https://www.zhihu.com/question/23416938/answer/610728773
小镝用一组超超超超超经典的地图可视化的案例告诉你叭！
在数据新闻作品中，地图这种图表类型经常被用到——二维的，三维的；静态的，动态的，交互的……它还经常跟点、线、气泡等图形组合使用。不妨跟着小镝一起来盘点一下，当下地图最HOT的用法！
地图+热力：颜色渐变最常见
图片来源：The Data Visualisation Catalogue
地图结合热力图，是我们较为常见的地图使用方法，这种图表也叫做“Choropleth Map”。在这种地图中，每个区域以不同深浅度的颜色表示数据变量，例如从一种颜色渐变成另一种颜色、单色调渐进，甚至是使用不同的颜色。
美国媒体FiveThirtyEight从2016年6月起持续统计民意调查的结果，预测各州的选票将落入谁手，并且根据民调选情实时更新。
Who would win the presidency today?
可以看到，预测希拉里会胜出的州，会使用蓝色标记；相反，预测特朗普会胜出的州则为红色。颜色越深，则代表胜出的几率越大。
镝次元在《249个景区：它们是怎样向你的钱包下手的》中，也用了这类地图，可视化了各省5A景区“园中园”门票收费情况。下面有清晰的图例，展示了不同价钱对应的可视化颜色——紫色越深，价格越高；蓝色越深，价格越低。
249个景区：它们是怎样向你的钱包下手的
但是这个地图也有一个缺点的，就是在静态的情况下，读者无法得知准确的数据。这时候，就要利用交互技术来解决，例如FiveThirtyEight利用鼠标悬停展示更多的数据细节。
Who would win the presidency today?
地图+点：哪里有数点哪里
图片来源：The Data Visualisation Catalogue
这种地图也叫做“Dot Map”， 在地理区域上放置相等大小的圆点，旨在检测该地域上的空间布局或数据分布。当你的数据量非常大，用地图和点的组合方式，既能不丢失数据细节，也能从整体上看出数据的分布规律，挖掘数据背后的故事。
John Nelson根据美国宇航局2016年新推出的地球夜景图像，与2012年版本进行比较，并利用这种“Dot Map”进行可视化，以发现光源已经存在（或增加）的位置，还有它们已经消失（或减少）的位置，探索这些变化的原因。其中，紫色的点代表灯光消失的地方，蓝绿色的点代表灯光存在的地方。
2016年全球灯光情况 Lights On & Lights Out
2016年中国局部灯光情况 Lights On & Lights Out
英国卫报的《伊拉克战争日志》大家应该不陌生。在这个数据新闻中，地图上一个红色的点代表了一次暴力冲突事件，点击小红点，我们能看到该次事件的死伤人数情况。
Wikileaks Iraq: data journalism maps every death 卫报
地图+气泡：圆越大数越大
图片来源：The Data Visualisation Catalogue
在这种“Bubble Map”中，地理区域上方会出现气泡圆形图案，气泡面积与其在数据集中的数值会成正比。
Howmuch就非常喜欢用这类地图。这个可视化作品就展示了，在特朗普的减税政策下，在美国每一个州最大的城市工作，究竟能拿到多少净收入。假设基准年薪都是10万美元，在纽约工作的人，拿到的月薪最少，只有5574美元。
Howmuch
图中，气泡越大，就代表了月薪越高。同时，作者也通过颜色，加强了可视化的效果，颜色越深，代表的月薪也越高。
在Flickr上，Ben Willers统计了自1900年以来，导致1000及以上死亡人数的地震。气泡的大小代表了该次地震的震级。从这个可视化作品看，我们不仅能把握每个地震的具体震级，而且每个气泡的位置也组成了全球地震带的全观。
Flickr
而气泡地图的主要缺点在于，过大的气泡可能会与地图上其他气泡或区域出现重迭，Flickr就利用了透明度来解决。
地图+连线：隐形关系统统显形
图片来源：The Data Visualisation Catalogue
连接地图 (Connection Map) 是用直线或曲线连接地图上不同地点的一种图表，它非常适合用来显示地理连接和关系。此外，通过研究连接地图上的连接分布或集中程度，我们也可以用它来显示所连接地区的关系。
Kiln基于FlightStats的实时数据，展示2014年10月15日，在空中的数千架商用飞机的飞行轨迹。
In Flight, Kiln
线条有时候可以带有流向，这种地图就叫“Flow Map”，它显示信息或物体从一个位置到另一个位置的移动及其数量，通常用来显示人物、动物和产品的迁移数据。
图片来源：The Data Visualisation Catalogue
搜狐的一个关于儿童贩卖话题的数据新闻，就用地图描绘了人贩子的动向。
《人贩子最常走的10条路》，搜狐
地图也可以是三维的。财新的可视化作品《移民去远方》，主体则是一个三维立体的地球，每一条线都代表了一个国家的移民去向。配合交互的技术，读者可以选择具体的国家，是移出还是移入的人口，展示相关的移民政策等大量信息。
《移民去远方》，财新传媒
地图的制作大多数都要用编程来完成，由此看到，数据新闻作品靠的绝非是一个人的力量，而往往是数据编辑、程序员、可视化设计师通力合作的结果。
现在，知道该怎样将枯燥的大数据呈现为可视化的图和动画了叭！
想做数据可视化又不会写代码怎么办？中国首个数据查找与可视化平台镝数图表 来帮你啦！
1、找数据 —— 6大领域，100+行业，50万条权威精选数据
2、做图表 ——110+交互数据图表，体验零编程一键可视化的快感
3、用模版 —— 1000+模板完美适配多种场景，3分钟输出高颜值图文
在回答之前，先简单的介绍我自己，我是澎湃新闻美数课（数据新闻）栏目的课代表，擅长做数据可视化视频和信息图。
喂喂喂！憋看到我这个身份，就跑啊，下面有一吨实用干货等你~~~
前段时间做了一个关于诺贝尔人才流动的题，包含了可视化视频和信息图，所以用这个选题，来分享一些制作过程以及工具使用，希望能够帮助到题主和其他和对这方面感兴趣的知友。
先丢个链接一分钟看百年诺奖人才流动：哪些国家是最强的人才孵化地？
主题：诺贝尔获奖者的流动
我们想表现的就是诺贝尔获奖者出生地与获奖时的居住地的变化，所以想到流线地图的方式，用地图直观的看到某些时间段内人才流动的变化。
数据：如何收集这个数据？
对于这个案例，毫无疑问的数据来源是诺贝尔奖的官网，上面有最详细的获奖者信息。
对于其他的选题，首选与主题相关的权威官网。
我们用Import.io工具抓了871条关于诺贝尔奖历年来的获奖者信息。
因为最终效果要在地图上呈现，在源数据的基础上，表格里还加入了国家的地理坐标，方便下一步的软件操作。
工具：这是用什么做的？
最终视频=Processing+Ocam+Adobe Premiere+Adobe effect
一个正经的小视频居然还用到这么多工具？！
那我们用这些工具分别干了什么？
① Processing
本次视频的流线地图效果的重要支持软件！！
我们的编辑写了298行代码，去表现诺奖人才流动的变化。
其实Processing也可以直接导出每一帧图片，但为了更好地和AE对接，所以选择了录屏软件，灵活性更大。
下面是编辑有话要说：
(被抓过来强行说两句，那我就)简单粗暴的安利一下Processing。
1.Processing是具有设计背景的团队，为脑回路完全不一样的设计师们或者代码苦手等麻瓜(喂)人群打造的交互编程语言，上手容易，逻辑就跟使用AI一样，特别顺畅（....至少刚开始是这样啊喂！）。
2. 对从没接触过编程的人来说，Processing会是个好开始，不光是学习Processing，你可以通过学习Processing接触何为编程，理解编程的逻辑，进而接触其他编程语言，这也是Processing创始人的初衷之一。
3.气质不一样。恩这点有些玄乎...我把这归结为因为Processing没有封装一些常用的数据可视化形式，导致能发挥的自由度更高，形式更奇葩多样，可以丑到没下限，也可以很美。设计师背景也会让气质不一样，类似同样由设计师背景团队打造的raw，是DensityDesign实验室的产品，你只要打开DensityDesign的主页可能就明白为什么我说气质不一样..大概。
当然无论是Processing还是d3.js,chart.js...或是AI，都只是工具而已，能用到什么程度，还是看使用它的人。数据可视化并不是Processing的核心，Processing可以被叫做创意编程语言，那种感觉就好像它已经从设计师跳脱到艺术家了......很多艺术家都使用processing创造自己的作品。甩个接地气的例子，日本女子组合Perfume有个国际推广的项目perfume global website，她们几场看起来各种酷炫的黑科技演唱会都有Processing的一份功劳哦。
废话一不小心就这么多，重要的是，你还不和我一起跳入processing的大坑啊呸知识的海洋么！
②Ocam
一款录屏软件，用它来录制我们的小视频。
③Adobe Effect和Adobe Premiere
用于录制视频的剪辑合成和其他效果的添加。
除了视频，我们还做了两张气质不一样的信息图，就是我们的编辑推荐的RAW。
RAW是基于D3.js的开源工具，不用代码，只需要导入数据，设置一些条件就可快速生成，而且可以导出矢量的图表！
第一步：导入数据
复制excel表里的数据到Raw里，
第二步：选择图表模式
以环形信息图做案例，我们选择Circular Dondrogram。
第三步：选择条件生成效果图
拖拽左边的条件到右边呈现的项目，右边的排序会影响最后生成的结构，生成的效果也会根据你的词条实时更新。
嗯，感觉有了，但作为一名美数课代表。这效果怎么可以直接发送给我可爱的班主任？
所以先丢给AI，丢给神奇的AI。（噢，这里AI泛指Adobe Illustrator，不是Artificial Intelligence）
第四步：导出svg，AI中修改，发给班主任，交稿，下班。
题主还有一个疑问：有什么技巧？
数据可视化的方式和工具有很多：
有人说，“”可视化的很多工具都是一个大坑。“
本课代表否认，“这哪是坑，明明是黑洞！！！洞！！”
按你喂，掌握你所需，然后不断的练习，用合适的方式清楚地表达准确的信息。
最后再补充几个我们做的数据可视化的视频
数据解释性视频
纪录的诞生①｜数说百年奥运：人类的极限在哪里？纪录的诞生②｜基因的秘密：伟大的运动员是上天铸造的吗？
动画视频
Excel-Powermap制作的可视化视频
想要哪个视频解析，我一定会在课后时间回答你们的。
最后，好不容易写了个大回答，我需要你们的鼓励啊~
这个月的鸡腿还得靠你们~
用Python来做数据可视化就相当不错。
不要听到编程两个字就瑟瑟发抖，这里推荐一个7步搞定Python数据可视化的教程～
工具Vega-Lite和Altair
首先，用Python完成可视化，需要借助两款工具：Vega-Lite和Altair。
Vega-Lite是一种交互式图形的高级语法，用简明的JSON语法，快速生成可视化图形，Vega-Lite规范可以编译为Vega规范。
比如下图，左边的图形，背后就是右侧的代码来实现的。
而Altair是一个专为Python编写的可视化软件包，它能让数据科学家更多地关注数据本身和其内在的联系，相比matplotlib，Altair要简洁的多。
Altair的图形种类非常丰富，包含条形图、折线图、面积图、散点图、直方图、地图等各种交互式图表。
Altair也是基于Vega和Vega-Lite而来的，使用的语言是Python，因此，Vega-Lite和Altair两者一同服用，效果最好哦。
七步学会可视化
说完了需要用到的基础工具，再来看看这套课程本身。
教程的作者非常友好，在Jupyter、Colab、Observable三个平台都准备了课程，你可以选择自己习惯的平台，或者直接去Colab上，用自己的数据体验一下。
整体教程包含7个部分：
1、Vega-Lite/Altair介绍
最后，教程作者还附赠了Altair的debug指南。
来自D3.js创作者
这份教程的作者Jeffrey Heer，是华盛顿大学的计算机教授，在华盛顿大学交互数据实验室工作，同时还是数据软件公司Trifacta的联合创始人和CXO。
他专门研究数据可视化方向，在Google Scholar的H-index达到了62，超多网站都在用的数据可视化JavaScript库D3.js就是他和学生一起完成的，这篇论文的引用次数超过了2300。
传送门
刘看山知乎指南知乎协议知乎隐私保护指引应用工作侵权举报网上有害信息举报专区京 ICP 证 110745 号京 ICP 备 13052560 号 - 1京公网安备 11010802020088 号 互联网药品信息服务资格证书 （京）- 非经营性 - 2017 - 0067服务热线：400-919-0001违法和不良信息举报：010-82716601举报邮箱：jubao@zhihu.com儿童色情信息举报专区互联网算法推荐举报专区养老诈骗举报专区信息安全漏洞反馈专区内容从业人员违法违规行为举报证照中心Investor Relations联系我们 © 2022 知乎 北京智者天下科技有限公司版权所有