【图说】数据可视化在美国大选中的应用

美国总统并不是按一人一票选出,而是每个州有不同数量的选举人票,如果这个州大多数人投票选这个党派,则整个州的选举人票都被这个党派得到。选举人票数量跟那个州的面积人口之类并没有直接关系。最终根据538张选举人票的多数来决定总统人选。作为必须品的选举地图需要展示三个维度的数据,根据重要性依次为:投票结果、每个州的选举人票数、地图。在数据可视化中,不同的数据维度可以用不同的元素来展现,例如长短、大小、形状、颜色、纹理、位置、方向等等。

投票结果约定俗成,用颜色表示。通常用深蓝和浅蓝代表代表民主党胜出和领先,深红和浅红代表共和党胜出和领先。地图就是用位置和形状来表现数据。最大区别在各州选举人票的展示方式上。

选举人票的数量,可以用一个维度展现,例如柱子的高低或长短;也可以用两个维度也就是图形的面积来表现,这个图形可以是圆形、方形、六角型或异形(特殊形状,不是太空里吃人那个)。每个州的选举人票最多只有几十票,所以除了面积之外,很适合用方格或六角形的点阵来表现,数点阵比看面积更精准。

请记住可视化和产品设计的基本原则:以简单为美。要尽可能将视觉元素合并。颜色画在图形上,已经合并了。挑战在于选举人票数跟地图怎么组合或合并。除了初学者,基本上不会有人用柱形图跟地图组合在一起了。但你还有选择,就是把表现选举人票的图形放在地图上,还是直接用这些形状来组成美国地图。我们看看各家媒体做法。

(纽约时报截图)

(赫芬顿邮报截图1)

(赫芬顿邮报截图2)

(谷歌报道截图)

(FiveThirtyEight截图)

(CNN截图)

(凤凰资讯截图)

来源:数据工场DataWorks

原文发布于微信公众号 - 钱塘大数据(qtbigdata)

原文发表时间:2016-11-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

EMNLP 2018 上 FB 、谷歌继续并肩「刷榜」,瓜分最佳长论文和十分之一接收论文

AI 科技评论按,自然语言处理顶会 EMNLP 2018 已经于 10 月 31 日开始了 Tutorial,正会将从 11 月 2 日开始。2017 年中,词...

14320
来自专栏大数据挖掘DT机器学习

【趣味】数据挖掘(6)——借水浒传故事,释决策树思路

决策树 (又称判定树,Decision Tree)是硕、博士生数据挖掘课程要点和难点,教学实践表明,这一章需要数学基础知识多,难得有趣。明知是难点,偏向难...

36850
来自专栏智能算法

机器人算法专题介绍

算法 算法(Algorithm)是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制。也就是说,能够对一定规...

47660
来自专栏大数据文摘

拓扑学——探寻大数据的内在模式

23750
来自专栏云时之间

NLP系列学习:命名实体识别(一)

在自然语言处理中,分词,词性标注,命名实体识别和句法情感分析是非常关键的分支,因为最近需要对此有一些应用,便去了解了一下特定领域目前使用的方法以及一些困难,特此...

17730
来自专栏北京马哥教育

实战 | 用 Python 选股票,据说可以多挣个20%

本文将使用Python来可视化股票数据,比如绘制K线图,并且探究各项指标的含义和关系,最后使用移动平均线方法初探投资策略。 数据导入 这里将股票数据存储在sto...

71460
来自专栏量化投资与机器学习

机器学习的前期入门汇总

机器学习机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以...

24750
来自专栏机器人网

无人机用陀螺仪的数据处理

1 陀螺仪数据校准 1.1 原理 一款飞控上的传感器是需要进行校准的,比如这里讲的陀螺仪。目前大多数的陀螺校准其实就是去掉零点偏移量,采集一定的数据,求平均,...

73360
来自专栏数据派THU

独家 | 教你实现数据集多维可视化(附代码)

翻译:张媛 校对:卢苗苗 用代码将你的数据集进行多维可视化! 介绍 描述性分析是与数据科学或特定研究相关的任何分析生命周期中的核心组成部分之一。数据聚合,汇总...

1.2K90
来自专栏人工智能头条

干货 | “后 Word Embedding 的”热点会在哪里?

27820

扫码关注云+社区

领取腾讯云代金券