京公网安备 11010802034615号
经营许可证编号:京B2-20210330
你真的不了解这个星球—涨姿势的大数据
1. 首先来看看地球,看起来不错哟,地球~
2. 图中圈圈里头的人口,比其他地区的所有总和都还要多。
3. 以整个地球史来看,曾活过的人类高达1150亿人,其中包括现存的70亿人口,你也是其中的一员。
上图每一个点就是1000万人,每年有1.4亿人诞生,现在有70亿人口;每年有5700万人死亡,估计曾有1080亿人在地球生活过,然后死去。
4. 每一天,地球都有人飞来又飞去,就像下图这样:
5. 这是南极州,比美国还要大呢!
还有,非洲比你想像的还要大多了,看看一些国家塞进来的样子…
把美国、西班牙、比利时、荷兰、法国、德国、义大利、瑞士、东欧、印度、中国的一部分、英国、日本…全都放进去。
6. 如果地球没有水的话,就会变成这样…
7. 你知道太平洋其实比起想像的还要大吗?
8. 这是马里亚纳海沟 (Mariana Trench) 的深度,难怪还有这么多人类尚未探索到的海底生物。
可以深到10972公尺…或更多。
9. 我们都知道有很多人造卫星,但是你知道有这么多吗?
10. 把美国放到月球的话,大小比例是这样…
11. 地球到月球的距离貌似很短,但是已经可以塞下太阳系的所有星球了。
有384,400公里那么远喔~
12. 若把火星上头的奥林帕斯山 (Olympus Mons) 拿来跟地球的高山来比较的话…地球的好像就是小儿科啊…
奥林帕斯山有27公里高,几乎是圣母峰的3倍高,也比毛纳基火山 (从水底山脚计算) 的2倍还要高。奥林帕斯山已经高耸进火星的大气层了。它的基底有550公里那么宽广,意思也就是,如果你站在破火山口来看的话,它的山脚会一路绵延超过地平线。
13. 而这座巨型火山,大概也跟一个法国差不多大。
14. 木星的体积也不小,只是距离我们太远了。但如果木星距离我们就跟月球一样近的话,我们会看到…
心脏根本就不够用啊!仰望天空时太惊悚了吧!
15. 左是木星卫星「木卫二」(Europa) 上头的水量,右则是地球上的水量。
什么!地球的水比想像中的还要少这么多呀!
16. 每一天,都是木星让陨石的轨迹远离地球的。
虽然不知道你听不听得到,但谢谢你,木星。(对天呐喊~)
17. 我们都知道宇宙里头有许多彗星,但你可能对它们的大小没有什么概念。好吧,如果拿洛杉矶 (LA) 跟彗星比较的话…
18. 我们的太阳系也是不断地移动,我们现在跟2.25亿年前的地球是在同一个位置,当时恐龙都还活着。
我们的太阳系会花上2.25亿年绕行银河系,上一次地球在同一个位置的时候,恐龙都还存在着。
19. 仰望天空,我们都觉得其他的星星很小,但若从土星的环后方来看的话,地球也相当渺小。
20. 事实上,你眼睛所能看见、人类所知道的,其实都只有在这小小的圈圈里头。
21. 而在银河系当中,所有人类向宇宙广播可以触及的范围,就只有那蓝色的小点点那么多。难怪我们一直都没有找到其他高智能的生命…
22. 而这是我们每年在银河系当中所发现的星球数量:
23. 银河系貌似很大,但我们再来比较一下…
(左到右) 银河系、仙女座星系 (Andromeda)、室女A星系 (m87)、IC-1011星系。
24. 看完之后,你可能跟我一样觉得自己相当渺小,但别忘了,每天有上兆的细胞在你的体内运行着。以下是白血球正在攻击寄生虫的样子:
25. 在细分一些,这些东西都是由分子组成的,而这是其中的一个:
最后也忘了,你体内是有7,000,000,000,000,000,000,000,000,000 个原子的,这就是你!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22