Rawgraphs 是一套很適合入門者的網頁版資料視覺化自由軟體。 不必下載軟體， 只需要到示範網址 ("Use it now!" 點下去)、 上傳你的 csv 檔、 決定你想畫哪一種圖、 決定要用哪些欄位， 馬上就幫你產生圖形。 這裡 有一篇入門的中文教學， 我就不再重複介紹基本的操作了。 以下是我的一些使用雜記。 一、 隱私 & docker Rawgraphs 官網強調一切運算都在瀏覽器裡面發生， 你的資料不會被傳到伺服器去。 但如果你的資料高度敏感 (例如客戶的個資)， 還可以更進一步下載 Dockerfile、 放在一個空目錄裡、 進入該目錄、 用 docker build -t rawgraphs . 自行在本機建立一個 docker image。 這樣就可以完全離線執行了。 成功之後， 可以用 docker run -d --name rg0 -p 3072:

這是舊聞，不過很適合拿來當媒體識讀的教材。 2022 年 11/23 左右， 正值台灣武肺疫情高峰期間， 突然出現大量 「近二週致死率全球第三高」 的新聞。 這是 mal-information 的例子： 可能是事實， 但有惡意誤導的意圖。 按照 這裡 的指示取得疫情開始至 2023 年 3 月的資料檔 owid-covid-data-old.csv 。 只保留有興趣的欄位： cut -d, -f 1-4,9-10,15-16 owid-covid-data-old.csv > covid-deaths-pm.csv python3 filter.py covid-deaths-pm.csv > G20-covid-deaths-pm.csv 這個程式會讀取 G20.csv， 然後逐列處理 covid-deaths-pm.csv， 只留下

有些試算表它的許多欄位恰好構成資料空間的某種分割， 例如12個月份、 各類交通工具、 4種血型、 全國22個縣市... 等等。 有時候我們會希望把這 N 個欄位合併成兩個欄位， 一個欄位紀錄原表格中的欄位名稱， 另一個欄位紀錄原表格的內容， 從而產生一個 「比較瘦、 N倍高」 的新表格。 這個轉換動作稱為 unpivoting 或 melting。 這篇文章 的圖很清楚， 大推！ 也可以參考 用 google 試算表做 unpivoting 的中文教學。 「電力能源來源分類」 也屬於這種表格。 為了繪製 treemap， 我們要先對它進行 unpivoting/melting。 找不到命令列工具可以直接套用； 不過 pandas 裡面就有 melt() 函數可以做這件事。 處理所以寫一個很短的程式 melt.py 就解決了。 呼叫 melt() 的時候， 必須指定哪些欄位不

右圖是我看著 electricity-mix.csv (製作過程) 整理出來的 「電力能源來源分類」 猜測。 這種樹狀的階層式結構 (hierarchy) 感覺很好拿來畫 treemap 之類的圖形。 (另文詳) 為了驗證這些猜測： 先撈出美國的資料： ( head -n 1 electricity-mix.csv ; grep '^USA,' electricity-mix.csv ) > usa.csv 用 libreoffice 打開 usa.csv 「檢視」... 「凍結第一列」、 選取整張試算表、 把所有欄位同步變窄、 選取第一列、 文字折行， 這樣比較方便讀標題文字。 刪掉不相關的欄位 (例如所有的 per capita 欄位)、 編輯簡化標題列、 根據猜測的分類調整欄位順序， 把相關的放在鄰近位置。 新增一些檢查欄位。 例如猜測

上 「資料視覺化」 課程的時候， 想要拿 electricity mix 這個資料集做例子。 發現裡面混雜著個別的國家、 聯盟 (G20、 OECD) 跟大陸 (歐/亞/非/..)， 很難整理。 另一方面我也希望標示每個國家所在的大陸， 但是原始資料集裡面並沒有這項資訊。 於是我找到 List of Countries by Continent 這個表格， 並且 在 owid dataset 發問 之後修改了我的小程式 country-encode.py， 以後要整理 OWID 的資料就方便多了。 假設程式碼 country-encode.py、 簡碼對照表 country-codes.csv 跟某個想要處理的 csv 資料檔 (例如我提供的範例 democracy.csv) 這三個檔案都在目前目錄。 可以這樣執行： python3 country-encode.py

想要在終端機視窗裡移動遊標、 顯示彩色的文字跟背景、 粗體/斜體/底線/閃爍等等特效， 如果在 bash 底下， 可以 用 echo 指令 列印特殊的 ANSI escape sequences。 如果在 python 底下， 則可以使用 ansi 這個套件。 先安裝套件： pip3 install ansi 然後進入 python3 測試： import sys from ansi.colour import fg, bg, fx print('中文', fx.italic, '也', fx.bold, '可以', bg.blue, '有', fg.red, '特效', fx.blink, '嗎', fx.reset, '？', sep='') sys.stdout.write('中文' + str(fx.italic) + '也' + str(fx.bold) + '

Javascript 語言本身已經 令程式設計師愛恨交織； 它的工具鏈 (toolchain) 更令人眼花撩亂。 去年 我很匆促地學了一點 webpack， 今年好像又不夠用了。 不同時期不同作者的設定檔都差好多， 其中很多也不適用於新版。 越爬文越迷惘， 覺得自己怎麼那麼弱， 都快要哭出來了... 偶然搜尋到這篇： A Crash Course in Modern JavaScript Tooling， 聽到作者安慰： "It's not your fault." 突然覺得獲得救贖， 原來很多 python 族都跟我有相同的感覺！ [2023/2 很多時候其實根本可以略過工具鏈啊！] 這次沒有時間壓力， 花了快一個月終於建立了一個最精簡的骨架程式 jstc-novice， package.json 跟 webpack.config.js 裡面的每一句話都看得懂， 可以作為 (已