日本の鉄道網の歴史を可視化した21秒の動画が、日本の鉄道の発展と衰退をよく表現していると話題となっています。 150年間の「駅」の移り変わりを動画にしてみた(画像:にゃんこそばさんTwitterより、以下同) 投稿者は、これまでもさまざまなデータを可視化しているにゃんこそば(@ShinagawaJP)さん。日本で鉄道が開業した1872年から2022年までの150年の間で誕生し、そして消えていった鉄道駅を21秒の動画にまとめました。 動画は最初の鉄道が開業してから全国津々浦々に張り巡らされる鉄道路線と、役目を終えて消えていく鉄道の衰退を知れる内容となっています。 日本で最初の鉄道「新橋~横浜」間が開業した1872年(明治5年) 日本で最初に鉄道が開業したのは新橋から横浜までの29キロ。2022年から150年前となる1872年のことで、和暦では明治5年。江戸時代が終了してわずか5年後のことでし
Diagram as Code6 different ways to turn code into beautiful architecture diagrams
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます フィンランドのセキュリティ企業WithSecureが先ごろ開催したカンファレンス「SPHERE22」のプレス限定セッションでは、最高技術責任者(CTO)のChristine Bejerasco氏が登壇し、ランサムウェア攻撃の変遷を説明した。 ここでは、その説明に使われた「ランサムウェア地下鉄マップ」を画像で紹介する。 WithSecureでは、ランサムウェアを数年にわたり見続けており、表面化した脅威アクターを追跡しているという。それらを年別に地下鉄の路線図のようにまとめている。 2014年頃から2016年にかけては、ランサムウェアが脅威として台頭してきたのが分かるという。 関連記事: ランサムウェア攻撃の変遷--傾向と背景 「Secur
34テラバイトのデータと格闘して「全国ハザードマップ」を公開した理由 5月下旬に公開を開始したNHKの「全国ハザードマップ」。川の氾濫による洪水リスクを中心に掲載し、多くの方に活用頂いています。 ⇒「NHK全国ハザードマップ」の紹介記事はこちら 一方で、「市町村が出しているハザードマップがあれば十分だ」「リスクを網羅していない不完全なマップの公開は良くない」「NHKではなく国が取り組むべき仕事ではないか」といった意見も頂きました。 今回なぜ、このような取り組みを行ったのか。どうやってデータを収集して地図を作ったのか。詳しく説明します。 なぜ「デジタルデータ」を集めたのか? 私たちはこれまで「ハザードマップを見て下さい」という呼びかけを、テレビやラジオのニュースや番組、ネット記事、SNSなどで繰り返してきました。 なぜなら、自分の暮らす場所のリスクを知ることが、災害から命を守るスタートだから
通勤とか通学路で、まいにち同じ信号にひっかかったりしませんか。急いでるのに。 信号につかまるかどうかは基本的には運しだいだ。行ってみて初めて、赤か青か分かる。 でももし信号に時刻表があって、何時何分にどの信号が青になる、とかいうことがあらかじめ分かっていたらどうだろう。 うまくタイミングを選ぶと、途中で出会う信号ぜんぶ青とかいうこともできたりするんじゃないだろうか。 ※2006年3月に掲載された記事を、AIにより画像を拡大して加筆修正のうえ再掲載しました。 新宿通りの信号の時刻表をつくろう ぼくが自転車での通勤路として使っている東京の新宿通りのばあい、外苑東通りとかの大きな通りとの交差点でいつもひっかかるという印象がある(下の地図参照)。 問題の交差点(下の16番) 今回調べる新宿通りの地図。1番の半蔵門から18番の四谷四丁目までの信号の時刻表をつくりたい。 出典:国土地理院発行の2万5千
Welcome This is the website for the book “Fundamentals of Data Visualization,” published by O’Reilly Media, Inc. The website contains the complete author manuscript before final copy-editing and other quality control. If you would like to order an official hardcopy or ebook, you can do so at various resellers, including Amazon, Barnes and Noble, Google Play, or Powells. The book is meant as a guid
情報を正しく伝え、美しくかつ明確な図やグラフを作成するための基本を解説します。「ビジュアライゼーションで大切なことは、本質を正しく伝えること」との信念に基づき、見栄えの悪い図、不適切な図、誤った図を避け、情報を正確にかつ効果的に伝えるために最適な要素、かたち、色の選択をするための指針をまとめています。著者は統合生物学の分野で著名な研究者であるだけでなく、cowplot、ggridgesをはじめ、数多くのRのデータ可視化関連パッケージの開発者であり、著者の豊富な経験から蓄積された知見の集大成と言える本書からは、優れたグラフを作成するための原則、哲学、美学を学ぶことができます。本書収録のグラフを作成したRコードはGitHubから利用可能。 訳者まえがき まえがき 1章 はじめに 1.1 見栄えの悪い図、不適切な図、誤った図 第Ⅰ部 データからビジュアライゼーションへ 2章 データを可視化する:
『データビジュアライゼーションの基礎 ―明確で、魅力的で、説得力のあるデータの見せ方・伝え方』 Claus O. Wilke 著、小林 儀匡、瀬戸山 雅人 訳 2022年3月16日発売予定 360ページ(予定) ISBN978-4-87311-953-3 定価3,740円(税込) 情報を正しく伝え、美しくかつ明確な図やグラフを作成するための基本を解説します。「ビジュアライゼーションで大切なことは、本質を正しく伝えること」との信念に基づき、見栄えの悪い図、不適切な図、誤った図を避け、情報を正確にかつ効果的に伝えるために最適な要素、かたち、色の選択をするための指針をまとめています。著者は統合生物学の分野で著名な研究者であるだけでなく、cowplot、ggridgesをはじめ、数多くのRのデータ可視化関連パッケージの開発者であり、著者の豊富な経験から蓄積された知見の集大成と言える本書からは、優れ
核家族で「世帯年収1,000万円以上」の割合を示した地図。 地域格差がどうこう・・・というより、"都心や大企業の拠点に通いやすいファミリー向けエリア" が可視化されている印象。 ※世帯収入は年齢とも相関するので単純比較はNGです… https://t.co/BRuHaDlYD7
モバイルアプリ相互送客ツール「Tapdaq」のメインデザイナーであり、Dashboard UI Kitの作者として知られるJan Losertさん。4年間のダッシュボードデザインの経験からまとめた26のステップは、UI/UXデザイナー必読です。 過去4年間にわたってダッシュボードとアプリケーションのデザインを続ける中、プロダクトをさらに良く効率的なものにするために、いろいろな部署と付き合っていくこと、そしてそうした部署の人たちの知識を活用することを学びました。 この記事では、私が学び、日常のルーティンに取り込んだすべてのステップを紹介しようと思います。こうしたステップがあったからこそデザイナーとして大きく成長できたと思うので、読者のみなさんに役立つことを願っています。 事前準備をする Step 1. 集められるだけの情報を集める(例示は3パターンでお願いする) 私にとって、実際に稼働してい
白状しますが、私にはひどいダッシュボードを構築してきた責任があります。個人的に、この記事に書いた間違いのほとんどを犯してしまいました。ユーザに謝罪するとともに、同じ過ちを繰り返さないことを誓います。これらの過ちが悪い見本として、プロジェクトマネージャやデザイナ、エンジニアがひどいダッシュボードを構築したり確認したりする無駄な時間を少し減らすのに役立つことを願います。 法則1:ほとんどのソフトウェアのダッシュボードはひどい ひどいと言うのは このGoogle画像検索 のようなひどさ(まだ吐いていませんよね?)のことではありません。退屈で、設計が不十分で、有用性も一切ないという意味です。 信じられませんか? では、今すぐ優れたダッシュボードのソフトウェア名を3つ挙げてみてください。 見つかりましたか? ええ、そうだと思いました。しかし、ダッシュボードはどこにでもあります。あなたが使っているSa
@Pepabo Tech Conference #15 - ECプラットフォームSUZURIの開発の裏側 https://pepabo.connpass.com/event/215058/
さまざまなデータを地理空間情報として重畳する上で有用なPythonのライブラリであるGeoPandas。前編ではGeoPandasを用いたデータの描画方法など基礎的な扱い方を紹介し、後編では衛星データと組み合わせて解析結果を可視化する方法を紹介します。 Pythonで地理空間情報を行う場合、GeoPandasの使い方を覚えておくととても便利です。 例えば、都道府県別の気象データを持っていたとします。そのテーブルデータ(csv)には地理情報と言えば、都道府県の名称くらいしかありません。このような場合、これを日本地図の上に重畳して可視化することはできません。 しかし、このデータに地図上に描画できる情報を与えることさえできれば、好きなデータを地図の上に重ねることができます。このようなことをしたい場合に、GeoPandasの使い方を知っておけば助けになります。 今回は、簡単な例を通じて、GeoPa
深淵宇宙気候観測衛星「DSCOVR」が捉えた地球の前を通過する月の姿。 DSCOVR EPIC team 地球も月も、地球表面から少しだけ内側に位置する点を中心に回っている。 すべての星系に、こうした点が存在する。共通重心と呼ばれ、星系に含まれる天体全体の質量が完全に均衡する点のことだ。 冥王星とその衛星カロンのように、共通重心が惑星の外側にある星系もある。 月は地球を中心に回っているのか。その答えは実のところ少し複雑だ。 月は、地球の中心から約4800km離れた点、つまり地球表面のすぐ下にある点を中心に回っている。地球もまた、その点を中心に揺れるように回っている。 その点は、地球-月系の質量中心であり、共通重心と呼ばれている。物体(または複数の物体から成るシステム)の質量がすべての方向に均等に分布し、完全にバランスがとれる点のことだ。 地球と月の重心は、地球の中心と一致しているわけではな
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く