150年前,他对拿破仑做数据可视化

简介: 十九世纪初,整个欧洲大陆几乎都在拿破仑的控制之下……除了隔着天然屏障的英国。于是,拿破仑下令对英国实施经济制裁。然而,俄国皇三代亚历山大却不买这个账,因此跟科西嘉暴发户结下了梁子。

拿破仑东征

十九世纪初,整个欧洲大陆几乎都在拿破仑的控制之下……除了隔着天然屏障的英国。于是,拿破仑下令对英国实施经济制裁。然而,俄国皇三代亚历山大却不买这个账,因此跟科西嘉暴发户结下了梁子。

经过数轮撕逼和互怼,小拿于1812年集结了42万大军,东征俄国,并自信满满地认为一波速推就能破对方中塔。然而俄国人坚壁清野,靠20万人硬是撑到了冬天。法军途中减员不断,尽管一度占领了莫斯科,但始终无法消灭俄军主力。最后不得不撤退,仅1万人回到法国。这次东征成为了拿破仑帝国由盛转衰的转折点

近五十年后的1861年,法国工程师查尔斯·约瑟夫·米纳德(Charles Joseph Minard)绘制了一幅数据统计图表:《1812-1813对俄战争中法军人力持续损失示意图》。此图将法军东征俄国的过程,精确而巧妙地通过数据可视化的方式展现出来。被后人评价为:可能是史上最棒的统计图表

(点击图片可放大)

最杰出的绘图大师

想想平常我们自己在 Python 或 Excel 表格里做一幅图表,可以展示多少信息?而米纳德在这一幅平面图,呈现了 6 个维度的信息:


  1. 拿破仑军人数
  2. 距离
  3. 温度
  4. 经纬度
  5. 移动方向
  6. 时-地关系

仅凭这一张图,就能让人直观感受到拿破仑的40万大军,如何在长途跋涉和严寒之中逐步溃散。我本人在书店第一眼看见此图时,以为是现代人之作,看了标注才发现竟然是150年前的作品。

米纳德早年为土木工程师,后在校任教,退休后全身心投入图表与数据地图的绘制。除了这张著名的图之外,还有很多优秀作品:

1858/1864/1865年欧洲棉花进口的情况

公元前218年迦太基名将汉尼拔率领的坎尼战役

1858年全球移民的流线图

法国各地运送至巴黎的家畜数量及比例

他开创或改良了许多绘图技巧,比如将流线饼图运用在地图上。

信息可视化发展

除了米纳德,还有很多“古人”很早就绘制出了具有极高水准的图表:


威廉·普莱菲尔(William Playfair),被称为图表设计之父,发明了条形图、饼图、折线图等。此图是其于1786所作。


弗罗伦斯·南丁格尔(Florence Nightingale),护理学的奠基人(就是每个护士都宣誓过的那个南丁格尔誓言)。她的另一个身份是统计学家。此图被称作“南丁格尔玫瑰图”,直观展示了卫生条件对死亡人数的影响,因而争取到了更好的医疗条件。



埃德蒙·哈雷(Edmond Halley),计算出哈雷彗星轨道的那位。这张大西洋各地磁偏角的地图,是第一张绘有等值线的图。后来的等高线、气压线皆源自此。

图表的选择

在我们自己做数据分析图表的时候,应该如何选择合适的展现方式?我这边给一点常用的建议:

  • 折线图:展现数据的波动、趋势
  • 柱状图:展现量的变化
  • 饼状图:强调比例
  • 散点图:展现各种统计分布
  • 雷达图:多维数据对比

比如我们前几天文章 【数说】苹果开始走下坡路了吗?,其中有对于 iPhone 销量和售价的变化展示。分析销量,是展现不同时间上量的变化,通常就用柱状图。而价格,不是数量,只是一种波动,用柱状图就略不恰当,折线图更合适。

精彩案例

最后,我们再来欣赏几个漂亮的图表。来自知乎问题:

你最欣赏的数据可视化的案例是什么?

https://www.zhihu.com/question/21132076

其中有不少很有意思的案例,可去知乎上查看详细介绍。

希望此文对你做数据分析图表时有所启发。

下课!


回复关键字:

python :零基础入门课程目录

新手 :初学者指南及常见问题

资源 :超过500M学习资料网盘地址

如需了解视频课程及答疑群等更多服务,请号内回复 码上行动

代码相关问题可以在论坛上发帖提问 bbs.crossincode.com

推荐阅读:

押韵工具 | 虎扑 | 如何debug | 苹果 | 查天气 | 我用Python | 知乎 | 排序 | 电影票 | 技术宅 | 单词表 | 新手建议

相关文章
|
4月前
|
数据可视化 前端开发 JavaScript
数据可视化技术的较量:D3.js与Tableau的比较与选择
在当今信息爆炸的时代,数据可视化成为了帮助我们理解和传达数据的重要工具。本文将重点对比并评估两个主流的数据可视化技术和工具,即D3.js和Tableau。我们将探讨它们的优势、适用场景以及选择的关键因素,以帮助读者在选择合适的数据可视化工具时做出明智的决策。
|
数据可视化 数据挖掘 Python
数据分析案例-往届世界杯数据可视化
数据分析案例-往届世界杯数据可视化
466 0
数据分析案例-往届世界杯数据可视化
|
3月前
|
存储 数据可视化 JavaScript
基于Echarts构建大数据招聘岗位数据可视化大屏
基于Echarts构建大数据招聘岗位数据可视化大屏
64 0
|
4月前
|
监控 数据可视化 数据挖掘
数据可视化第二版-拓展-和鲸网约车分析一等奖作品
数据可视化第二版-拓展-和鲸网约车分析一等奖作品
|
5月前
|
SQL 数据可视化 大数据
数据可视化系列-01大数据可视化基础
数据可视化系列-01大数据可视化基础
数据可视化系列-01大数据可视化基础
|
数据采集 存储 分布式计算
【数据可视化】数据可视化之美——用专家的眼光洞察数据
【数据可视化】数据可视化之美——用专家的眼光洞察数
209 0
【数据可视化】数据可视化之美——用专家的眼光洞察数据
|
Python 数据可视化 Linux
酸成柠檬,当年为什么不好好学【数据可视化】
上干货!小天何止是为了解救可爱的“柠檬精”,高甜预警,这波【数据可视化】干货你要不要手速收藏!
1588 0
|
机器学习/深度学习 Java 程序员
11月5日云栖精选夜读 | 掌握这25条小贴士,快速提升数据可视化能力!
可视化不是单纯的数据展示,其真正价值是设计出可以被读者轻松理解的数据展示。设计过程中的每一个选择,最终都应落地于读者的体验,而非设计者个人。 本文提到了一些常见错误,也是我们团队总结出的一些技巧。这25条小贴士能够快速提升和巩固你的数据可视化设计。
2249 0
|
数据可视化 大数据 定位技术
|
数据可视化 大数据 数据挖掘