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
在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31