Aldersfordeling- og mengde i Norges fylker (i et mosaikk-diagram)

Klikk for å se (hakket) større.

Når vi sammenligner forskjellige grupper, steder eller hva det måtte være statistisk, så er det gjerne en av to ting vi snakker om. Bor det flere eldre i et fylke som Nordland enn i Oslo, eller er det en større andel eldre i Nordland enn i Oslo.

Jeg er glad i andeler, som er en form for relativ verdi. Andelen eldre er stor eller liten i forhold til (relativt til) den totale befolkningen i fylket. Antall eldre er ett, absolutt tall. Det tallet forandres ikke noe av hvor stor resten av befolkningen er.

Hvorfor babler jeg om dette? Jo, fordi man stort sett må velge å vise enten relative eller absolutte verdier når man lager en graf om noe.

Med såkalte mosaikk-diagram kan man imidlertid vise begge deler!

Mosaikk-diagram, er ikke så ulike stablete søylediagram som summerer til 100 prosent. I slike søylediagram er vi vant til at høyden på søylene og søylebitene angir en verdi. I et mosaikk-diagram kan i tillegg bredden på søylene bety noe.

I tilfellet mitt kan det være litt forvirrende å snakke om bredde og høyde, for jeg har lagt diagrammet mitt på siden, så du skal slippe å snu på hodet for å lese fylkesnavnene. I mitt tilfelle viser bredden på søylebiten hvor stor andel den aldersgruppen utgjør av befolkningen i hvert fylke. I Oslo er søylebiten for voksne (20-64 år) bredere enn i Trøndelag fordi en større andel av befolkningen i Oslo (66,3 %) er voksne enn i Trøndelag (59 %). 

I tillegg viser høyden på søylene hvor  mange som bor i hvert fylke, uavhengig av aldersfordelingen. Høydeforskjellen mellom søylene til Viken og Vestland viser for eksempel at dobbelt så mange bor i Viken som i Vestland. Dette gjør at arealet på senior-rektangelen angir hvor mange eldre som bor i hvert fylke.

Vi kan for eksempel se nå at hvis du møter på 100 tilfeldige mennesker på i Innlandet, så er det mer sannsynlig at du møter på en over 65 år enn hvis du møter på 100 tilfeldige mennesker i Oslo. Rett og slett fordi en større andel av befolkningen i Nordland er 65 år og eldre enn i Oslo.

Men, vi kan også se at  det bor flere eldre mennesker i Viken enn i Nordland, selv om prosentandelen er lavere, rett og slett fordi det bor mye mer folk i Viken i utgangspunktet. Generelt, legg merke til hvor mye høyere Viken er enn alle andre fylker ...

Et par siste ting om valg i denne grafen. Jeg valgte at andelen eldre skulle stå i sentrum. Derfor rangerte jeg alle fylkene etter andelen eldre. I tillegg ga jeg denne aldersgruppen en mye sterkere farge enn de andre aldersgruppene. Gulaktige farger er ekstremt effektive til å fremheve noe fordi de kan være både lyse og sterke (mette/saturated) samtidig. Samtidig knotet jeg en del med fargehjulet til Adobe for å finne dempede farger som samtidig fungerer bra med denne gulfargen. Jeg valgte også å ikke angi verdier for hvor mange som faktisk bor i de forskjellige regionene, rett og slett fordi jeg ikke vil oversvømme grafen med altfor mange detaljer.

Når det gjelder arbeidsgangen, så lagde jeg først grafen i statistikkprogrammet R, hvor jeg også lastet ned statistikken fra SSB. Koden kan du se under. Deretter eksporterte jeg en svg-fil til Inkscape – som er et veldig habilt gratisalternativ til Adobe Illustrator – og gjorde en god del estetisk finpuss der. Svg-fil er viktig, for det betyr at alle enkeltelementene i grafen er redigerbare vektorer og kan flyttes og endres på i Inkscape. Jeg kunne nok tatt meg av mye mer av den estetiske finpussen i R, men var litt gøy å bare knote i Inkscape. Lenge siden jeg har gjort den type grafisk arbeid.

Kartogram: Stå "stor" er Norges befolkning

Datakilder: Kartverket og SSB

Jeg hører til blant dem som bruker kart til å si noe om folk. Problemet er at kart sier ikke i utgangspunktet noe om folk, de sier noe om steder.

Så når du viser et kart med Norges fylker, unnskyld, regioner, så er arealet som regel det første du legger merke til. Du registrerer, for eksempel, at Finnmark er mye større enn Oslo i areal.

En typisk måte å få kartet over regioners areal til å vise noe om befolkningen som bor i regionene på, er å bruke farger. Mørke, kraftige (mettede) farger betyr høye verdier. Lyse, vasne farger betyr lave verdier.

Farger er effektivt, farger er bra. Men menneskehjernen er skrudd sammen slik at vi fortsatt tenker at størrelse er viktig. Vi tilegner naturlig et stort område større verdi enn et mindre område. Store områder, som Finnmark, blir fort tilegnet mer vekt, betydning og oppmerksomhet enn Østfold, uten at det er noen god grunn til det. Kan vi gjøre noe med det?

Ja, vi kan lage et kartogram. I et vanlig kart bestemmes størrelsen på områdene (det jeg gjerne kaller de romlige enhetene), f.eks. regioner, av landarealet til områdene. Dette er en såpass stor selvfølgelighet at du fort må lese den setningen om igjen for å fange opp hva den egentlig betyr. Med et kartogram lar vi noe annet enn arealet bestemme størrelsen på områdene.

Som befolkningsmengden. Oslo har mer enn dobbelt så stor befolkning som Tromsø-Finnmark. Altså burde Oslo se dobbelt så stort ut.

Reiser virkelig flere med kollektivtransport?

Klikk for å se større.

En ganske selvforklarende og enkel graf. Statistisk sentralbyrå (SSB) har noen lignende grafer, som også viser at antall passasjerer med kollektivtransporten øker. Problemet med de grafene er at de viser antall kollektivreisende i absolutte tall, og tar ikke høyde befolkningsveksten. Selv om det er flere som reiser med kollektivtransport, så kan det i så fall være en lavere andel som reiser med kollektivtransporten.

Grafen over her tar høyde for det, og den viser at andelen som reiser med kollkektivtrqansport øker. Nå er det imidlertid to ting jeg må bemerke.

For det første, så ble metoden for å registrere kollektivpassasjerer endret i 2017 blant mange av kollektivtransportsøknadene, ifølge SSB. Vi bør altså ikke legge for mye inn i tolkningen av 2017 og 2018 sammenlignet med tidligere år.

For det andre, så behøver det ikke nødvendigvis å være flere enkeltpersoner som har begynt å reise. En passasjer er i denne sammenheng én påstigning, altså bør det tolkes mer som enkeltreiser. Med andre ord er det antall reiser som har økt.

Min egentlige motivasjon for å lage denne grafen var å bli bedre kjent med å bearbeide utseendet til grafen, når jeg lager den med ggplot2-pakken i R. Ggplot2 og R er utrolig fint til å lage grafer med, og det er ganske enkelt å velge mellom en del forhåndsdefinerte utseender (vil du ha Economist-stil på grafen din? Bare å skrive inn et ord i syntaksen din).

Under er koden min. Det fine med denne koden er at den henter statistikken direkte fra SSBs API, ved hjelp av PxWebApiData-pakken, som visstnok brukes til å kommunisere med en god del offentlige statistikkbanker i Europa og det som måtte være.

Hvor mange pendler til andre kommuner?

Dette kartet viser hvor stor andel av arbeidsstyrken i hver enkelt kommune som pendler til arbeidsplasser i andre kommuner.

Holder musepekeren over den enkelte kommune for å se det nøyaktige tallet.

Legg spesielt merke til smultringen rundt Oslo. En veldig lav andel pendler ut fra Oslo, men svært mange pendler ut fra nabokommunene. Mange av dem pendler til Oslo.

Vestfold og referansekart

Klikk for å se større. Kartdata: Kartverket, NVE, SSB.

Jeg tenker selv at jeg er ganske habil på norgesgeografi. Når jeg imidlertid tenker meg om, så er det et belte fra Østfold i sørøst til Møre og Romsdal i nordvest som jeg kjenner ganske godt til. Dette ble veldig tydelig for meg da jeg oppdaget at jeg ikke vet hva som ligger hvor av vestfoldbyene Sandefjord, Larvik og Tønsberg.

Så hvorfor ikke lage et kart over Vestfold?

Et annen grunn til å lage dette kartet er at jeg har lyst til å trene på å lage vakre kart igjen. Min bruk av GIS og kart har de siste årene utviklet seg i en analytisk og statistisk retning, der kartet nesten er underordnet tallene som jeg utledet av GIS-analyser.

Og når jeg først skulle trene på rent kartografisk design, så syntes jeg at referansekart er en spennende utfordring.

All den tid jeg har holdt på med samfunnsgeografi og kartmakeri, så har jeg stort sett laget tematiske kart. Kart over inntektsforskjeller og den slags.

Slike tematiske kart er strengt tatt enkle å utforme, for de skal ha et veldig snevert budskap.

Referansekart er mer utfordrende, for de skal gjerne vise litt av alt på ett og samme kart. Det blir fort mye surr, rot og kluss.

For eksempel, hvordan vise fram både kommunegrenser, elver og veier uten at det blir et salig rot av linjer?

Klikk for å se større.

I dette tilfellet vises ikke kommunegrenser med egne linjer i det hele tatt. Jeg er inspirert av den samme effekten som National Geographic bruker på sine veggkart.

For å få til den effekten brukte jeg Shapeburst fyll-teknikken i QGIS.

Jeg innrømmer gladelig at National Geographic sin kartografiske stil ble en stor inspirasjon, slik kartet utviklet seg. Opprinnelig hadde jeg egentlig tenkt å lage et kart mer i den spion-/blåprintstilen som jeg lagde et europakart med i februar. Men så syntes jeg at den effekten med kommunegrensene var så innmari fin mot en svak bakgrunnsfarge ...

Hvor bør knutepunktutviklingen komme (og slik lager du et bivariat punktkart)

Klikk for å se større.

Jeg hadde lyst til å gjøre to ting. Jeg ville lage et bivariat punktkart, og jeg ville jobbe litt med datasettene til Entur om kollektivtransport (som jeg skal bruke massevis i doktorgraden min).

Kartet du ser her er punktdata over tog- og t-banestasjoner i Oslo-området. I tillegg til lokaliseringen, så viser punktene to ting – derav bivariat – hvor lang tid det tar å reise fra den stasjonen til Oslo sentrum, og tettheten av beboere og arbeidsplasser i nærområdet.

Det som egentlig er ekstra kult med punkter, er at du strengt tatt kan vise tre forskjellige verdier samtidig, altså lage trivariate kart. Du kan gjøre som i kartet over, vise en ting (tetthet) med fargen til omrisset og vise en annen ting med fyllfargen (reisetid). I tillegg kan du variere størrelsen på punktene for å vise en tredje verdi, gjerne en absolutt verdi, som antall avganger, f.eks. Tetthet, hvor du deler befolkning på areal, er en relativ verdi og det motsatte av absolutt.

Punktene i kartet er egentlig to kartlag.

Det jeg gjorde for å få til det, var å legge to lag oppå hverandre i QGIS (se til venstre). Jeg sørget for at det nederste punktlaget hadde litt større punkter (density = punktstørrelse 3 i dette tilfellet) enn det øverste laget (transit time = punktstørrelse 2). Ingen av punktene har omrisslinje, og det nederste laget fungerer som omriss for det øverste.

Det ser ikke sånn ut på kartet, men jeg velger en gråskala fra svart til hvit for det øverste laget. Grunnen til det kommer jeg straks tilbake til.

Klikk for å se større. Blendingsmoduser skaper magi.

Deretter går jeg inn i symbologiinnstillingene til det øverste laget med gråskala (se bildet til venstre), transit time-laget, finner fram til nedtrekksmenyen for blendingsmodus, og velger multipliser.

Det som skjer er at tallverdiene til fargene i det øverste laget blir multiplisert med fargene i laget under der de overlapper. Er det kort til sentrum (svart) i et tett befolket område (turkis), da ganges svart med turkis. Langt til sentrum i grisgrend strøk? Hvitt ganges med brunt.

Hvorfor nevnte jeg QGIS spesifikt? På grunn av transparency blending modes. Hvis du er godt bevandret i Photoshop, så kjenner du antakeligvis godt til blendingsmoduser. Poenget er at hvis du vil ha noe delvis gjennomsiktig, så er ikke gjennomsiktig bare gjennomsiktig. Man kan for eksempel velge om fargemetningen i det øverste laget skal beholdes, men at lysstyrken skal preges av det underliggende laget. QGIS har totalt tolv forskjellige blendingsmoduser. ArcGIS, som jeg bruker mye ellers, har bare én.

Du har kanskje prøvd å legge et lag med fjellskygge over et kartlag med farger for arealbruk (fjell, hav, jordbruk, skog) og synes at det blir litt matt, kjedelig og dødt? Neste gang prøv ut forskjellige blendingsmoduser. Multipliser er en god gjenganger.

Her er en fantastisk blogg om fantasikart (!) med en veldig fin gjennomgang av forskjellige blendingsmoduser i Photoshop.

Når jeg først nevner programvare, så brukte jeg nettverksanalyse i ArcGIS til å beregne reisetiden med kollektivtransport til Oslo sentrum. Network Analyst-tilleggspakken til ArcGIS klarer ikke å beregne kollektivreiser på egenhånd.

Melinda Morang har imidlertid vært i førersetet for en fantastisk verktøypakke, Using GTFS Data in ArcGIS, som man kan laste ned og bruke til å kjøre nettverksanalyser med kollektivtransport.

En klar svakhet i det datamaterialet som blir framstilt her. Er at det viser reisetider fra akkurat klokka 08.00. Hvis det ikke går noe tog til Oslo før 08.05 fra en stasjon, så er ventetiden med i reisetiden på kartet. For å være skikkelig robust burde reisetidene gjennom en hel time (avreise 08.00, 08.01, 08.02 osv) blitt beregnet før den korteste reisetiden ble brukt i framstillingen.

450 meter buffer rundt hver stasjon, summerer opp areal, befolkning og
arbeidsplasser fra 250 x 250 rutenett fra SSB.
Datakilder: SSB, Entur, Bing Aerial

Når vi kommer til kvaliteten på datamaterialet kan jeg også nevne at arealet som brukes i tetthetsberegningene godt kunne vært hakket mer rafinert. Jeg lagde buffere med 450 meter radius rundt hver stasjon, og summerte antall beboere, arbeidsplasser og det totale arealet i alle cellene (i et rutenett fra SSB) som bufferen overlappet med (se til venstre). Vannareal er altså med i beregningen. Tettheten i rutenettet er forøvrig med i bakgrunnen i det endelige kartet.

Hvorfor buffere med akkurat 450 meter radius? Det er ganske vanlig å operere med at folk er villig til å gå 400 meter for å ta kollektivtransport. Størrelsen på cellene i rutenettet, på 250 x 250m, blir akkurat for små til at det er godt nok med bare en celle som "nærområde" for stasjonen. Derfor sørget jeg for å ha med de områdene som i hvert fall er innenfor 500 meter fra stasjonen.

Bruk relative, ikke absolutte tall

Klikk for å se større. Kilder: SSB og Statens kartverk

Her er en grei påminnelse om at man som regel bør bruke relative verdier, befolkningstetthet, og ikke absolutte verdier, befolkning, når man skal vise kart over hva enn det måtte være.

Befolkningskartet viser at det bor nok folk i kommunene Finnmark, men så må vi også huske at de fleste kommunene i Finnmark er gigantiske.

(Og ja, tallene er på kommunebasis. Man burde vel egentlig ha med kommunegrensene, men i et tilfelle som dette tillater jeg meg å la estetikken ta styringen).

Eller så minnet dette miniarbeidet meg om at man må begynne å bruke nye kommunekart. Det har jo allerede skjedd en kommunesammenslåing i Sandefjord-strøket.

Kartogram over befolkning og mandater

På vanlige kart (som det til venstre under) ser vi hvor store områder er i areal. Man kan se at Afrika er mye større enn Europa og Grønland (såfremt man bruker kartprojeksjoner som bevarer areal best mulig). Men ofte er det ikke areal som er mest interessant. Men for eksempel befolkningstall. Da er det ganske vanlig å vise dette med farger i et koroplet temakart.

Et annet alternativ, er å vise det i et kartogram, der størrelsen på enhetene, som fylkene i Norge, er bestemt av innbyggertallet, ikke arealet. Se figuren nedenfor.

Klikk for å se større

Når jeg først testet ut å lage et slikt kartogram, så ville jeg også lage et kart over noe jeg alltid har hatt lyst til å illustrere, at stemmen til en finnmarking i et stortingsvalg betyr over dobbelt så mye som stemmen til en osloboer. Det er meningen at kartogrammet helt til høyre skal få fram dette (jeg vet ikke hvor vellykket det er).

Du kan lese mer om det her, men for at distriktsnorge skal være godt representert på Stortinget, så har areal, ikke bare befolkning, en del å si. Antall stortingsmandater, strengt tatt representanter (før vi tar med utjevningsmandater og alt det der i bildet), bestemmes av antall innbyggere i fylket, og en vektet faktor på 1,8 av hver kvadratkilometer i fylket.

Kartogrammene lagde jeg i ArcMap med den nedlastbare verktøypakken Cartogram Geoprocessing Tool som er utviklet av Carol Sousa. Fremgangsmåten til verktøyet er opprinnelig utviklet av Gastner og Newman (2004).

De kartogrammene kan imidlertid være litt vanskelige å forstå innimellom, fordi formen på fylkene, eksempelvis, blir så utrolig vrengt. Og det er ikke nødvendigvis så lett så størrelseforskjeller uansett når fylkene har forskjellig form. Et alternativ da, som jeg så at ble brukt noen ganger i presidentvalgkampen i USA, er å vise alt i bokseformer. Her kan du se kvadratiske bokser basert på befolkningsstørrelsen i hvert fylke (tilsvarende det midterste kartet over):

Klikk for å se større.

Her ser du veldig tydelig at det bor mange flere i Oslo enn i Finnmark (og ja, det var en utfordring å få alle fylkene til å passe sammen når de skulle være kvadratiske). Dette "kartogrammet" måtte jeg imidlertid lage manuelt i illustrator, så jeg krysser fingrene for at jeg oppdager en eller annen lett og automatisert måte å lage denne type boks-kartogram på.

Gjeld og inkasso i Norge: Alt går feil vei

Jeg så Hollywood-filmen The Big Short i går, om hvordan enkelte personer forutså (og tjente penger på) finanskrisen som startet i 2008. Veldig bra og smart film som kan anbefales på det sterkeste. Samtidig var det litt ubehagelig å se filmen, og se noen av de samme tendensene som vi ser på boligmarkedet i blant annet Oslo. Gjelden øker, som vist under, men det gjør jo ikke noe så lenge folk betaler regningene og lånene sine, ikke sant?

Klikk for å se større. Datakilde: SSB

Vel, inkassokravene har blitt ti milliarder kroner større i Norge i løpet av seks år.

Klikk for å se større. Datakilde: Finanstilsynet

Vel, inkassokravene har blitt ti milliarder kroner større i Norge i løpet av seks år.

Og denne statistikken viser ikke hele bildet heller, som Finanstilsynet selv skriver om statistikken:

"Finanstilsynet presiserer at de presenterte tall for fremmedinkasso ikke viser totale tall for hva som er til inndrivelse i Norge. Inndrivning av egne krav (egeninkasso), og kravene som inndrives av Statens innkrevingssentral og advokaters inkassovirksomhet, inngår ikke i tallmaterialet."

Faktabasert kunst

Ser du den lille "hanken" med en pil under dette fjerne, abstrakte kunstverket"? Dra i den musa, og se hva dette kunstverket egentlig er for noe.

Kommune-NM og utdanning

Her er et eksempel på hvordan et storymap kan brukes til sammenligne forskjellige elementer, som rangeringen i NHOs kommune-NM og utdanningsnivået i kommunen, i dette tilfellet andel av alle over 16 år som har høyere utdanning.

NHOs kommune-NM er en rangering av Norges kommuner etter hvor næringsvennlige de er. Kompetanse er en av indikatorene som kommunene blir målt og rangert etter.

NHOs egen definisjon er i dette tilfellet

"Kompetanse, både i form av faglærte og høyere utdanning, er en viktig faktor for     kvaliteten i det kommunale tjenestetilbudet og for næringslivets konkurranseevne." 

(NHO 2016: 9)

Utdanningsnivået som du ser på kartet og i punktdiagrammet her, er andelen av alle i kommunen over 16 år som har høyere utdanning.

Punktdiagrammet under viser også at det kan være en anelse kurvelineær sammenheng mellom utdanningsnivå i kommunen og rangeringen i kommune-NM.

Kilder: NHO og SSB

Datakilder er NHO og SSB.

6 millioner nordmenn i 2031 (og kanskje 14 millioner i 2097)

Klikk for å se større. Kilde: Statistisk Sentralbyrå. Utforming: Torstein S. Throndsen

Statistisk Sentralbyrå kom ut med nye prognoser for Norges befolkningsvekst, og her kan du se ikke bare prognosene, men også befolkningsutviklingen i Norge de siste 281 årene.

En ting er sikkert, Norges befolkning vokser raskere og raskere.

Å se de store linjene er en ting, men jeg ønsket også å vise mer detaljert SSBs mest sikre prognoser for de nærmeste årene, og for når vi blir mer enn seks millioner nordmenn. Jeg skal ikke legge skjul på at SSBs egen graf var til stor inspirasjon i utformingen av akkurat den, som vist her i SSBs flotte infografikk:

Infografikk: Statistisk Sentralbyrå

Klimagassutslipp i norsk økonomi

Dette kakediagrammet viser hvor store klimagassutslipp (ikke bare CO2, men vist som CO2-ekvivalenter) det er fra de forskjellige sektorene i norsk økonomi. Det er derfor du også kan se utslipp for utvinning av råolje og naturgass i Nordsjøen.

Når jeg først er inne på utvinning av olje og gass, så viser ikke denne grafen hvor store utslipp det er i forbindelse med forbruk av "norsk" olje og gass hos sluttbrukere i utlandet.

Eller så er det betimelig å spørre seg hvordan man kan skille for eksempel transport fra industri og andre former for næring - er lastebilene på vei til og fra byggefeltet oppfattet som transport eller bygge- og anleggsvirksomhet? - men hvis du vil ha skikkelige svar på de spørsmålene, så får du lese mer om bakgrunnen for tallene hos SSB.

Grafen har jeg forresten laget hos Datawrapper. Spesielt Aftenposten har brukt dem en del for å lage interaktive grafer. De har en veldig fleksibel og praktisk betalingsløsning for sånne som meg som ikke er steinrike korporasjoner.

Endelig ...

Klikk for å se større.

Jeg har helt siden jeg oppdaget kartressursene til SSB (hvor det er mange godsaker) hatt lyst til å teste ut rutenettet som de har over hele Norge. Resultatet kan du se her! Fordelen med et slikt rutenett - som du skulle tro var i rasterformat, men faktisk er vektor - er at de endres ikke over tid, noe kommunegrenser kan gjøre.

Rutenett tar heller ikke hensyn til administrative grenser, noe som kan være både en fordel og en ulempe. Men et eksempel på en fordel: det gir et mer detaljert og korrekt bilde å studere befolkningstettheten på Høybråten i Stovner bydel hvis den skulle være slått sammen med befolkningsdataen for Karihaugen i Lørenskog kommune enn hvis vi ser på befolkningstettheten for hele Stovner bydel. Som du kan se på kartet, har jeg tatt med alle de rutene som krysser kommunegrensen.

Det skal imidlertid sies at grunnkretser og delbydeler/delområder (ja, det er noe som heter det også) gjør mye av den samme jobben. De skal heller ikke forandre seg over tid, men til forskjell fra rutenettet, så krysser de ikke kommune- eller bydelsgrenser.

Personlig har jeg sansen for delbydeler (hvis du spør geofolkene i SSB pent, så kan de sende deg en kartfil (shapefile) med delbydeler i Oslo). Grunnkretser blir for smått. Delbydeler er passe store, men det som jeg liker enda bedre, de samsvarer ganske bra med det vi oppfatter som et sted. Bislett, f.eks. består av flere grunnkretser, men du har en statistisk delbydel som heter Bislett og som samsvarer veldig godt med det stedet jeg oppfatter som Bislett når jeg går oppover Pilestredet og Thereses gate.

Det var nok om rutenett og delbydeler. Se og lær, og bli klokere på Oslo.

GIS-TIPS: Skal du koble sammen rutenettet og befolkningsdataene fra SSB i ArcMap eller QGIS, slik jeg har gjort i dette kartet, så må du sørge for at den kolonnen som begge tabellene har til felles, er av datatypen double. Hvis jeg ikke husker feil, det var en stund siden jeg gjorde det, så er ikke den ID-kolonnen i rutenett av typen double, men integer, så du må lage en ny kolonne med double som du kopierer innholdet over til.

Ny variant om friluftsliv

Klikk på grafikken for å se den større.

Jeg skal ærlig innrømme at dette er stort sett den samme informasjonen som jeg kom med for et par uker siden. Den store forskjellen er presentasjonen, og at kartet viser variasjoner fra landsdel til landsdel i hvor mye folk er på skikkelig lange fotturer (altså over tre timer lange turer).

Denne presentasjonen er mer representativ for hva jeg personlig har lyst til å få til. Den forrige, mer typiske, presentasjonen, er i langt større grad inspirert av hvordan The Economist presenterer statistikk.

Her kan du forresten lese hva Statistisk sentralbyrå (SSB) selv skriver om tallene. I tillegg kan du selv leke deg litt i statistikkbanken deres.

Bakgrunnsbildet viser forresten et taulag som er på vei opp til Galdhøpiggen fra Juvasshytta.