每周数据新闻精选 | 交互图、原始数据、推特分析神器

全球深度报道网的“每周数据新闻精选”（Top Ten #ddj），将分享由社交网络程序NodeXL统计得到的最热门#ddj话题推文。本周精选集合多个创意交互图案例，并为读者介绍用于推特数据分析的新工具。

《纽约时报》：奥巴马政绩如何？画出你的判断

八年总统任期，奥巴马交出了怎样的一份成绩单？《纽约时报》的交互数据报道，让读者参照小布什政府的表现，根据个人判断，“画”出奥巴马政府在就业率、犯罪移民遣送、医疗支出、国家债务和非法墨西哥移民数量这五个方面带来的改变。画完后，点击图表下方的“Show me how I did”（“看我猜得如何”），就能看到现实情况与个人判断之间的差距。

Data Driven Journalism （数据驱动新闻网）：美国通勤地图——探索“超级区域”（megaregion）内的经济联系

为深入了解现代社会的“连接性”（connection）及其影响，英国谢菲尔德大学城市讲师Alasdair Rae与队友对全美范围内的通勤状况展开研究。他们利用涉及约1.3亿人口、包含四百万条个人点对点路径在内的通勤数据，制作出美国通勤地图，分析通勤模型，并细致探讨了麻省、“双子城”（明尼苏达州明尼阿波利斯和圣保罗）及中西部这3个区域的情况。制图所用到的数据与工具包括美国社区调查（American Community Survey）的开放数据，开源软件如QGIS和Combo，以及云计算技术（亚马逊网络服务）。Rae希望通过该项目，让人从经济与地理之间的关系、而非单纯的行政区域角度来更好地了解自己所在的地区。他同时认为，该项目能为政府在修建新的基础设施、组织经济活动等计划上提供参考 。

制图：Garrett Dash Nelson and Alasdair Rae

The Functional Art：关注原始数据，拒做不靠谱标题党

要做严谨的数据报道，应要考虑百分比背后的原始数据。《纽约时报》1月14日的一篇报道“美国SNAP福利家庭的购物车里有什么？非常多的苏打饮料”（译注：“SNAP”，即Supplemental Nutrition Assistance Program，是美国一项补充营养援助计划，已为170多万低收入纽约人提供食品援助），引起了迈阿密大学教授Alberto Cairo对其论断的质疑。Cairo指出，该报道缺乏对SNAP家庭食品支出基数的考证，仅采用软性饮料所占百分比数，来说明这些家庭支出不合理，明显误导了只读标题的读者。

swissinfo.ch：150年的瑞士气温可视化

瑞士广播公司网站swissinfo.ch的动画图表能让人快速一览150年来瑞士的气候变化。数据显示，自上世纪80年代起，瑞士的年均气温就显著上升并维持在一个较高的温度水平。而刚过去的2016年，是自1864年来排第八位的高温年份。静态的气温“瀑布图”则以表示1981至2010年均温的中线为参照，呈现150年间年均温的变化幅度，清晰展示气候变暖的趋势。

路透社：115年来的诺贝尔，花落谁家

路透社运用诺贝尔基金会的数据，做出了历年诺贝尔奖得主的互动图表。读者可以自由选择以所属机构或国籍作为纵轴，获奖领域或获奖年代作横轴，图表便会出现相应变化。图中每个圆点代表一位诺贝尔奖获得者，圆点颜色代表不同奖项。将光标置于圆点上，还可得到相应的获奖者信息，包括姓名、获奖领域与年份、生卒年份、获奖原因和所属研究机构。点击信息窗口可进入诺贝尔奖的官方网站，查阅该获奖者的详细介绍。此外，读者还可根据“所有获奖者”、“女性”、“是否健在”、“是否共享奖项”和“是否获得多类奖项”等选项过滤数据。

Data Driven Journalism: Mecodify——推特数据分析新神器

不需要懂编程，也不需要付费，Mecodify为想做推特数据分析的记者提供了另一种可能。这款开源工具能帮助记者轻松提取、分析及可视化推特数据。于去年11月推出的Mecodify现在还处在开发阶段，但其生成的结果已为许多学术研究所引用。本文以2016年乌干达大选为例，介绍了该款工具的具体功能，包括如何通过推特话题收集数据、绘制推文时间线、生成形式多样的交互式图表，以协助进行数据分析。

文/梁思然，梁晨昱

编辑/Ivan Zhai