Hallo Leute! Mir ist langweilig und ich versuche mich an der Erstellung von Datensätzen. Deshalb habe ich ein paar kurze Bilder erstellt, die die Hunderassen hervorheben, die im Dangerous Dog Registry von Pennsylvania registriert sind.
Zur Information: Was ist nach dem Gesetz von Pennsylvania ein gefährlicher Hund?
Ein Hund kann von einem Bezirksrichter nur aus einem der folgenden Gründe als gefährlich eingestuft werden:
– Ohne Provokation einem Menschen auf öffentlichem oder privatem Gelände schwere Verletzungen zugefügt.
– Ohne Provokation ein Haustier, einen Hund oder eine Katze getötet oder ihm schwere Verletzungen zugefügt haben, während es sich außerhalb des Grundstücks des Eigentümers befand.
– Einen Menschen ohne Provokation angegriffen.
– Wurden bei der Begehung einer Straftat verwendet.
– Hat in der Vergangenheit ohne Provokation einen Menschen, ein Haustier, einen Hund oder eine Katze angegriffen.
Eine schwere Verletzung ist definiert als: [3 P.S. § 459-102] „Jede körperliche Verletzung, die zu Knochenbrüchen oder entstellenden Schnittwunden führt, die mehrere Nähte oder Schönheitsoperationen erfordern.“
Die Datensätze
Jede Iteration der Daten verfügt über zwei visuelle Elemente, ein Kreisdiagramm und ein Balkendiagramm, also insgesamt sechs visuelle Elemente. Ist das übertrieben? Ja. Bin ich gelangweilt und wollte etwas anderes tun, als auf Reddit zu scrollen? Auch ja, lol. Alle Diagrammdaten stammen direkt von der PA Gefährliche Hunderegister. Mit Stand vom 7. Dezember 2025 stehen insgesamt 593 Hunde auf der Liste.
- 1. visuelles Set:
- Rohdaten direkt aus der Registrierung. Wie Sie sehen, sind die Daten sehr unübersichtlich und enthalten zu viele einzelne Datenpunkte, um eine gute visuelle Darstellung zu ermöglichen. Keines der Diagramme kann alle Etiketten der Hunde mit den niedrigsten Prozentsätzen anzeigen. Ein Teil des Problems ist lediglich die inkonsistente Protokollierung, Tippfehler und Formatierung durch den Statusbericht. Beispielsweise werden Einträge, die als „Lab/Husky-Mix“, „Lab-Husky-Mix“ oder „Lab-Husky-Mix“ aufgeführt sind, alle einzeln und nicht in einer einzelnen Gruppe angezeigt, was zu sehr unübersichtlichen Ergebnissen führt.
- 2. visuelles Set:
- Dieser Satz versucht, alle Tippfehler/Formatierungsprobleme zu beheben und gruppiert alle Einträge, die enthalten "Amerikanischer Pitbullterrier" Und "Amerikanischer Staffordshire-Terrier" sowie alle dazu gehörenden Mischlinge "Pitbull" in einen einzelnen Datenpunkt. Das liegt daran, dass ich persönlich ein Bild aller Hunde auf dieser Liste haben wollte, die speziell als gekennzeichnet sind "Pitbull". Dies ist objektiv das unvoreingenommenste Set für das Bild, das ich erstellen wollte. Allerdings ist es immer noch unglaublich chaotisch und schwierig, alle Datenpunkte auf vernünftige Weise anzuzeigen.
- 3. visuelles Set
- Dieses Set wurde von mir zur besseren Übersichtlichkeit persönlich kategorisiert. Es ist objektiv voreingenommen. Hunde werden in Gruppen gruppiert und alle spezifischen Rassen innerhalb dieser Gruppe werden aufgelistet. Mischlinge (keine Pitbulls) umfasst alle Rassenmischungen, die ausdrücklich nicht als Labormischung oder Grubenmischung aufgeführt sind. Beispielsweise wäre eine Husky/Pudel-Mischung in dieser Kategorie enthalten. Pitbull oder Pitbull-Mix Die Kategorie umfasst jetzt alle Hunde, die zuvor im 2. Bildsatz aufgeführt waren, zusätzlich zu den Hunden, die als gekennzeichnet sind "Labormischung" oder "Mischling". Das liegt daran, dass ich mit ACCT Philly zusammengearbeitet habe und diese Etiketten in 99 % der Fälle für Pitbull-Hunde verwendet werden. Entdecken Sie hier den Mixed-Breed-Filter von ACCT Philly.
Feedback/Kritik zu meinem dritten Datensatz ist absolut willkommen, aber ehrlich gesagt bin ich gegen Ende definitiv faul geworden, hahaha. Feedback zum zweiten Satz ist ebenfalls willkommen, da ich immer noch das Gefühl hatte, dass die Daten hier sehr chaotisch waren, selbst nachdem ich die Tippfehler und Formatierungen im Bericht korrigiert hatte. Offensichtlich konnte das Kreisdiagramm nicht einmal alle Beschriftungen auf den kleinsten Tortenstücken anzeigen. Es gab zu viele einzelne Rassen oder Mischungen, und ich hatte das Gefühl, dass die Verwendung der Gruppierung mit dem dritten Datensatz die einzige Möglichkeit war, dies optisch ansprechend zu korrigieren.
Von spiderwitchery
7 Kommentare
I used Google sheets and PA [Dangerous Dog Registry](https://www.pa.gov/content/dam/copapwp-pagov/en/pda/documents/plants_land_water/stateconservationcommission/documents/Dangerous%20Dog%20Registry%20.pdf).
why that piechart with shades of white, it’s impossible to read
Ah yes the most beautiful data display method: pale pie chart colours on a white background
I’d recommend that most of these be tables instead because you have so many categories. The last one can work as a bar chart, but it would benefit from having a broken axis so you can make the text and labels larger and easier to read without misrepresenting the scale.
I’d also avoid pie charts, they can work in a few narrow situations, but anything that can be a good pie chart is usually better as a bar chart or treemap.
This information is in fact quite useful to me since I’m in the process of trying to decide upon the new dog. But it’s very confusing in its deployment. For one thing, I would like to see the pieces of the pie charts arranged in an order from largest to smallest rather than apparently randomly distributed. For another, Pitbulls may loom much larger than Rottweilers just because there are so many more Pitbulls than Rottweilers around. I don’t know. The only way to find out would be some kind of rough per capita or per canine analysis.
Inb4 thread gets locked due to Pit haters and Pit lovers arguing to the death.
+1 to what others have said about the use of pie charts and shades of white.
Your visuals are a reflection of your dataset. They are messy because the data they’re referencing doesn’t seem to have been cleaned or organized. Values like `UNKNOWN ` or `Other` don’t convey anything to the viewer, so why keep them in the visual?
Maybe remove the mixed breeds to clear up clutter, or have a visual for ”pure breds” and another „mixed breeds“.