跳至主要內容
  • Hostloc 空間訪問刷分
  • 售賣場
  • 廣告位
  • 賣站?

4563博客

全新的繁體中文 WordPress 網站
  • 首頁
  • nCoV-2019 肺炎疫情感染率 (%) 与区域感染密度 (人/km²) 可视化 – 地级市数据 / 实时更新
未分類
14 3 月 2020

nCoV-2019 肺炎疫情感染率 (%) 与区域感染密度 (人/km²) 可视化 – 地级市数据 / 实时更新

nCoV-2019 肺炎疫情感染率 (%) 与区域感染密度 (人/km²) 可视化 – 地级市数据 / 实时更新

資深大佬 : Cyphexl 124

地址: https://ncovis.github.io/choropleth/

以下是静态图片预览。原网页有一些轻度交互功能。

nCoV-2019 肺炎疫情感染率 (%) 与区域感染密度 (人/km²) 可视化 - 地级市数据 / 实时更新 nCoV-2019 肺炎疫情感染率 (%) 与区域感染密度 (人/km²) 可视化 - 地级市数据 / 实时更新

大佬有話說 (45)

  • 資深大佬 : loading

    做得挺漂亮。

  • 資深大佬 : JCZ2MkKb5S8ZX9pq

    视觉上不错。

    提议一个功能,地区确诊增幅热度图。

    比如 A 地区,当天确诊病例增长了 30%。把 30%作为热度值。
    这样可以反应疫情的发展情况。

    现在每天起来看个总的统计值已经有点麻木了。但对武汉以外的有些地区,可能还在发展期,甚至有可能迎来爆发期。增幅的观察和总值一样重要。

    或者干脆把总值 /增加值 /增幅 /等等,分别加一个显示切换按钮,用来重载图表数据。

    希望可以考虑一下。

  • 資深大佬 : fanchangyong

    颜色感觉反过来更好些

  • 資深大佬 : lbj96347

    做得太棒了!

  • 資深大佬 : good1uck

    找不到我家

  • 主 資深大佬 : Cyphexl

    补充几条说明:
    – 数据依赖于新浪接口。由于接口本身格式不太规范(偶尔有纯省级数据、直辖县数据),且地名对应的 corner case 较多,故不保证数据完全准确。
    – GitHub 近日存在部分域下资源无法在中国大陆访问的现象,请留意。

    如不出意外,nCoVis 会被持续维护。如有建议或新功能添加,尤其是新颖的可视化方法,欢迎提出!
    您可以点亮 [Github 仓库]( https://github.com/ncovis/choropleth) 的 star 来支持这个项目。

  • 資深大佬 : freshgoose

    我觉得,还是默认中文吧,本来想发一下朋友圈,但考虑到纯英文别人很难一下子看懂

  • 資深大佬 : Hoshizora

    好像 jb 家网站的风格

  • 資深大佬 : qianlv7

    建议中文,这样利于传播

  • 資深大佬 : inframe

    挺好看的,清爽风格

  • 資深大佬 : nyz1500

    主

  • 資深大佬 : d5

    太酷了,点赞!

  • 資深大佬 : est

    感觉用颜色+行政区划不是很直观。直接坐标上放一个圆,大小表示人数如何?

  • 主 資深大佬 : Cyphexl

    关于语言问题:感谢建议!因最近在准备出国,所以习惯上项目是按英文准备的。在不影响整体视觉和 UI 的前提下,我会计划将项目界面注上必要的中文翻译。

  • 主 資深大佬 : Cyphexl

    @nyz1500 这里的设计参考了 van der Walt 等人设计的 Viridis, Inferno 和 Cividis 三种 color scales。相比单纯根据饱和度区分颜色,这一方案具有更强的可访问性,因为它对色盲用户更友好。此外,从暗色、冷色到暖色、亮色的过度也更符合人类的自然认知。参见 https://bids.github.io/colormap/。

    @est 已经存在来自 John Hopkins Univ. CSSE 使用 ArcGis 可视化的作品,使用了你提出的这种方案。参见 https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6。我认为两种可视方法各有优劣。

    感谢建议!

  • 資深大佬 : est

    @Cyphexl 哈,Hopkins 这个看过。

  • 資深大佬 : JCZ2MkKb5S8ZX9pq

    另外刚才想到一个问题,就是参考 wen yi gong si,感染者保有量,其实也是个重要数值。

    不知道这个数字有没有公开的数据可采,比如确诊 1000,死亡 10,治愈 50,那就还剩 940。
    这个数字和累计单增的确诊数是不同的,有它的意义。

  • 資深大佬 : Eleutherios

    @est 做到市级的话球太多(而且丑爆 小声 BB )

  • 資深大佬 : chenluo0429

    人口数据用的 2010 年的,这也太早了吧,有些行政区变化了,数据对不上

  • 資深大佬 : sobigfish

    每日新增 这种数据 感觉也很重要

  • 資深大佬 : zhoulouzi

    吊~

  • 資深大佬 : Sekai

    警告,没有西沙南沙群岛 hhh

  • 資深大佬 : mumu0934

    @chenluo0429 作者用的是第六次全国人口普查的数据。因为第七次全国人口普查的时间是 2020 年 11 月 1 日零时,还没有开始( http://www.gov.cn/zhengce/content/2019-11/08/content_5450146.htm )。

  • 資深大佬 : Eleutherios

    转:过段时间做成随日期变化的动画可能会更有意思
    少年,来学 GIS 不?@Cyphexl

  • 資深大佬 : sarices

    这地图是不是有问题啊,珠海旁边香港,中山旁边深圳,要是包括海域,也不可能啊,中山和深圳直接的海域划归中山了?还有 9 段线范围呢?

  • 資深大佬 : Stictonotus

    +1 很强势, 但是个人觉得颜色反过来会更好, 颜色越深表示疫情越严重。

  • 資深大佬 : ifishman

    查看人数的时候点武汉好黄呀

  • 資深大佬 : benedict00

    看湖北的时候字看不清了,黄色太亮了

  • 資深大佬 : Boxjan

    @sarices 要不您来改改

  • 資深大佬 : yejinmo

    西藏部分区域被
    “Novel
    Coronavirus
    2019”
    挡住了

  • 資深大佬 : zhileizhang

    https://s2.ax1x.com/2020/01/31/13EMSP.png

  • 資深大佬 : clemente0620

    开源吗??想看看代码

  • 資深大佬 : konakona

    挺好的就是太卡了

  • 資深大佬 : jigi330

    d3 玩的很 6 啊

  • 資深大佬 : boboliu

    @zhileizhang #31 请不要扯政治蛋

  • 資深大佬 : evam

    安徽省巢湖市已经没有了。

  • 資深大佬 : scg16

    微博上看到这个好看,第一次有点慢 https://ncov.pbihub.cn/

  • 資深大佬 : zhuangqhc

    赞赞赞 配色好看

  • 資深大佬 : darmau

    有个错误,克拉玛依现在还没有病例,但显示有。

    原因应该是去年底从克拉玛依划出去一片地成立了一个自治区直辖县级市:属于农七师的胡杨河市。那里现在有一个病例。但是行政区划数据滞后,导致克拉玛依被染色了。。。

  • 主 資深大佬 : Cyphexl

    @darmau 已取消第七师和克拉玛依绑定关系。
    @evam 已将巢湖市在 topojson 中并入合肥。
    @yejinmo 已穿透标题的指针事件。
    @sarices 地图轮廓经过压缩,小区域确实可能存在一些失真,但整体上是准确的。
    @JCZ2MkKb5S8ZX9pq 已写完定时爬虫挂在服务器上,收集到一定时间的连续数据后,会考虑开发此功能。
    谢谢你们

  • 資深大佬 : charlie21

    是否把 数据来源 放在显著位置,鉴于一般背景的人看图都是要看数据来源的 而且是越权威数据来源越好,程序员设计师背景的人 不是一般人 就图 “好看就行” 容易忽略数据来源而仅凭好看就给予认同。

  • 主 資深大佬 : Cyphexl

    @ifishman @benedict00 已对背景色进行加暗处理(两层叠加,上一层透明度恒 0.75 ,下一层为黑色 #181818 )。
    @charlie21 印象中大多信息图表的数据来源都是最底部一行很小的字…

    其它的关于视觉与设计修改的想法,鉴于审美这方面主观因素较大,就不再统一修改了。不过还是感谢建议!

  • 資深大佬 : cyannnna

    一眼以为是诺顿网络攻击地图,好看帮顶

  • 資深大佬 : pythonee

    非常好
    如果有人员流动那就更美妙了

  • 資深大佬 : JCZ2MkKb5S8ZX9pq

    想到一个问题。
    目前已经累积了一些历史数据之后,按理说死亡人数+治愈人数应该约等于之前某一个时间的确诊人数。

    虽然每个人的治愈 /死亡时间会有一些前后误差,但应该还是能看一个大概。
    比如确认治愈 /死亡需要几日。
    或者随着后几日确诊人数激增,后续治愈人数有没有相应的激增。
    主可以留意一下。

    另外想请教 LZ,有没有历史数据可以分享,或者知不知道第三方的历史数字可以获取到。

文章導覽

上一篇文章
下一篇文章

AD

其他操作

  • 登入
  • 訂閱網站內容的資訊提供
  • 訂閱留言的資訊提供
  • WordPress.org 台灣繁體中文

51la

4563博客

全新的繁體中文 WordPress 網站
返回頂端
本站採用 WordPress 建置 | 佈景主題採用 GretaThemes 所設計的 Memory
4563博客
  • Hostloc 空間訪問刷分
  • 售賣場
  • 廣告位
  • 賣站?
在這裡新增小工具