- 博客(13)
- 收藏
- 关注
RSS订阅原创 相关类相关的可视化图像
展示两个连续变量之间的关系，通过点的分布判断线性/非线性相关性。散点图的扩展，通过点的大小表示第三个连续变量的值。展示三个变量之间的关系（如GDP、人口与碳排放）。用等高线或颜色梯度表示数据密度，避免散点图重叠。初步探索变量关系、识别离群值、观察数据分布。相关系数矩阵、基因表达数据、用户行为分析。大数据集的分布模式、双变量概率密度估计。散点图叠加回归线，显示趋势和置信区间。颜色深浅表示数值大小，适合高维数据。矩阵形式展示多变量间的相关系数。快速识别高相关或负相关变量对。量化变量间关系强度及方向。
2025-06-16 00:04:28
451
原创 数据可视化交互
本次实验中，我对全国的空气质量进行了可视化分析并进行了数据统计技术对比，绘制了各城市AQI值的横向条形图、AQI等级分布饼图，并进行了2D以及3D地理AQI可视化。通过本次实验，我了解了数据可视化的一般原则，掌握了数据可视化的分类，掌握了数据可视化的常见技术。交互的原则、交互的分类以及常见的交互技术，尤其是几种常见的交互技术，只有熟练掌握并使用恰当，才可能设计出用户体验良好的可视化应用。下载数据文件（data.txt），该文件表示了一些城市某天的空气质量指数（AQI），请完成如下实验。
2025-06-11 10:44:04
1763
原创 地理特征类可视化图像
首先使用 Seaborn 的 scatterplot() 函数绘制了一个简单的气泡地图，其中 X 轴表示人均 GDP，Y 轴表示预期寿命，气泡的大小表示人口数量，然后通过调整 Seaborn 的样式和色彩，再次使用 scatterplot() 函数绘制了一个带有大陆分组和定制化样式的气泡地图。可以同时展示地理空间数据之间的关联关系和地理分布特征，在地图上通过连线、箭头或其他可视化元素，将具有关联关系的地理实体进行连接和标识，清晰地呈现出数据之间的流向、交互或关联模式。
2025-05-25 21:54:22
659
原创 实验6：文本数据可视化
文本是语言和沟通的载体，文本的含义以及读者对文本的理解需求均纷繁复杂。例如，对于同一个文本，不同的人的解读也是不一样的，有的人希望了解文本中涉及到的事物，而有的人希望得到文本中的关键词。不同级的信息挖掘方法也不同，词汇级当然是用各类分词算法，语法级用一些句法分析算法，语义级用主题抽取算法。文本文档的类别多种多样，包括单文本、文档集合和时序文本数据三大类，这使得文本信息的需求更为丰富。通过本次实验，我了解了文本可视化，掌握了文本可视化的相关技术，学会了构造文本指纹。要求：将操作步骤逐一展示，描述背后的原理。
2025-05-21 22:09:03
1661
原创 时间趋势类可视化图像总结
由于加密货币市场的波动性较大，烛形图能够帮助投资者直观地了解价格的剧烈变化，识别市场的关键转折点和趋势变化，以便在这个高风险的市场中做出相对合理的投资决策。例如，分析企业的资金从不同的融资渠道流入，然后在各个业务部门和投资项目中的分配情况，以及最终的资金去向，有助于财务分析和决策。通过烛体的长短和上下影线的长度，可以直观地看出价格的波动范围和变化趋势。对比直观：通过不同颜色或样式的柱子，能够直观地对比各个数据段的大小和正负变化，让人迅速了解哪些部分是增加的，哪些部分是减少的，以及它们对最终结果的影响程度。
2025-05-11 22:45:08
849
原创 分布类相关的可视化图像总结
小提琴图（Violin Plot）是一种数据可视化图表，结合了箱线图和核密度图的特点，既能展示数据的分布形态（如峰值、密度），又能显示关键统计量（如中位数、四分位数）。箱线图（又称盒须图、箱形图）是一种用于展示数据分布情况的统计图表，由一组数据的最小值、第一四分位数、中位数、第三四分位数和最大值组成，可能还会标注异常值。箱线图通过最小值、第一四分位数、中位数、第三四分位数、最大值来展示数据的分布，能够清晰地展示数据的范围、集中趋势和离散程度。数据平滑处理：对于有噪声的数据，密度图可以提供更平滑的分布视图。
2025-04-20 22:05:32
809
原创 比例数据可视化
order_products_prior_df：通过合并 products_df 和 aisles_df，再与 departments_df 合并，生成了一个包含商品、通道和部门信息的数据框。使用 groupby 方法对部门进行分组，计算每个部门中独特的商品数量（products_department）和独特的通道数量（aisle_department）。通过本次实验，我了解了板块层级图的概念和特点，掌握了数据文件读取和数据处理的方法，并学会了绘制板块层级图以实现比例数据可视化。
2025-04-20 14:45:37
274
原创 局部与整体类可视化图像总结
展示不同地区的销售额分布（全国各省市的销售占比），分析产品类别的层级比例（电子产品中手机、电脑等的销量），表示多阶段项目的进展情况（研发、测试、生产各阶段的资源分配），用于仪表盘设计中，提升数据展示的美观性。将圆按比例分割成多个扇区，每个扇区代表一个类别的占比，设计简单明了，可以直观地看出比例分布，通过颜色和标签增强视觉效果，能够突出各类别在整体中的相对大小，但不适合过多类别。使用重叠的圆形/椭圆形表示集合关系，直观地展示交集、并集和补集，简单直观，易于理解，适合2-6个集合，过多的集合会降低可读性。
2025-04-06 22:38:07
1453
原创 时间数据的可视化
这里就讲述下离散型数据的堆叠柱形图，堆叠柱形图的几何形状和常规柱形图很相似，在柱形图中，数据值为并行排列，而在堆叠柱图则是一个个叠加起来的。本次实验结合本章讲述的堆叠柱形图的列子，这里我们要画的是极坐标系-堆叠柱状图，也是南丁格尔玫瑰图。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，还需表达数据分布的时间规律。通过本次实验，我掌握了时间数据在大数据中的应用，掌握了时间数据可视化图表表示，学会了利用Python程序实现堆叠柱形图可视化。为了能够更清晰地显示每名选手的成绩变化趋势，这里采用折线图。
2025-04-01 14:44:49
282
原创 比较与排序类可视化图像
是饼图的一种变体，中间有一个空白区域，形成环形。适合展示部分与整体的关系，同时可以强调某些类别。用矩形条表示数据，矩形条的高度或长度与数值成正比。适合展示离散数据的比较。用平行轴表示多维数据，每条线代表一个数据点。适合展示高维数据的模式和关系。用线段连接两个点，表示两个时间点或两种状态的变化。适合展示变化或差异。用词频生成图形，词频越高，词的大小越大。适合展示文本数据的重点词汇。用多边形表示多维数据，适合展示多个维度的比较。多维数据的比较（如技能评估、产品特性对比）。比较两个时间点的数据（如销售额变化）。
2025-03-24 17:11:54
434
原创 实验一：Tableau数据可视化入门
在获取数据源中的各类结构化数据后，Tableau Desktop可以通过拖放式界面快速地生成各种美观的图表、坐标图、仪表盘与报告，并允许用户以自定义的方式设置视图、布局、形状、颜色等，从而通过各种视角来展现业务领域数据及其内在关系。维度通常是类别字段，例如“产品”和“地区”。左边列出了超市这个表格下的三个子工作表，当我们选中一个子表时，双击，在右边区域的下部分就会显示子表的数据，例如,双击销售人员，则显示具体销售人员表信息。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，
2025-03-17 23:48:33
753
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）。下面开始进行简单的交互式饼形图制作，目标是在上面的饼形图的基础上加入 mouseover 和 mouseout 事件，mouseover 某部分时变换成黄色，mouseout时恢复原色。
2025-03-17 23:09:37
728
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