- 博客(15)
- 收藏
- 关注
RSS订阅原创 基于Pyecharts的电影数据集可视化分析实战
掌握了Pyecharts的多图表联动和动态交互设计。学会使用Pandas处理多值字段（如拆分电影类型）。
2025-06-19 09:34:04
1065
原创 常见相关类可视化图像
图表类型主要特点适用场景数据要求优点缺点散点图显示两个变量的点分布探索变量间关系，识别异常值两个连续变量简单直观，易解释大数据集可能重叠气泡图散点图+大小维度比较三个变量关系三个变量（两个位置，一个大小）多维数据展示大小维度解释可能不一致相关图相关系数矩阵热力图快速查看多变量相关性多个连续变量直观显示相关性强度只能显示线性关系热力图颜色表示矩阵值大小显示矩阵数据模式二维矩阵数据适合展示周期性或模式颜色映射需要合理选择二维密度图。
2025-06-09 19:41:48
1011
原创 数据可视化交互
通过本次实验，我深刻体会到数据可视化在数据分析和展示中的重要性。Pyecharts库提供了丰富的图表类型和强大的交互功能，使得数据可视化变得更加直观和生动。在实验过程中，我遇到了数据预处理、图表配置和交互功能实现等挑战，但通过查阅文档和不断尝试，最终都得到了解决。
2025-06-01 20:28:39
915
原创 地理特征类可视化图像
它是根据特定的数据属性对地理区域的形状和大小进行变形处理后的地图，通过改变地图上各区域的原本地理形态，突出显示各区域在该数据指标上的差异，使地图的视觉效果与数据所表达的信息紧密结合，因此得名变形地图。：它在地图上以气泡的形式来表示数据，气泡的位置对应具体的地理坐标，气泡的大小与某个数据指标成比例，颜色也可用于区分不同类型或进一步编码数据信息，因其以气泡这种形象的元素来呈现数据，故而得名气泡地图。它通过绘制连接相同数值点的曲线（等值线）来展示三维数据的分布情况。
2025-05-26 08:34:25
956
原创 文本数据可视化
本次实验深入探究了文本数据可视化技术，取得了以下收获：理论知识深化：全面理解了文本可视化的基本概念和重要性，为更好地运用可视化技术展示文本信息提供了坚实的理论基础。技术方法掌握：熟练掌握了文本可视化的相关技术和方法，包括数据读取、中文分词、词云生成和文献指纹构造等，拓宽了文本处理的技术视野。实践能力提升：通过实际操作生成词云图片和构造文本指纹，进一步熟悉了 Python 中 matplotlib、jieba、wordcloud 等库的使用，显著提高了编程能力和数据分析能力。
2025-05-19 21:08:52
813
原创 时间趋势类可视化图像
折线图和面积图适合展示基本趋势，瀑布图适合分解变化因素，河流图适合展示大量时间序列，烛形图则是金融分析的标准工具。时间序列数据是数据分析中最常见的类型之一，时间序列数据广泛存在于金融、气象、医疗、电商等各个领域，通过可视化时间趋势，我们能够快速发现数据中的模式、异常、周期性等特征。烛形图（又称K线图）是金融领域专用的时间序列图表，通过实体（矩形）和影线（细线）展示每个时间周期内的开盘价、收盘价、最高价和最低价，颜色区分涨跌。柱状图通过柱子的高度表示数值大小，适合展示离散时间点（如月份、季度）的数据对比。
2025-05-09 09:11:43
933
原创 关系数据的可视化
掌握了 seaborn 高级绘图方法，如 jointplot、pairplot 等，能够灵活运用这些方法实现复杂的数据可视化需求。熟悉了动态交互图表的实现方法，通过 pyecharts 等库为图表添加交互功能，提升了图表的可读性和实用性。
2025-05-05 13:47:44
1002
原创 比例数据可视化
板块层级图通过矩形面积和颜色深浅，直观展示数据的层级结构与比例关系。面积：表示父类别（如部门）下的子类别数量（如通道）。颜色：映射子类别的其他指标（如产品数量）。适用场景：市场份额分布、组织结构分析、电商品类层级展示等。
2025-04-18 09:19:10
805
原创 数据可视化工具总结：直方图、密度图、箱线图与小提琴图
对比分析直方图 vs 密度图： 直方图适合快速查看分布的粗略结构，而密度图更适合展示连续变量的平滑分布。箱线图 vs 小提琴图： 箱线图适合比较多个组的中位数和离散程度，而小提琴图更适合展示分布形状和细节。直方图、密度图、箱线图和小提琴图各有特点，适合不同的数据可视化需求。选择合适的工具可以更直观地分析数据分布、集中趋势和离散程度，帮助决策者快速理解数据特征并制定策略。
2025-04-16 11:13:21
2069
原创 时间数据的可视化实验：探索与实践
来了通过本次实验，我们深入探索了时间数据的可视化方法，并成功实现了极坐标系堆叠柱形图和折线图的绘制。极坐标系堆叠柱形图适合展示数据的比例关系和周期性特征。视觉效果独特，能够吸引观察者的注意力。适用于展示具有子分类的数据系列。折线图适合展示数据的趋势和连续性。能够清晰地揭示数据的动态行为和周期性模式。适用于比较多个数据系列之间的差异和变化。在未来的工作中，我们可以进一步探索其他可视化方法，如热力图、雷达图等，以适应不同类型数据的可视化需求。
2025-04-01 18:46:27
831
原创 数据可视化——图表
在数据分析领域，图表是传递信息最直观的方式。本文将通过Python的Matplotlib库，手把手实现阶梯图、折线图、柱状图和散点图，并分析它们的适用场景。
2025-03-24 08:01:41
237
原创 比较与排序类相关的可视化图像
在数据分析和可视化中，比较与排序类图表是展示数据差异、趋势和分布的重要工具。本文将对常见的比较与排序类可视化图表进行总结，包括柱状图、环形柱状图、子弹图、哑铃图、雷达图、平行坐标图和词云图。每种图表的特点、应用场景以及使用 PyCharm 和 Python 的实现方法都会详细说明，同时图表将使用鲜明的颜色，确保图形视觉效果明显且不单一。使用矩形条表示数据，条的长度与数值成正比。适合展示分类数据的对比。不同类别的数据比较（如销售额、用户数量）。时间序列数据的对比（如每月收入）。柱状图的变体，数据以环形方式排列
2025-03-17 11:51:18
331
原创 Tableau
界面的左边指示数据的来源，Tableau可以连接到本地的Excel表格，文本Access数据库，统计文件等，也可以连接数据库服务器，例如Microsoft SOLServe数据库，MySQL数据库，Oracle数据库等。Tableau将数据分为:数字(十进制)，数字(整数)，字符串，布尔，日期，日期和时间，还有地理类型(如果数据源中有城市，省份的数据可以分配为地理类型)打开界面后，点击左下角的“数据源”，结果如下。度量通常是指标，即数字数据，例如“销售额”大多数情况下，维度是离散的，而度量是连续的。
2025-03-15 23:55:23
1493
1
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