
恐怖主义离我们有多远?可视化+信息图+数据库告诉你
11月13日晚,巴黎市中心发生系列恐怖袭击事件,已造成上百人死亡,世界为之惊愕。而恐怖主义近40年来究竟造成了多少人员伤亡?有多少恐怖主义组织参与其中?影响的区域有多大?深度君推荐数个全球恐怖主义信息图和可视化作品,并分享制作步骤和数据来源。
1. 历史统计:法国经历的恐怖主义袭击
雅虎新闻在巴黎袭击之后迅速梳理了1970年至2014年法国发生的恐怖袭击和威胁的数量及伤亡人数,结果发现21世纪至今并不是恐怖主义最猖狂的时期,恐怖主义袭击和威胁在上世纪70、80年代发生频率最高且伤亡人数最多。1986年是伤亡人数最多的年份,多达25人死亡、306人受伤,而1996年为恐怖主义袭击发生次数最多的年份(270起)。
1970年至2014年法国发生的恐怖主义袭击和威胁的数量统计 图片来源:雅虎新闻
他们从全球恐怖主义数据库(Global Terrorism Database)的14万条数据中选出合适数据,以简洁明了的柱状图体现数量和年份之间的关系,将单一年份的死亡和受伤人数叠加显示。该数据库可供用户查阅时间、发起组织、袭击类型和袭击目标,大家不妨用它制作更多的可视化作品(深度君将带来该数据库的详细解读)
关于数据的详细情况,请参阅>>>点击数据图右上“分享按钮”可获取图表html代码。
2. 遭遇911的美国,30年来遭受过多少恐怖袭击?
自经历911恐怖袭击之后,美国一直处于恐怖主义话题中心。而此前恐怖主义在美国留下了多少阴影呢?《卫报》的Simon Rogers利用制图软件CartoDB把1970年至2011年发生在美国的恐怖主义事件一一在地图上标注,发现在该时期内美国共发生2631起恐怖袭击事件,呈现从东西海岸向内陆逐步蔓延之势。
作品以美国地图为背景,自动播放逐年数量变化,同时地图上以圆点标注事件发生的具体地点。点击圆点,发生的地点名称、时间、发起组织和袭击目标即可一目了然。
3. 恐怖主义40余年全球版图
1970年至今,恐怖主义是如何在全球扩张的?除了ISIS,还有哪些神秘的恐怖主义组织?他们的危害有多大?波兰的数据可视化公司Periscopic的作品“A World of Terror”以翔实数据和生动图解告诉你答案。它梳理了全球曝光率最高的25个恐怖主义组织和他们1970年至今的活动情况,每个组织发起的恐怖主义袭击的数量、伤亡人数、活跃的年份。数据选自全球恐怖主义数据库,显示这些恐怖主义组织的足迹遍布五大洲的73个国家,法国最常被视为袭击目标。
每个组织的数据都对应一张信息图,在图上可选择时间轴范围,查看相应的伤亡数字和事件发生数量。作品将这些组织以活跃时间、最近发起的事件、伤亡数量、影响的地域范围和名称音序这5个类别排列(每点选一个类别,该组织的信息图也随之重新排序)。统计发现:ISIS是伤亡数量最多的恐怖主义组织,其制造的1194起恐怖事件造成8116人丧生,1.9万多人受伤(2002年至2013年)。而自1983年就活跃的黎巴嫩真主党是影响范围最广的组织,足迹横跨欧、非和南美(1983年至2013年)。
4. 14万起恐怖事件总汇:全球恐怖主义数据库
恐怖事件详细信息哪里找?作为恐怖主义事件的信息整合宝库,全球恐怖主义数据库(Global Terrorism Database)已经收集并梳理了14万个从1970年到2014年全球各地发生的恐怖主义事件(有5.8万起炸弹爆炸,1.5万起暗杀,6千起绑架事件),包括每个事件的发生时间、地点、使用武器和袭击目标的特点、伤亡数量和可确认的责任方等信息,兼顾国内和国际。
开源、数据全面、可靠是GTD的特点:现已汇集公开媒体报道多达400万条,平均每个事件多达45项信息,最近的可达120多项。由12名恐怖主义研究专家组成的顾问团严格监督该项目,经过考核的数据才会加入数据库,因而也较为可靠。若想查找相关信息,可在首页输入关键词作简简单检索,或点击“高级搜索”选定时间地点等条目缩小范围。政府代表和研究员可填写联系表向他们申请获取数据表。
5. GitHub手把手教你做恐怖主义数据可视化
Github上有一款名为“全球恐怖主义可视化”的作品,梳理了自2000年至2011年全球恐怖事件死亡人数趋势,在地图上用不同颜色标示全球恐怖主义多发地区的死亡人数和发生频率,用户可在上方时间轴选择查看一年之内的情况。例如,从2008年1月至2009年1月短短一年中,全球共有8892人死于恐怖主义相关事件,伊拉克是死亡人数最多的国家。
他们采用的正是全球恐怖主义数据库的数据,以D3.js, Datamap和Underscore.js作为可视化工具。作品意在展现恐怖主义发生趋势,提醒人们有多少人因恐怖主义而丧生。设计制作流程包括:
以Tableau探索、选择、核实数据。
用全球地图为背景、确定颜色(恐怖事件发生越多,该地区标注的颜色越红)。添加时间轴。
将所有国家发生的恐怖主义事件以热力图和圆圈图的形式展现出来,按照死亡人数标注颜色。
图片来自GitHub.com
在探索数据的同时常识各种可视化呈现方式。
为可视化呈现结果作头脑风暴、打草稿。
图片来自GitHub.com
制图、核查、完成作品。
他们的经验是:
一般在草稿阶段很难完全确定标示的颜色,最好在看了呈现效果后再确认。
每个国家的死亡人数以圆圈图呈现,和上方显示总人数的柱状图形成对照,层次更鲜明,区分度更高。
来自SOTON数据分析
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29