1. 酒精消费
此可视化显示了 2001 年至 2018 年人均（人均）饮酒量最高的国家。有趣的是，这段时间的最高国家主要由东非和欧洲国家组成。
如果您想了解更多关于全球酒精消费的信息，请查看牛津关于全球酒精消费的报告
https://ourworldindata.org/alcohol-consumptio
以防万一您感兴趣，这种类型的数据可视化称为条形图竞赛。 我相信你已经在 YouTube 和 Reddit 上看到了很多这样的内容。 如果您想自己构建一个，这里有一个教程，您可以查看
https://towardsdatascience.com/step-by-step-tutorial-create-a-bar-chart-race-animation-da7d5fcd7079
2. 健康&财富的221年
通常少即是多，但这是我最喜欢的可视化，因为它以清晰的方式传达了如此多的信息，而且非常积极！
此可视化显示了每个国家的财富（人均 GDP）和健康（平均预期寿命）如何随时间变化。 圆圈的大小代表每个国家的人口，颜色代表每个国家所属的大陆。
看到我们作为一个物种走了多远真是太神奇了，是吧？
https://www.reddit.com/r/dataisbeautiful/comments/lmlrks/oc_our_health_and_wealth_over_221_years/
3. 地球光纤电缆网络 3D 地图
这个由 Tyler Morgan 创建的可视化是世界光缆网络的 3D 地图。 该网络用于传输电话信号、互联网通信和电视信号。
真正看到我们在全球范围内的相互联系是非常疯狂的，不是吗？
这是使用 rayrender 和 geojsonsf 包在 R 中创建的。 如果您想查看完整代码，可以在此处查看。
https://gist.github.com/tylermorganwall/b222fcebcac3de56a6e144d73d166322
4. 美国Covid病例增长
我不是特别喜欢花哨的数据可视化，因为它们通常不像简单的图形（如折线图）那样有效地传达信息。 但是，因为这个动画非常独特（而且有点令人不安），我觉得有必要将它添加到前 10 个可视化效果中。
虽然没有轴可以告诉我们绝对数字，但它是一个简洁的可视化，向我们展示了与 2020 年年初相比，COVID 病例数的增长速度。
这是使用 d3 创建的，完整代码可以在这里找到。
https://observablehq.com/@bagami/the-us-covid-syringe
5. 美国 COVID 等值线图
此可视化告诉我们，从 2020 年 2 月开始到 2021 年 10 月，美国的 COVID 病例是如何增长的。有趣的是，您可以清楚地看到这一时期 COVID 的“波浪”。
这种类型的可视化被称为等值线图，它在比较不同地区（州、国家、大陆等）的特定变量随着时间的推移非常强大。
如果你想学习如何用 Python 构建一个，我在这里写了一份创建 Choropleth 地图的分步指南。
6. 所有精神疾病的地图
此可视化显示了 DSM-5 中的每一种精神障碍，它代表精神障碍诊断和统计手册。 它是美国精神障碍的标准分类。 有 20 多个类别和数百种疾病，一旦您开始了解它，这种可视化可能会花费比您想象的更多的时间。
7. 我们的塑料去哪儿了？
该动画展示了塑料的生命周期，以及其中大部分的结束位置。 可悲的是，很明显，我们没有像我们应该回收的那样回收尽可能多的塑料，惊人的 60% 最终被填埋或进入海洋。
这种类型的可视化是一个动画桑基图，它类似于树图，因为它将数据分解为几个子组并按比例表示值。
如果您想学习如何在 Python 中构建 Sankey 图，请查看此链接。
https://towardsdatascience.com/sankey-diagram-basics-with-pythons-plotly-7a13d557401a
8. 近60年来，Top 100 艺术家
最后，这个可视化显示了 Billboard 1960 年到 2020 年的前 100 位艺术家。我个人喜欢这个图表，因为它提供了很多信息：你可以看到顶级艺术家是谁，他们什么时候最流行，以及他们有多少歌曲 称霸排行榜！
你认识多少艺术家？
了解课程