Digital till Analog: hur data som form (4 / 6 steg)

Steg 4: Ge den form, modell det!

Nu kommer roligt delen, modell det! Vi modellering våra data för att ge den form för att vi ska börja att förstå det bättre. Genom att ge våra data form av modellering det i datorn, är vi ett steg närmare att ge våra immateriella data en konkret form. När vi modell våra data, allt vi verkligen gör flyttar punkter i rymden. Jag föredrar att använda programmet Rhinoceros 3D, men du är välkommen att använda någon annan modellering programvara som Sketchup, Modo, Maya, Vectorworks, Autocad, etc. Nu måste du bestämma hur din modelldata. Vill du ansluta punkter i rymden med linjer? ersätta punkterna med former? Skapa en plan med de punkter som du redan har? Kanske vill du skriva något slags väska som tar värden från datauppsättningen. Oavsett vilken verksamhet du vill köra på dina data, gör det nu! Du väljer hur du vill visa dina data genom modellering.

Om du väljer att använda två olika uppsättningar data nu är det dags att besluta hur du kommer att införliva varje uppsättning data. Du täcka över de två formerna ovanpå varandra som kommer att skapa ett nytt formulär baserat på en sammanslagning av data. Detta sätt kan du sedan välja om att unionen eller Boolean den för bildar, i huvudsak samman den alltför uppsättningar data eller selektivt utslaktning baserat på formuläret. Eller kanske du kunde skriva ett skript som använder de två datauppsättningarna för att ställa in parametrar för ett formulär. Igen, ditt val om du vill sammanfoga eller slakta bitar av data. Vad du än väljer, är det ofta mest intressanta att låta data avgöra form snarare tvärtom.

För mitt projekt ville jag skapa en plan eller ett formulär som skulle få höjd baserat på värdet av data. För den första kartan, tätheten av aktivitet, använde jag gräshoppa att köra ett skript som skulle lutning värdet för varje punkt som ett värde och sedan flytta denna punkt upp, i Z riktning, enligt dess värde. Så, kan jag skapa ett nytt landskap i San Francisco där högre täthet av aktivitet är höga berg och områden av lägre densitet av aktiviteten är lägre dalar. För att göra denna form, använde jag en bild sampler gräshoppa som i huvudsak använder min Övertoningskarta som en bitmapp att generera och flytta poäng baserat på bilderna inbäddade värden (som härledas från ut data). För den andra kartan, användargrupper, använde jag gräshoppa igen för att pressa varje punkt enligt antalet användare den punkt representerade.

Både kartor skapar en rad punkter som är flytande utrymme på olika Z höjder, så vi behöver ansluta dem alla. Jag använde en delaunay mesh, en operation för att triangulera poäng vilket resulterar i en maska yta, för att skapa uppsättningar av varje karta till en yta. Den resulterande ytor var sedan pressad till en gemensam bas för att ge dem båda referenspunkt. De två kartorna slogs sedan samman för att skapa ett nytt formulär som härrör från jämförelsen av båda kartor. Således kan vi se från vårt ny formulär där det finns områden med antingen fler användare eller högre täthet av verksamhet eller där de två sammanfoga. Medan vi kanske tidigare trodde att områden med högre densitet verksamhet innebar fler människor, och därmed fler användare, var vad vi lärt oss att det finns kanske högre täthet av användare oberoende av aktivitet. Vi kan sedan zooma in på vissa områden, som skapa nyfikna avvikelser, och försöka förstå mer baserat på just den platsen i staden.

Nu när dina data har form, har du ett nytt sätt att se på dina data och därmed mer att lära sig!

Ovan är en prov bild för min gräshoppa skript för referens på hur du använder bilden sampler som bifogade gräshoppa script och Rhino fil. Mixtra runt!