六一前夕，刷屏的那成千上萬張煙盒，還記得吧？就是下面這張
《非平裝煙盒》（項目鏈接：http://datanews.caixin.com/mobile/notobacco）
是財新數據可視化實驗室為世界無煙日（5月31日）所做的專題策劃。11670張煙盒圖片，來自世界各地，與11670條數據一一對應。怎麼做到的？
三個問題之後，沒有祕密。
特別福利：作品涉及的煙盒圖片相關數據已經在《非平裝煙盒》項目末頁提供下載鏈接。
Q1：這麼多張煙盒圖片，如何收集？
陳慶、劉彥佐（數據採集）：
首先確認目標站點的組織結構與目標信息所在的位置，利用Java語言下基於HttpClient、HtmlUnit、Jsoup、Selenium與BerkeleyDB為核心的採集平臺以廣度優先策略，（廣度優先算法就是從種子鏈接開始，講種子鏈接中包含的子鏈接提取出來，放入隊列排隊抓取，被處理過的鏈接需要放入Visited表，處理一個鏈接前需要先判定該鏈接是否存在於Visited表中，如果存在則認定為處理過的鏈接直接拋棄，循環往復。）開始對目標站點的圖片鏈接進行遍歷讀取文件流並以BASE64的形式存入MongoDB數據庫，同時對該圖片文字信息特徵進行數據索引。最終將圖片輸出以帶有國別、品牌等信息為文件名的JPG/PNG圖片並壓縮打包。
Q2：從11670個煙盒，到11670條數據，都經歷了些什麼？
羅晨（數據分析、撰稿）：
1. 分析之前，先做數字化
前序同事抓取了中國菸草網站的所有煙盒圖片，每一張圖片都用“地區+香菸類型”的格式來進行命名，這個命名實在太貼心了，幫我省掉了整理命名的麻煩步驟。作為數據分析人員，我首先用DOS命令獲取了所有圖片的名稱，再利用Python給每一張圖片重新以阿拉伯數字命名，在數字和字符串間建立了一一對應的關係，方便後期進行分類、抽樣操作。
2. 物以類聚，色以群分
其實最開始的想法挺簡單——打算以菸民的煙盒評分作為切入點，並沒有想到用高大上的色彩分析。後來經過團隊的討論，並參考了清華大學向帆老師的春晚色彩分析（具體請見向帆的博客：《海王星上看“春晚”》），決定從煙盒的顏色著手。
顏色，不僅是直觀的視覺感知，更是地區文化的偏好，譬如中國人對紅色、黃色情有獨鍾，這種對於特定色彩的執著可以說是鑲嵌在基因裡了。之後面臨的是煙盒顏色的處理問題，如果將煙盒做單純拼接，那麼會顯得凌亂，難以發現規律。於是決定使用Python進行顏色提取，用了PIL（Python 3中改名為Pillow）模塊後，發現用不復雜的代碼就足以解決主色調提取的問題，順利地得到了一萬餘張煙盒的主色調，數據格式是包含RGB數值的元組。
各地區的煙盒差異不僅體現在顏色上，也體現在視覺標識上。如果要自動化地從煙盒圖片上識別形狀，可能只有機器學習的方法，但是身為文科生的我並不會。所以就只好仰賴人工的內容分析了，選擇了幾個具有代表性的對比地區後，首先要做的是抽樣（普查成本太高）。我的做法是對選中地區的煙盒圖片進行簡單隨機抽樣，然後自己構建類目對樣本進行編碼，最後用Excel和SPSS進行統計分析，得出統計結果。
（一點感受——煙盒色彩分析非常好玩，因為其中需要進行人工校驗，所以基本把各種圖片都瀏覽過一遍，發現很多特別神奇的包裝，真可謂大開眼界。我認為這是一個純探索性研究，沒想到最後能得出許多有意義的結論，真的很感謝財新數據可視化實驗室，讓一名實習生可以有機會在一個創新方向上深挖，也感謝編輯老師在項目期間給我足夠的時間，沒有催稿，更感謝所有項目組的夥伴們，協同才是最優質的動力。）
Q3: 關於設計&前端開發，想說點啥？
佳昕（設計及開發）：
這個項目的設計宗旨只一個——釋放數據的魅力，別拘著。但並不容易……
開始的設計草圖：
但是體會出一些問題，比如——
問題1：進入主題慢；
問題2：世界概況應該作為“輔助信息”放在後半部分
問題3：出於用戶角度考量，可點擊的色譜應該放在右側，便於移動端用戶操作。
（第一頁那個奇怪的人形，其實是《志明與春嬌》裡對著兩位主角喊“damai smoke”的港警，本來打算用一段gif扔出戒菸的主題，但後面覺得與主題調性不搭，遂……割愛刪掉。）
和黃晨老師討論後的設計草圖：
增加電影腳本的感覺，利用動畫快速回顧歷年控煙日主題之後迅速進入主題，解釋什麼是平裝煙盒，平裝煙盒本應如何，再利用翻轉效果展示“現實”卻是怎樣的。
1-2-4-2195個煙盒的設想很好的發揮了煙盒封面聚集起來給讀者的視覺震撼，“數據來源於生活，迴歸到生活”是和黃晨老師討論後令我印象深刻的一句話。
關於開發，開頭動畫利用css的動畫效果，後面色譜生成與圖片交互主要應用d3.js。最大的難點在於圖片太多，移動端加載出現崩潰，一度考慮過只選取其中一部分煙盒圖片配合點擊，但覺得這樣浪費了挖掘的圖片，也有違數據真實，後面嘗試把加載圖片的工作放到點擊動作之後，這樣提高了加載效率。
不過成品中還是有很多細節需要敲打，根據不同機型的讀者反饋，項目加載時間還是過長，在之後會繼續跟進完善。
編輯絮語：
這個選題的靈感最初來自於20116年11月財新網的一篇報道，《全球煙盒警示面積排行 中國大陸僅列115位》，其中有一句話“中國大陸是世界上煙盒最漂亮的國家和地區之一”。什麼是漂亮？紅的，黃的，金燦燦的？色彩是最本源的可視化，直覺數據可視化用於展現出這所謂的“漂亮”是非常對路的。於是有了後面的工作。
過程中團隊成員集思廣益，有很多大膽突破的想法，經歷了“從少到多，再從多到少”的迭代過程，有很多不錯的想法最終囿於篇幅而被捨棄掉了。不論是數據新聞報道還是融媒體報道，要警惕陷入“看，我什麼都會”的誤區當中，一切技巧最終是服務於主題的。用產品語言說就是，我們既要知道我們要做什麼，更要知道我們不做什麼。
再次提醒福利：作品涉及的煙盒圖片相關數據已經在《非平裝煙盒》項目末頁提供下載鏈接。