- 博客(14)
- 收藏
- 关注
RSS订阅原创 相关类可视化图像总结
本文介绍了6种常见的数据相关性可视化方法：1）散点图用于分析两变量相关性；2）气泡图通过气泡大小展示三维数据；3）相关图用热力图形式呈现变量相关系数矩阵；4）热力图直观显示二维数据分布；5）二维密度图展示大数据量分布密度；6）平行坐标图可视化多维数据模式。每种方法均配有Python实现代码及应用场景说明，适用于不同维度和规模的数据相关性分析，帮助快速识别变量间关系模式。
2025-06-15 19:27:14
2307
原创 数据可视化交互
摘要：本次实验通过PyCharm环境完成数据可视化交互任务。实验分为两部分：1）使用pyecharts绘制城市AQI横向对比条形图，按AQI值降序排列，标记均值线并使用不同颜色区分高低值；2）创建AQI等级分布饼图，展示各污染等级占比，突出显示最大占比扇区并添加点击交互功能。实验涉及数据读取、排序、图表配置等技术要点，最终生成包含标题、坐标轴、颜色分区等元素的交互式可视化图表，实现了对全国空气质量数据的直观分析和对比。
2025-06-07 21:16:40
1105
原创 基于地理特征类可视化图像的总结
本文总结了6种地理特征可视化图表及其Python实现方法： 蜂窝热力地图：用六边形网格展示数据密度，适合城市人口分析（Matplotlib实现）。 变形地图：按数据值缩放区域面积，突出差异（PySAL实现）。 关联地图：通过连线表示空间交互关系，如贸易路线（NetworkX实现）。 气泡地图：以气泡大小表示变量值，适用于多变量对比（Plotly实现）。 分级统计图：用颜色深浅展示区域数据差异，如疫情分布（Plotly实现）。 三维地理散点图：在三维空间呈现多维度数据，如地形分析（Matplotlib 3D实
2025-05-25 22:43:35
1027
原创 文本数据可视化
本实验围绕文本数据可视化展开，旨在深入理解文本可视化的概念，掌握相关技术，并实现文本信息的精准提取与有效表达。实验通过Python编程语言，结合matplotlib、jieba、wordcloud等库，成功生成了多种形状的词云图（如星星、太阳、心形），直观展示了文本特征。此外，实验还探索了文献指纹的构造与应用，通过分词、词频统计、词袋模型等步骤，构建了文本指纹，并计算了文本相似度。文献指纹在文本查重、版本识别、文献溯源等方面具有应用价值，但也存在对同义词不敏感、易受文本长度影响等局限性。实验总结指出，虽然实
2025-05-19 08:25:56
748
原创 时间趋势图大揭秘：地平线图、河流图与K线图
本文总结了四种时间趋势类可视化图像的特点、应用场景及实现方法。地平线图通过水平排列展示多序列数据趋势，适用于对比不同对象的时间趋势，使用matplotlib库实现。河流图以堆积方式展示多数据系列的占比和变化趋势，适用于分析整体中的动态变化，使用plotly库实现。瀑布图通过垂直柱子和连接线展示数据变化过程，适用于财务分析和项目进度跟踪，使用matplotlib库实现。烛形图以烛状图形展示价格等数据的波动和趋势，适用于金融市场价格走势分析，使用mplfinance库实现。每种图表类型均通过代码示例展示了其实现
2025-05-10 23:27:08
1063
原创 时间趋势类可视化图表总结
基础趋势分析：折线图多序列比较：河流图、地平线图金融分析：烛形图累积变化：瀑布图周期性分析：周期图动态展示：动态时间序列图选择图表时应考虑：数据维度(单变量/多变量)时间粒度(秒/分/时/日/月/年)需要强调的模式(趋势/周期/异常)展示的上下文和受众。
2025-05-06 11:06:20
801
原创 关系数据的可视化
分析数据的时候，可以从 整体进行观察，或者关注下数据的分布。其实最重要的一点，就是数据进行可视化后，呈现眼 前的图表，它的意义何在。在实验中，我也遇到了一些挑战，例如处理大规模数据时的性能问题和多维度数据的展示难题。直方图是反应数据的密集程度，是数据分布范围的描述，与茎叶图类似，但是不会具体到 某一个值，是一个整体分布的描述。（1）请使用 seaborn 模块中的jointplot 方法将散点图，密度分布 图和直方图合为一体，数据选取murder列及burglary列，探究两 种犯罪类型的相关关系。
2025-04-28 20:02:51
753
原创 分布类可视化图像总结
以等高线的形式展示数据分布的密度变化，类似地理中的等高线地图。等高线越密集表示数据密度越高，通过颜色和等高线的层级，可直观感受数据在空间上的聚集和离散特征，呈现出三维立体的分布效果。通过颜色、透明度区分不同层级，既能呈现整体分布，又能深入对比子组间的差异，提供更丰富的信息维度。结合直方图与残差图，通过对比观测频数与理论频数的差异（以垂直悬挂线段表示），直观检测数据与理论分布的拟合程度。展示数据值小于等于某一特定值的累积概率，曲线斜率反映数据分布的疏密程度，便于对比不同数据集的分布特征。
2025-04-21 08:46:51
918
原创 比例数据可视化
在本次实验中，首先需要读取用于绘图的数据文件，接着运用 Python 中的相关数据处理库对数据进行清洗、转换、合并等操作，将其处理成适合绘制板块层级图的格式，最后使用绘图库完成板块层级图的绘制，并对图表的标签、标题、颜色等进行设置，以实现清晰、美观的数据可视化效果。函数将分组聚合后的结果进行合并，经过一系列的数据整理和排序操作，最终得到了符合绘图需求的数据表，深刻体会到数据处理对于数据可视化的重要性，只有将数据处理成合适的格式，才能实现准确、有效的可视化。通过后续对各部门商品数量的统计，可进一步分析数据。
2025-04-20 21:11:23
1076
原创 数据可视化实验三：时间数据的可视化
1.掌握时间数据在大数据中的应用2.掌握时间数据可视化图表表示3. 利用Python程序实现堆叠柱形图、热力图、箱线图可视化时间是一个非常重要的维度与属性。时间序列数据存在于社会的各个领域，如：天文观测数据、气象图像、临床诊断记录等。诊断记录包括病人的每次看病的病情记录以及心电图等扫描仪器的数据记录等。金融和商业交易记录如股市每天的交易价格及交易量、超市中每种商品的销售情况等。不管是延续性还是暂时性的时间数据，可视化的最终的目的就是从中发现趋势。时间型数据包含时间属性，不仅要表达数据随时间变化的规律，
2025-04-01 00:03:48
710
原创 与排序类相关的可视化图像的总结比较
在Notepad++中编写代码，定义环形的半径、颜色、数据等参数，然后在浏览器中运行代码，显示出环形柱状图，清晰地展示数据的比较和比例关系。特点：使用平行的坐标轴来表示不同的变量，每个数据点通过一条线连接在各个坐标轴上的对应值，用于展示高维数据的分布和关系，能够发现数据之间的模式和趋势。常用于比较两组数据之间的差异，通过数据点的位置和线段的长度直观地展示数据的变化和对比。特点：用等宽纵向或横向的柱子来表示数据，柱子的高度或长度与数据值成正比，直观展示数据的大小和差异，易于比较不同类别之间的数据。
2025-03-23 21:47:35
555
原创 实验二：D3数据可视化基础
D3 总共 提供 了 12 个布 局： 饼状 图（ Pie）、 力导 向图 （ Force ）、 弦图 （Chord）、树状图（Tree）、集群图（Cluster）、捆图（Bundle）、打包图 （Pack）、直方图（Histogram）、分区图（Partition）、堆栈图（Stack）、矩阵树图 （Treemap）、层级图（Hierarchy）。D3 虽然没有明文规定一定要在 SVG 中绘图，但是 D3 提供了众多的 SVG 图形 的生成器，它们都是只支持 SVG 的。因此，建议使用 SVG 画布。
2025-03-16 14:22:35
1017
原创 实验一：Tableau数据可视化入门实验
Tableau 是新一代商业智能工具软件，它将数据连接、运算、分析与图表结合在 一起，通过拖放方式创建各种图表。Tableau 产品包括 Tableau Desktop、Tableau server、Tableau Public、Tableau Online 和 Tableau reader 等多种。其中，Tableau Desktop、Tableau Server、Tableau Reader 使用最多。本次基础实验使用 Tableau Desktop。
2025-03-13 21:11:15
869
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人