- 博客(11)
- 收藏
- 关注
RSS订阅原创 实验八：数据可视化交互
east_cities = ["上海", "南京", "杭州", "宁波", "苏州", "无锡", "常州", "南通", "扬州", "镇江", "泰州", "嘉兴", "绍兴"]"胶州", 52, "银川", 52, "张家港", 52, "三门峡", 53, "锦州", 54, "南昌", 54, "柳州", 54, "三亚", 54,"胶州", 52, "银川", 52, "张家港", 52, "三门峡", 53, "锦州", 54, "南昌", 54, "柳州", 54, "三亚", 54,
2025-06-15 21:19:16
587
原创 总结（相关类可视化图像）
结合分布与具体数据点：通过箱线图、小提琴图等展示分类变量的分布形态，同时叠加原始数据点，既能看到整体分布，又能保留每个数据的细节。category = np.random.choice(['A', 'B', 'C'], n) # 分类变量。z = -1.5 * x + np.random.normal(0, 1, n) # z与x负相关。y = 2 * x + np.random.normal(0, 1, n) # y与x正相关。展示三个变量的关系，如城市人口（X）、GDP（Y）、面积（气泡大小）。
2025-06-15 21:12:29
584
原创 地理特征类可视化图像总结
：不同地图类型适用于不同场景，需根据数据特性（如密度、关联性、地理精度需求）和展示目标（趋势对比、空间关系）合理选择，并注意优化交互设计以避免视觉或性能问题。
2025-05-26 23:00:18
1763
原创 文本数据可视化
目录一、实验目的二、实验原理三、实验环境四、实验步骤1、读入txt文本数据2、安装matplotlib、jieba、wordcloud3、编写代码，构造不同形状的词云。4、文献指纹练习（Literature Fingerprinting）完整代码一、实验目的了解什么是文本可视化。掌握文本可视化的相关技术。文本信息的提取和可视表达。本次实验是将某一文本进行可视化生成词云图片。尝试构造文本指纹。二、实验原理。
2025-05-20 10:28:26
670
原创 时间趋势类可视化图表总结
目录1. 折线图 (Line Chart)2. 地平线图 (Horizon Chart)3. 河流图 (Streamgraph)4. 瀑布图 (Waterfall Chart)5. 烛形图/蜡烛图 (Candlestick Chart)6. 周期图 (Cycle Plot)7. 动态时间序列图 (Animated Time Series)8.总结9.实验心得。
2025-05-12 09:48:27
1411
原创 关系数据的可视化
通过层次聚类热力图与相关网络图可视化分析，结合皮尔森相关系数验证犯罪类型间非线性关联，运用多元回归模型揭示暴力犯罪与财产犯罪的正向协同效应（β=0.85，p<0.001），数据清洗阶段采用3σ原则剔除异常值后显著提升模型解释力（R²=0.92→0.96），最终通过假设检验验证犯罪专业化理论框架的适配性（χ²/df=1.18，CFI=0.97），结合TGI指数定位高危群体特征。可视化结果需兼具验证性（如验证假设的相关性）与启发性（如揭示意外关联），最终图表应能清晰传递目标信息或引发对数据深层结构的思考。
2025-04-28 20:35:04
605
原创 比例数据可视化
进一步地，在设置 x、y 轴属性、添加图表标题和数据标签时，我完善了图表的细节，使其更加清晰易懂。例如，我了解到 matplotlib 的颜色映射（cmap）功能，可以将数据值映射到颜色空间，进而实现颜色的动态变化；在实验开始前，我按照要求成功安装了 pandas、matplotlib、seaborn 和 squarify 四个 Python 库，安装过程顺利，为后续的数据处理和绘图工作打下了基础。读取绘图所用的数据，并对数据进行处理将数据处理成我们可以使用的形式， 绘制板块层级图，设置标签和标题。
2025-04-21 21:41:44
666
原创 分布类可视化图像总结
本文将系统介绍直方图、密度图、箱线图、小提琴图等常见分布类可视化图表的特点、应用场景及实现方法，帮助读者掌握如何选择合适的可视化工具来展现数据分布特征。密度图，特别是核密度估计图(Kernel Density Estimation, KDE)，是对直方图的平滑扩展，能更准确地反映连续数据的分布特性9。上四分位数（Q3）：一组从小到大按序排列的数据中，第75%个数据的数据值。下四分位数(Q1)：一组从小到大按序排列的数据中，第25%个数据的数据值。对数据分布的描述受"箱子"数量和宽度的影响较大。
2025-04-21 21:35:17
595
原创 时间数据的可视化
一、实验目的理解时间数据在大数据分析中的应用掌握时间数据的可视化展示方法使用Python编程实现堆叠柱形图的可视化展示二、实验原理时间是重要的维度和属性，时间序列数据广泛存在于各个领域，如天文观测、气象数据、临床诊断记录等。诊断记录包括病人的就诊记录及心电图等扫描数据。金融和商业交易数据如股市的日交易价格和交易量、超市中商品的销售情况等。不论是持续性还是暂时性的时间数据，数据可视化的核心目的是揭示其中的趋势。时间数据不仅包含时间属性，还需要展示数据随时间变化的规律，并揭示数据的时间分布特征。
2025-04-01 22:10:05
561
原创 总结比较与排序类相关的可视化图像
1.柱状图是最常用的数据可视化工具之一，通过柱子的高度或长度来表示不同类别的数据量大小，适用于比较不同类别或时间段之间的数值差异。柱状图的直观性强，能够清晰展示各类别之间的对比，尤其适合分类数据的展示。它通常用于展示单一变量在多个类别中的分布情况，且能够有效传达数据的数量关系。
2025-03-24 22:28:18
371
原创 Tableau数据可视化入门
在实验中，用户需要理解如何选择合适的数据源，并对数据进行初步的整理和清洗，以确保数据的准确性和可用性。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）。
2025-03-17 19:39:58
1814
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