數字一大堆總不知該如何表達？這張圖馬上搞定「巨量」數據
大數聚
20180412
1049 Views
這條「圖表之河」將生生不息
面對諸如20年電影票房、聽歌次數歷史、文本分析等「巨量」數據，河流圖表現得非常「從容」。
2008年，Jeff Clark對前100名Twitter用戶的推文進行文本分析，發現最常用的單詞除了「Scoble」（一位著名的美國博主）和「Obama」（前美國總統）之外，提及最多的是產品、技術或者技術事件的相關單詞。這是因為頂級Twitter用戶是走在前沿的「技術控」。
2011年，美國科技雜誌《連線》的一篇文章運用河流圖，描述了2010年9月8日至2010年9月15日期間，紐約市民撥打311市民服務專線所投訴的問題。噪音、路燈、街道設施是紐約市民最常反映的問題，特別是噪音的問題在睡眠時間里，投訴特別多。投訴的時間則集中在11:00-19:00的區間里。
2016年，《紐約時報》用一張河流圖，就把世界各國在奧運會上的獲獎情況展示出來。我們不僅可以看出各國的獲獎情況，還借此看出世界歷史的重要節點，包括兩次世界大戰、中國第一次參加奧運會、美國和前蘇聯抵制參加奧運會等。
河流圖助你可視化大數據
堆積類圖展示面對大量的數據時，通常可讀性會降低，細小的堆積塊難以觀察。
河流圖同樣也會存在一些爭議。就像上面提到的《紐約時報》關於電影歷史票房的作品，有敏銳洞察力和讀圖能力的一部分人，能從圖中看出電影的宏觀層次季節性，看出哪些電影一直在「苟延殘喘」。也有人贊美它運用顏色來區分高票房電影，以及凸顯了電影上映數量變化。但也有一些人認為，河流圖過於複雜和混亂，河流的形狀會讓人誤會向上凸起的為正值，向下的為負值。
因此，在使用河流圖的時候，我們要注意，除非使用交互技術，否則河流圖無法精准地表達數據。但不可否認的是，在面對巨大數據量，且數值波動幅度大的情況下，河流圖擁有優雅的視覺結構，能很好地吸引讀者的注意力，同時凸顯變化大的數據。
鏑數的這個河流圖則展示了1896-1932年，前五名國家在奧運會上獎牌數量的變化情況。同樣的數據用在堆積面積圖上，顯然給我們解讀數據帶來更大的難度。
對的數據遇上對的圖表，哪裡還用怕發現不了有趣的事？
咱們下期再見！
