Красивый проект про все средства передвижения Джеймса Бонда. Популярность соответствует экранному времени, в рамках которого Бонд этим транспортом управлял. Лидер – Aston Martin DB5, который появился в 8 фильмах и суммарно показывался на протяжении 28 минут.
Bond. James Bond. 😎
Bond. James Bond. 😎
❤62
❤61
Мини-подборка курсов по визуализации данных на R:
1. Andrew Heiss перезапустил недавно свой курс, с поддержкой в слаке и открытыми материалами.
2. Весенний курс от Claus Wilke. Есть презентации и код, он делает большой акцент на визуале, так что там всегда красота. Очень объемный и структурированный.
3. Про glamour of graphics от Will Chase. Как делать красиво, для тех, кто уже знает немного R и платно.
А еще Евгений Матеров, чью подборку про R из блога как-то давно постила, завел офигенный канал, внутри много про R и карты 💜
1. Andrew Heiss перезапустил недавно свой курс, с поддержкой в слаке и открытыми материалами.
2. Весенний курс от Claus Wilke. Есть презентации и код, он делает большой акцент на визуале, так что там всегда красота. Очень объемный и структурированный.
3. Про glamour of graphics от Will Chase. Как делать красиво, для тех, кто уже знает немного R и платно.
А еще Евгений Матеров, чью подборку про R из блога как-то давно постила, завел офигенный канал, внутри много про R и карты 💜
❤68
Forwarded from Reveal the Data
🏭 Объекты загрязнения и города
Ребята из «Если быть точным» подготовили исследование и данные про объекты загрязнения на основе данных Росприроднадзора.
Я сделал небольшой виз на их основе, где наложил объекты загрязнения 1-ого класса (самые опасные) на населённые пункты с более чем 1000 жителей. Получилось интересно — есть заметные паттерны, когда объекты накладываются на города, а когда они находятся в безлюдных местах. А еще сразу выделяются промышленные центры.
🔗 Почитать исследование
🔗 Посмотреть данные и описание
П.С. В данных явно есть ошибки и выбросы, ребята тоже отмечают это в статье, будьте осторожны.
#ссылка
Ребята из «Если быть точным» подготовили исследование и данные про объекты загрязнения на основе данных Росприроднадзора.
Я сделал небольшой виз на их основе, где наложил объекты загрязнения 1-ого класса (самые опасные) на населённые пункты с более чем 1000 жителей. Получилось интересно — есть заметные паттерны, когда объекты накладываются на города, а когда они находятся в безлюдных местах. А еще сразу выделяются промышленные центры.
🔗 Почитать исследование
🔗 Посмотреть данные и описание
П.С. В данных явно есть ошибки и выбросы, ребята тоже отмечают это в статье, будьте осторожны.
#ссылка
❤25
Paula Muñoz сделала офигенный инструмент для анализа Tableau книг. Как-то давно постила похожий, который помогает найти зависимости между полями в книге - Tableau Zen Parser.
Ее штука дает больше инфы: статистика по испольуземым источникам, полям, связь между калькуляциями и параметрами. Анализ фоматирования: какие цвета и шрифты используются. На вход идет twb файл, то есть данные внутрь не грузятся, тут можно не переживать. Мне зависимости через сеточку удобнее смотреть, но такой инструмент поможет разобраться с каким-нибудь легаси дэшиком.
Ссылка: https://paulisdataviz.shinyapps.io/tableau_workbook_analyzer/
ps еще очень приятно видеть использование шайни аппок для табло инструментов
Ее штука дает больше инфы: статистика по испольуземым источникам, полям, связь между калькуляциями и параметрами. Анализ фоматирования: какие цвета и шрифты используются. На вход идет twb файл, то есть данные внутрь не грузятся, тут можно не переживать. Мне зависимости через сеточку удобнее смотреть, но такой инструмент поможет разобраться с каким-нибудь легаси дэшиком.
Ссылка: https://paulisdataviz.shinyapps.io/tableau_workbook_analyzer/
ps еще очень приятно видеть использование шайни аппок для табло инструментов
❤29
Еще прекрасное от Lisa Charlotte Muth про создание цветовых легенд 💜
1. Убедитесь в том, что легенда вам действительно нужна. Можно подписать значения напрямую или переиспользовать соседний график.
2. Делайте категориальные легенды максимально читабельными, чтобы цвета между категориями можно было различить.
- Попробуйте расположить их сеткой, сгруппировать или переструктурировать.
- Пользуйтесь формой, а не только цветом, например, черточку для легенд линий и квадратик для барчартов.
- Расположите их в порядке, как на визуализации.
3. Для количественных легенд
- Можно не показывать значения диапазона для каждого оттенка.
- Добавлять отметки на легенду.
В конце множество вариантов легенд. Мне очень нравятся варианты с распределением, люблю к картам их добавлять.
https://blog.datawrapper.de/color-keys-for-data-visualizations/
1. Убедитесь в том, что легенда вам действительно нужна. Можно подписать значения напрямую или переиспользовать соседний график.
2. Делайте категориальные легенды максимально читабельными, чтобы цвета между категориями можно было различить.
- Попробуйте расположить их сеткой, сгруппировать или переструктурировать.
- Пользуйтесь формой, а не только цветом, например, черточку для легенд линий и квадратик для барчартов.
- Расположите их в порядке, как на визуализации.
3. Для количественных легенд
- Можно не показывать значения диапазона для каждого оттенка.
- Добавлять отметки на легенду.
В конце множество вариантов легенд. Мне очень нравятся варианты с распределением, люблю к картам их добавлять.
https://blog.datawrapper.de/color-keys-for-data-visualizations/
❤51