Menampilkan data titik untuk mencerminkan waktu / usia

10

Saya memiliki lapisan 3.000 poin untuk suatu keadaan, dengan masing-masing menunjukkan usia jenis bangunan tertentu. Apa itu tampilan visual yang direkomendasikan yang secara efektif dan setara menyoroti usia struktur ini.

Saya berpikir untuk menggunakan peta panas, tetapi itu bisa menyebabkan beberapa bias, karena di daerah kecil Anda dapat memiliki 3 bangunan baru dan 1 bangunan lama atau sebaliknya mengambil dari kebenaran. Namun, saya ingin alat bantu visual yang ketika dilihat secara singkat atau snapshot dapat menceritakan kisah usia struktur ini.

visualisation dassouki
sumber
Seberapa tersebar 3.000 poin Anda? Apakah mereka cenderung mengelompok di area tertentu atau lebih rapi?
Andy W
IMHO beberapa saran yang dibuat sama-sama bagus tetapi kita perlu tahu lebih banyak tentang tujuan peta untuk memutuskan di antara mereka; siapa pengguna, apa 'cerita' yang diceritakan data dan bagaimana mengelompokkan data dalam waktu juga (seperti yang diminta oleh Andy W) seperti di ruang angkasa.
Trevesy

Jawaban:

4

Saya suka ide Anda tentang peta panas untuk skala di seluruh negara bagian. Anda dapat menggambarkan penyimpangan berbutir halus dengan peta inset (kertas) atau dependensi skala (peta web).

Jika Anda benar-benar merasa perlu untuk menunjukkan nilai-nilai rahasia, Anda dapat menjalankan skrip untuk membubarkan fitur titik sedemikian rupa sehingga tidak saling bertumpuk satu sama lain (alat ArcMap bawaan disebut "Disperse Markers") dan melambangkan usia bldgs. di jalur warna.

BrianPeasley
sumber
FYI: Ada juga "Disperse Markers" di QGIS. Ini disebut "Pemindahan Titik".
underdark
3

Jika bangunan ini dikemas di kota-kota, Anda dapat menggunakan diagram lingkaran untuk menggambarkan rasio bangunan lama dan baru (atau sebanyak mungkin kelas yang ingin Anda gunakan).

Imho, peta panas harus mewakili fenomena berkelanjutan. Usia jenis bangunan tertentu mungkin tidak berkelanjutan sama sekali.

underdark
sumber
Saya tidak setuju dan berpikir peta berbasis panas atau raster dapat mewakili fenomena non-kontinu dengan cukup baik, terutama dalam kasus di mana titik-titiknya begitu banyak sehingga saling tumpang tindih.
Andy W
@Andy W: Saya setuju jika tujuan Anda adalah memetakan titik kepadatan. Tetapi dalam hal ini saya pikir tujuannya adalah untuk memetakan distribusi atribut. Peta panas akan memuluskan perbedaan (mis. Gedung yang benar-benar tua dan baru saling berdekatan). Itu mungkin bukan efek yang diinginkan.
underdark
Saya setuju dengan poin Anda, tetapi menggabungkan ke kota-kota memiliki jenis efek smoothing yang sama. Peta kerapatan kernel dalam konteks ini akan dianggap sebagai representasi dari usia bangunan rata-rata dalam jarak spasial yang dekat dengan piksel (yang mungkin atau mungkin tidak berguna untuk poster asli). Usia bangunan dapat dibandingkan dengan konsentrasi logam dalam pembacaan suhu atau tanah pada titik yang berbeda. Anda membuat beberapa jenis perbedaan antara yang lama dan yang baru dalam saran Anda seolah-olah mereka adalah karakteristik dikotomis yang berbeda.
Andy W
2

Saya suka jawaban Brian (dan saya pikir peta inset bisa sangat keren dan informatif untuk menyoroti bagian atau penyimpangan tertentu), tetapi pada awalnya saya hanya akan menggunakan simbol proporsional untuk mewakili usia bangunan (dan membuat dua peta, satu dengan bangunan yang lebih tua mendapatkan simbol yang lebih besar dan satu dengan bangunan baru mendapatkan simbol yang lebih besar). Kedua peta itu karena jika Anda memiliki area yang terlalu banyak sampel, kemungkinan besar akan memiliki lebih banyak bangunan baru dan lama.

Ini tidak akan berfungsi juga jika bangunan terlalu berkerumun karena simbol proporsional keduanya akan tumpang tindih (seperti yang Anda sarankan dalam pertanyaan Anda). Karenanya di sinilah pendekatan estimasi kerapatan kernal (yang menciptakan peta panas kontinu) bisa sangat membantu.

Saya juga akan mengatakan statistik ringkasan dalam kasus Anda dapat membantu. Menghitung ukuran global autokorelasi spasial (mis. Moran's I, Getis Ord, Geary's C) akan informatif tentang distribusi. Anda juga dapat memetakan ukuran lokal asosiasi spasial untuk memvisualisasikan kelompok bangunan tua atau muda.

Andy W
sumber
2

Jika tujuan visualisasi Anda adalah untuk menunjukkan penyebaran usia bangunan di seluruh negara bagian tanpa banyak menelusuri ke sub area maka solusi sederhana adalah dengan menggabungkan umur bangunan secara bersamaan (mis. 1850 - 1900) dan menunjukkan peta Negara terpisah untuk setiap kali titik dengan titik-titik. 4 peta berfungsi dengan baik karena semuanya berdekatan dan dipindai dengan cepat. Ini sangat dapat digunakan karena kesederhanaannya dan Anda dapat menggunakan titik-titik kecil untuk bangunan yang berarti Anda dapat menunjukkan penyebaran ribuan titik data sekaligus - simbol yang lebih kompleks akan tumpang tindih.

Namun, jika tujuan dari peta adalah untuk memungkinkan pengguna untuk menelusuri dan melihat distribusi usia di sub bagian negara bagian atau jika perbedaan usia yang baik adalah penting maka solusi ini mungkin bukan cara untuk melakukannya.

Trevesy
sumber
1

Mirip dengan peta panas, Anda bisa menjadikan usia sebagai nilai-z dan membuat peta relief berbayang, yang mungkin bisa membantu sedikit dengan pengurangan bias - yang benar-benar "tinggi" (lama) masih cenderung menonjol , tetapi tidak akan melenyapkan bangunan "lebih pendek" (baru).

Bergantung pada apa yang ingin Anda tunjukkan (apakah Anda mencoba menyorot bangunan yang lebih tua?), Anda dapat bereksperimen dengan skala logaritmik atau eksponensial.

Di wilayah negara yang luas, akan sangat sulit untuk mendapatkan banyak detail tentang usia bangunan kecuali sebagai rata-rata visual. Tidak sampai Anda melihat tingkat blok bahwa representasi apa pun akan membantu.

Herba
sumber
Saya benar-benar tidak mencoba menyoroti apa pun, dan sebanyak yang saya bisa saya ingin menjauh dari itu.
dassouki
Maka Anda tidak berusaha untuk menghaluskan apa pun - seperti peta panas akan cenderung, dan membiarkan poin agak melompat ke arah Anda. (Saya membayangkan) bahwa Anda benar-benar berbicara tentang menghasilkan permukaan 3D yang terlihat seperti sekelompok stalagmit yang tumbuh darinya. Mungkin "peta benjolan" akan menjadi deskripsi yang lebih baik?
Ramuan
1
Ini bisa efektif tetapi saya waspada terhadap permukaan 3D seperti ini. Pertama, puncak besar mengaburkan puncak kecil di belakangnya. Kedua, membaca nilai absolut dalam peta 3D kurang tepat dibandingkan jika Anda memiliki jalur warna.
Trevesy