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.

Realistiske fjellskygger (i Jotunheimen) med Blender

Klikk for å se større. Datakilder: Statens kartverk

Jeg vet at dette ikke er det første kartet jeg har lagt ut av Jotunheimen. Poenget er at når jeg vil teste ut eller leke meg med terrengdata, så ender jeg som regel opp med å bruke dette høydedatasettet.

Hva er det jeg har testet ut her? Å lage fjellskygger (også kjent som hillshade på godt norsk) med programmet Blender.

Blender er i utgangspunktet et åpent og gratis program som brukes til å lage 3D-modeller og animasjon. Jeg har aldri rørt det fordi 1) det har aldri virket superrelevant for meg, og 2) at det virker så uhorvelig omfattende og komplisert.

Men i det siste har jeg sett stadig flere kartografer som har brukt Blender til å lage fjellskygge, altså å få fram skyggene og solflatene i et terreng. En viktig grunn til å bruke Blender, er at det gjengir solstråler og lyseffekter veldig bra.

Og jeg fant en supervennlig tutorial, skrevet av Daniel Huffman, som gjorde det overraskende enkelt for meg å få. I tillegg gjorde jeg litt etterarbeid i Photoshop for få til "sluttproduktet"

Klikk for å se større.

I kartet over har jeg smeltet sammen areldekke fra kartverkets N1000-kartserie. Her er imidlertid fjellskyggen slik Blender spyttet den ut.

Klikk for å se større.

Arealdekket med vann, vegetasjon osv. hadde jeg forberedt i ArcGIS Pro. Jeg la de to lagene oppå hverandre i Photoshop og brukte blending mode multiply (vær så snill og ikke be meg om å fornorske det).

Klikk for å se større

Jeg syntes imidlertid at det var litt mørkt – legg merke til at den opprinnelige fjellskyggen har en mellomgrå tone som lyseste fargetone – så jeg brukte kurve-verktøyet i Photoshop til å lyse opp de lyseste fargetonene litt mer.

Klikk for å se større

I tillegg ville jeg varme opp bildet litt. Den kalde tonen stemmer kanskje bedre overens med den norske fjellheimen, men det får så være. Et varmt fargefilter er lagt på topp, i tillegg er de lysere fargene blitt mer varme (gule) og de mørke blitt kaldere (blåe), for å få en fin og effektiv dynamikk (dette er kartet øverst).

Klikk for å se større

Jeg ble litt nysgjerrig på hva all etterbehandlingen i Photoshop gjorde med fjellskyggen, uavhengig arealdekket, og jeg må si at jeg liker effekten. Her ser du også tydligere at jeg gjorde skyggene kaldere og solflatene varmere. Langt mer innbydende og dynamisk (må passe på ikke å bruke det ordet for ofte) enn den opprinnelige fjellskyggen som er i rene gråtoner. Det sagt, kunne sikkert fått til denne effekten i Blender i utgangspunktet.

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.

Slik endrer bilbruken seg i Europa

Klikk for å se større.

Kartene over her viser hvordan bruken av bil har endret seg i Europa i løpet av tiårsperioden fra 2007 til 2017. I en god del land i Nordvest-Europa har bilbruken faktisk gått ned, relativt sett, mens bilbruken skal ha økt i Norge. Bilbruken ser ut til å ha økt i både Sør-Europa og Øst-Europa, men at Tyrkia skiller seg kraftig ut.

Kartene er basert på hvor stor andel av alle de kilometrene som passasjerer reiser i løpet av et år som er med bil. Dette kan illustreres med disse (hypotetiske) regnestykkene:

I 2007 var det ti personer som til sammen reiste 72 000 km (såpass blir det hvis alle ti pendler 15 km hver vei fem ganger i uka 48 uker i året). 59 000 av de kilometrene var med bil. Altså er bilandelen av passasjerkilometrene 82 prosent (59 000 / 72 000).

På kartene under her kan du se de prosenttallene for 2007 og 2017.

Klikk for å se større

Datakilde er Eurostat, via R-pakken deres som bare heter Eurostat. Jeg har ikke satt meg nok inn i datamaterialet til å kunne si i hvor stor grad disse kartene viser reelle endringer i bilbruken, eller om det har vært endringer i datainnsamlingen fra 2007 til 2017. Kanskje jeg får lage en tidsseriegraf for å se om det er noen merkelige hopp i datasettet.

Kartene er laget i R, og her er syntaksen. Fine i denne anledning er at du trenger ikke noen lokale filer for å lage disse kartene. Du laster ned både statistikk og geodata i selve skriptet!