DataViz: Ein Diagramm & SECHS Fehler

Wir alle haben auch immer wieder mit Diagrammen zu tun, keine Frage und eigentlich erscheint es uns auch vergleichsweise simpel. Ist es aber nicht (immer). Mitunter steckt der Teufel im Detail und was man alles falsch machen kann ist wunderbar beschrieben in folgendem Tweet von Christoph Gruetzner: https://twitter.com/ch_gruetze/status/1046709016469155841. Mindestens sechs Probleme in einem Diagramm. Lesenswert!
Und wem noch nie wenigstens einer dieser Fehler passiert ist, werfe den ersten Stein.
Ich warte ;-)

Screenshots aus dem Tweet
(Quelle: https://twitter.com/ch_gruetze/status/1046709016469155841)

DataViz: Farbschemen und Karten

Mit dem Flussdiagramm von L. Kreuz im Artikel „Using Color in Maps“ können recht leicht das richtige Farbschema und die Farbpalette gefunden werden.

Quelle: https://thumbnails-visually.netdna-ssl.com/using-color-in-maps_50eef8021d920_w1500.jpg

Weitere Tools zum Thema Farben und Karten findet Ihr in der Rubrik „Freie Geo-Tools“.

Werner’s wunderbare Welt der Farben

Im 19. Jahrhundert wurde ein standardisiertes Schema zur Klassifizierung von Farben „Werner’s Nomenclature of Colours“ durch Abraham Werner entwickelt, später von Patrick Syme weiter qualifiziert. Schon Charles Darwin nutzte es als Referenz auf seinen Reisen.

WernersNomenclatureOfColours_Screenshot_1.jpg
Original-Scan von „Werner’s Nomenklatur der Farben“
(Screenshot, Quelle: https://www.c82.net/werner/#original)

Nicholas Rougeux hat nun „Werner’s Nomenklatur der Farben“ online verfügbar gemacht und mit originalen Scans sowie neuen Beispiel-Fotos, Querverweisen und zwei neuen Plakaten nachgebaut.
Absolut sehenswert, einfach Genießen!!!

WernersNomenclatureOfColours_Screenshot_2.jpg
Neu gestaltete Poster von Nicholas Rougeux
(Screenshot, Quelle: https://www.c82.net/werner/#posters)

DataViz: Menschliche Wahrnehmung

Wer sich mit Datenvisualisierung beschäftigt, denkt oft: „Das ist doch eindeutig“. Ja, möglicherweise, aber vielleicht auch nur für den Ersteller? Wie Datenvisualisierung auf Menschen wirkt, könnt Ihr im Artikel „39 studies about human perception in 30 minutes“ in 30 gut investierten Minuten nachlesen. Danke Kennedy Elliott.

39_studies_about_humanperception_in_30_minutes_Screenshot_1.jpg
Screenshot: https://medium.com/@kennelliott/39-studies-about-human-perception-in-30-minutes-4728f9e31a73

Ein Beispiel:
„Sie fanden heraus, dass die Teilnehmer, als sie auf die als Diagramme eingeführten Diagramme stießen, sich die Linien näher an die imaginäre 45-Grad-Linie erinnerten. Außerdem, wenn ihnen dieselbe Linie als Karte präsentiert wurde, trat diese Verzerrung nicht auf.

In zwei getrennten Studien fanden Schiano und Tversky heraus, dass die 45-Grad-Linie ein imaginärer Bezugspunkt in Liniendiagrammen ist, aber nicht in anderen Arten von Diagrammen.“ (übersetzt mit DeepL)

DataViz: Quantifizierte Ungewissheit

Einen interessanten Artikel zu „Wertunterdrückenden Unsicherheitspaletten“ des UW Interactive Data Lab findet Ihr bei Medium.com. Wie quantifiziert, kodiert und visualisiert man Ungewissheit? Bilden unsere thematischen Karten bei knappen Verhältnissen (z. B. 51% zu 49%) wirklich noch die Wahrheit ab und was ist Zufalle oder Grauzone? Und ist es noch sinnvoll, sie in Entscheidungsprozesse einzubeziehen?

Screenshots_Value-Suppressing Uncertainty Palettes.gif
Vergleich bivariate Karte und Karte mit wertunterdrückender Unsicherheitspalette
Screenshots (Quelle: https://medium.com/@uwdata/value-suppressing-uncertainty-palettes-426130122ce9)

Flaggenfarbe nach Breitengrad?

GIS und Datenvisualisierung sind in der Lage, komplizierte Zusammenhänge zu visualisieren. Mitunter auch Zusammenhänge, auf die man im praktischen Leben nie kommen würde, z. B. die durchschnittliche Flaggenfarbe entlang der Breitengrade. Und immerhin, es scheint bemerkenswerte räumliche Korrelationen zwischen Breitengrad und Flaggenfarbe zu geben, bezogen auf den Rot-Anteil gewissermaßen ein Nord-Süd-Gefälle ;-) (Vollbild).

flag_colour_by_latitude_Screenshot_1.png
Screenshot Flaggenfarbe nach Breitengrad
(Quelle: https://www.reddit.com/r/MapPorn/…by_latitude_oc/)

#DataViz: Vulkanausbrüche seit 1883

Ein besonders schönes Beispiel der Datenvisualisierung findet man bei Lazaro Gamio in seinem Beitrag „Here’s every volcano that has erupted since Krakatoa„. Alle Vulkanausbrüche seit dem berühmten Krakatoa-Ausbruch sind dargestellt, Staat, Typ, Höhe, Datum den letzten Eruption und Anzahl der Ausbrüche seit 1883 sind verfügbar.

#dataviz: Alle Wege führen nach Rom

„Alle Wege führen nach Rom“: Wußten wir schon, kennen wir, kalter Kaffee. Oder?
Jetzt ist es visualisiert bei „Roads to Rome“ . Aber dort findet Ihr noch viel mehr: den Urbanen Mobilitäts-Fingerabruck und die Straßen-DNA, hier mal in Halle (Saale) gerechnet für 30 min mit KFZ.

UrbanMobilityFingerprint_StreetDNA_Halle_1.pngScreenshot Mobilitäts-Fingerabruck und Straßen-DNA in Halle (Saale)
(Quelle: http://roadstorome.moovellab.com/explore)