
大数据时代:一张图观2000年文化迁移
这些线条也许看上去很像北美和欧洲之间的航线,或是夜间卫星图,城市像星座一样被点亮。
But look again.
但请再瞧一瞧。
These animations chart the movement of Western culture over the past 2,000 years, researchers report Friday in the journal Science.
根据一研究团队在周五《科学》杂志上的报告,这些动画其实纪录了过去2000年间西方文化的迁移。
To make these movies, art historian Maximilian Schich and his colleagues mapped the births and deaths of more than 150,000 notable artists and cultural leaders, such as famous painters, actors, architects, politicians, priests and even antiquarians (people who collect antiques).
为了制作出这些影像,艺术史学家马克西米兰·舒尺和他的团队在地图上标出了15多万位艺术名人和文化领袖的出生和死亡地点,其中不乏著名的画家、演员、建筑师、政治家、牧师,甚至是古文物收藏家。
A shimmering blue dot lights up each new birth, while red dots represent each death.
地图上闪闪发亮的蓝点代表出生地点,红点则代表死亡地点。
We can watch as artists flock from rural areas to urban centers like London, Paris, Rome and Berlin after the Renaissance. Then in the late 17th century, people start to catapultfrom Europe into the eastern U.S. and then eventually leapfrog over to the West Coast.
我们可以看到,艺术家在文艺复兴之后纷纷从乡村迁往伦敦、巴黎、罗马和柏林等中心城市。而到了17世纪后叶,他们很快从欧洲迁往美国东部,最后争相迁往西海岸。
“We’re interested in the shape of the coral reef of culture,” says Schich, of the University of Texas. “We are taking a systems biology approach to art history.”
舒尺来自德克萨斯大学,他表示,“我们对文化所呈现的外形很感兴趣。我们采用了一种系统生物学的方法来研究艺术史。”
After mapping the births and deaths, Schich and his team analyzed demographic data to build a model for how people and their cultural achievements ebb and flow across continents.
标出出生和死亡地点后,舒尺和他的团队对人口数据进行了分析建模,借此反映艺术家及他们的文化成就是如何在大陆间变迁。
Right now the team has only maps for the U.S. and Europe. But Schich hopes to extend these visualizations beyond the Western world.
目前团队仅绘制了美国和欧洲地区的地图。但舒尺希望继续利用这种可视化方式呈现西方世界以外的地区。
And the model isn’t just fun to look at. The data also reveal trends and patterns in human migration over the past two millennia.
该模型不只是看上去有意思而已,其数据反映了人类在过去2000年间的迁移趋势和模式。
The models are the latest application of a rapidly growing field, called network science — which uses visualizations to find the underlying patterns and trends in complex data sets.
该模型是网络科学的最新应用成果。网络科学利用可视化技术反映复杂数据集的潜在模式和趋势,目前该领域的发展速度很快。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12