🚴 А вот не менее интересное исследование от Стрелки и Delivery Club о велоструктуре российских городов.

«Специалисты проанализировали пространственные данные о перемещениях разных участников велодвижения, в том числе 2,7 млн поездок курьеров, что дало возможность оценить то, насколько города России удобны для поездок на велосипеде не только во время прогулок и занятий спортом, но и в повседневной жизни.»

https://velofuture.strelka-kb.com/

Глобус-юла, в котором площадь каждого диска пропорциональна числу населения на этой широте
https://twitter.com/karim_douieb/status/1413822855196839936

Код

Весьма любопытный проект по визуализации бедности на карте с довольно высокой гранулярностью [1]. Охватывают большую часть Африки, и ряд других регионов. Не охватывают Россию совсем, зато есть Казахстан.

Разработчики - DIDL [2], лаборатория при Berkeley School of Information. Источник данных Relative Wealth Index [3] опубликованные Facebook на Humanitarian Data Exchange в рамках их инициативы Data4Good.

Ссылки:
[1] http://beta.povertymaps.net
[2] https://didl.berkeley.edu/
[3] https://data.humdata.org/dataset/relative-wealth-index

#opendata #maps #poverty

Профиль по плотности населения для Германии (в треде есть еще немного стран) https://twitter.com/undertheraedar/status/1407272517757280256

Как повторить в QGIS https://hannes.enjoys.it/blog/2019/09/dynamic-elevation-profile-lines-as-qgis-geometry-generator/

В Unfolded Studio появилась интеграция с Jupyter Notebook. Теперь можно анализировать пространственные данные и тут же «в два клика» визуализировать их на детальной карте.

Много хороших примеров: https://docs.unfolded.ai/jupyter/examples

Анализ степени энтропии улично-дорожной сети для крупнейших городов мира https://appliednetsci.springeropen.com/articles/10.1007/s41109-019-0189-1

Бонусом приложение, которое показывает адрес для любой точки, если бы сетка нью-йоркских улиц была продлена на весь мир https://extendny.com/

Усредненные цвета стран мира, рассчитанные по спутниковым снимкам
https://erdavis.com/2021/06/26/average-colors-of-the-world/

Материалы летней школы Sciences de l’information géographique reproductibles от Роберта Лавлейса и Якуба Новосада https://nowosad.github.io/SIGR2021/

Новый пакет для #R {sabre} для сравнения между собой карт с различающимся делением на регионы https://nowosad.github.io/post/sabre-bp/

Построение и измерение кратчайших путей между объектами с помощью #R https://github.com/milos-agathon/shortest_driving_distance

Применение R для ландшафтной экологии https://link.springer.com/article/10.1007%2Fs40823-021-00067-y

Сделала свой первый дэшборд в Tableau https://public.tableau.com/views/AnimalrescuesinLondontidytuesday/Dashboard1

Данные взяты отсюда

Дэшборд делала в качестве финального проекта для курса Визуализация данных и основы работы в Tableau от Анастасии Кузнецовой @nastengraph

Курс могу только похвалить: все очень четко структурировано и понятно, разобраны как совсем основы, так и некоторые довольно нестандартные вещи.

Отдельно радует готовность давать подробный отзыв на финальный проект и помогать с его доработкой после. У меня вот было, наверно, порядка 5 или 6 вариантов, пока пришли к окончательному финалу.

Социальный капитал по округам в США и его составляющие
https://public.tableau.com/en-us/gallery/geography-social-capital-america

АНАЛИТИКА АВАНГАРДА

Распространённое мнение в визуализации данных — делай максимально простые и понятные графики, чтобы пользователю не приходилось разбираться. Когда это относится не только к биржевым графикам, а вообще ко всем, меня это удручает.

Какое-то время назад я узнала о проекционистах. Это одни из авангардистов, которые занимались аналитической живописью, раскладывали картины по "полочкам", чтобы найти идеальную формулу.

И я сделала проект о том, как они случайно изобрели дизайн данных. В нём нет обычных графиков и большой аналитической работы. Просто меня поразило, насколько близкими кажутся эксперименты проекционистов и визуализация данных.