Проект Shirley Wu про ее поиски чуда надежды.

Ее очень личная история про эмоции во время пандемии через фотографии. Каждая точка – фотография, которую она сделала. В 2018 она была в Токио, где все прексано цвело в то время, поэтому еще есть точки в форме цветов – фотографии цветов. И двойные кружочки – фото еды. Цвет идет в зависимости от того, какие цвета в основном присутствуют на фотографии. В зависимости от удаленности от центра расположены фотографии, сделанные дома, или далеко от дома.

Она рассказывает, как тяжело переживала 2020 год и рост преступления на фоне антиазиатского расизма. И фотографий в середине 2020 год практически нет. И уже 2021-2022 идут таким годами, где она снова пытается выходить наружу, быть собой и просто жить. Честно скажу, видео, где она про это все рассказывает, очень трогает.

https://www.wonder-and-hope.art

Прислали просто фантастику или цвета до pantone.

В 1692 году художник, известный только как А. Бугерт написал книгу о смешивании акварели. Про то, как использовать цвет в живописи, создвать разные оттенки и тд.

Там 800 вручную написанных страниц! Кажется, это точно было самое подробное собрание цветов на тот момент.

Мы с Колей сделали штуку! Очень давно хотела поработать с данными песен и сделать что-то типа проекта про сложность текстов от The Pudding. Коля (Left Join) помог собрать и проанализировать данные, а дальше уже датавииииз 🙈

⚡️Так что представляем вам анализ простоты текстов русских песен.

Русские песни, как оказалось, тоже упрощаются со временем. А шансон и рок – жанры с самыми “сложными” песнями. По ссылке можно посмотреть, какие жанры содержат в себе более простые песни, проанализировать песни любимого исполнителя и поисследовать самые сложные и простые песни десятилетий.

Тексты брали с сайта txtsong, а метрику простоты песен можно посмотреть двумя способами: через уникальные строчки в песне или уникальные слова. Песни с выскоим показателем “простоты” содержат в себе практически только припевы, а “сложные” – наоборот оригинальный текст, зачастую без припева совсем.

Буду рада комментариям и предложениям❣️

ps спасибо большое Роме за виз ревью 🐳

@nastengraph @leftjoin

Отличная презентация от Claus O. Wilke про цвет и его использование в ggplot2.

Цвет используем для:
- разделения категорий – категориальная шкала (все цвета разные и одинаковой яркости)
- кодирования числовых значений – непрерывная (градиент от светлого к темному) или расходящаяся (градиент по дополнительным друг к другу цветам, например, оранжевый и синий)
- выделения/фокусировки на каких-то категориях – чаще либо серый с каким-то акцентным цветом, либо пастельные с одним акцентным

Примеры палитр идут с сайта colorbrewer2 – это прямо топовый ресурс для подбора цветов, потому что палитры уже оттестированные, качественные, хорошо сочетающиеся и еще и посмотреть можно, как они смотрятся. Сама очень часто беру оттуда цвета.

Кажется, что если вы платите за интернет какую-то фиксированную стоимость, то ожидаете, что люди в паре кварталов от вас платят столько эе и получают такую же скорость. В США точно не так, но думаю, что очень много где не так.

В The Markup проанализировали более 800 000 различных интернет-предложений от AT&T, Verizon, Earthlink и CenturyLink в 38 городах по всей Америке.

Обнаружилось, что все четыре обычно предлагают тарифы с базовой скоростью 200 Мбит/с или выше в некоторых районах по той же цене, что и со скоростью ниже 25 Мбит/с в других районах. То есть платят люди одинаково, а скорость интернета получают совсем разную. При этом в 9 из 10 районов, где предлагают “худшие сделки”, достаточно низки медианный доход.

Еще очень приятный стиль графиков. Издательство, кстати, раньше не видела, вроде как достаточно свежее.

Если новую инфографику коллег из Т—Ж я здесь часто оставляю с комментариями «смотрите, как клёво они придумали!», то у соседнего проекта Tinkoff Data графики очень часто сложные и с ошибками 😔

Разберём несколько типовых из свежего исследования про Чёрную пятницу:

1️⃣ Сортировка!
Базовая установка инфографера — упростить жизнь читателю и не заставлять его много думать. «Умная» сортировка в этом очень помогает — мы сразу можем понять, какие товары стали покупать чаще, а какие — реже.

Сортируют чаще всего по одному из значений или по дате. Иногда уместна сортировка по алфавиту, но это случается реже.

2️⃣ Применение линейного графика
Базовое правило — используем линейный график только для непрерывных данных. В 99% случаев — для изменения во времени.
На второй картинке — грубая ошибка, салоны красоты не могут перетекать в бытовую технику.

3️⃣ Неудачные подписи на «линейном» графике
Здесь единого правила нет, и главная проблема вытекает из того, что линейный график мы привыкли читать как время.
Из-за подписей событий кажется, что где-то в середине графика — ноябрь, потому что там написано «Чёрная пятница»

4️⃣ ❓Неправильные подписи оси на первом графике?
Я не сразу понял, чем первая картинка отличается от второй — помог полный текст исследования.

Кажется, на первом графике изображено абсолютное число покупок. Заголовок очевидно должен навести на эту мысль, но ось говорит — x12. Значит, что-то выросло в 12 раз. В чёрную пятницу в 12 раз больше покупали товаров в категории «Дом, ремонт», да? Видимо, нет(

На сайте, кстати, этой оси вообще нет, и такой вариант намного лучше.
Несколько мыслей, как лучше поступить, если общее количество покупок разглашать нельзя:

* Показать процент от общего числа покупок в эти даты. Хороший пример у Яндекса
* Не делать вообще никаких подписей
* Убрать оси и работать только с аннотациями
* Придумать подписи, которые не будут явно ассоциироваться с приростом. 12 у.е.? 😄

P.S. Если это читают авторы и хотят что-то глобально поменять, напишите мне — подумаем вместе 🌿