业协会

工具：RAWGraphs、Excel

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

7

4年大学期间和异地女友的短信数据分析

一位异地恋的小哥，因为不认同女朋友说他总是发短信太少，居然做了一套短信分析系统，详细分析了他们四年间互发短信的数量、时间、表情和用词习惯等，并开放接口给大家使用。（前提是有个跟你互发消息的女朋友！）

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

项目：https://leftonread.me

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

8

高斯分布

高斯分布就是我们常说的“正态分布”。不过这里的高斯分布，是作者把高斯的画像中的像素颜色分布进行了动态可视化，类似PS等软件中的颜色直方图。

工具：http://anvaka.github.io/pixchart

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

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

9

城市是活的：纽约曼哈顿人口分时图

这是一个三维可视化，把人口数、时间和地点三个维度的数据，综合在一起展现了曼哈顿地区一周七天的人流变化。

数据：美国人口普查网站+地铁站人流数据

工具：Python + QGIS，网页版 Mapbox GL JS + D3.js

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

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

10

死亡原因统计 - 现实 vs. 谷歌 vs. 媒体

这个图表分三个部分，把对于同一个问题，不同渠道的关注点不同进行了关联对比。现实中，大多数死因是心脏疾病和癌症，而谷歌上的数据，癌症独高，媒体上报道多的则是凶杀和恐怖袭击。

数据：美国疾病控制与预防中心、谷歌、卫报和纽约时报

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

项目：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

Reddit用户名结尾数字热力图

这是对Reddit上的用户名进行了统计，看看什么样的数字结尾被用的多。一眼直观就能看出：123、666、999，以及198~2017等数字都比较高。比较奇怪的是69、420也出奇的高，搜了下我才知道这和Reddit自身的黑话有关（具体就不便说了）。

数据：Kaggle: reddit-usernames

工具：python: matplotlib + seaborn

项目：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/

以上仅仅是此节点上数据可视化案例的冰山一角，有兴趣的同学也可以自己去挖掘。如果大家喜欢这些内容，下次我再抽空搜罗些更有意思的过来。

更多关于编程和数据的有趣且实用的内容，欢迎搜索关注：Crossin的编程教室