- 博客(12)
- 收藏
- 关注
RSS订阅原创 数据可视化基础之实验八：数据可视化交互
此外，Pyecharts 还提供了灵活的配置选项，允许开发者自定义图表的外观和交互行为，从而满足不同场景下的可视化需求。这种图表通过水平条形的长度来表示AQI的数值大小，使得用户能够快速比较各个条形之间的差异，从而直观地看出哪些地区的空气质量较好，哪些地区较差，或者同一地区在不同时间段内空气质量的变化趋势。通过将AQI划分为不同的等级（如优、良、轻度污染、中度污染、重度污染、严重污染），并以饼图的形式呈现每个等级所占的比例，这种图表能够直观地反映出某一地区或时间段内空气质量的整体状况及其分布特征。
2025-06-16 19:54:56
793
原创 相关类可视化图像总结
例如，在处理客户数据时，可以使用相关图分析年龄、收入、消费金额等变量之间的关系，为后续的建模提供依据。例如，在预测房价时，可以使用相关图分析房屋面积、房间数量、地理位置等特征与房价之间的相关性，选择最相关的特征进行建模。例如，可以使用气泡图分析不同产品的销售额（横轴）、利润（纵轴）和市场份额（气泡大小），帮助决策者快速识别高潜力产品。（4）适用于大规模数据：散点图可以处理大规模的数据集，即使数据量较大，也能通过点的分布直观地展示变量之间的关系。通过多个轴的等角排列，可以直观地比较数据点在不同维度上的表现。
2025-06-16 11:27:09
1920
原创 总结：地理特征类相关的可视化图像
通过扭曲地理区域的形状或面积，使区域大小与目标变量（如人口、GDP）成正比，强化数据差异的视觉冲击（如 “人口大省” 面积显著扩大）。用连线（直线 / 弧线）表示地理实体间的关系（如迁移、贸易、航空路线），可叠加线宽 / 颜色反映流动强度。核心价值是揭示空间关联规律（如高房价区域与地铁密度的相关性），但多变量叠加易导致视觉混乱，需结合统计验证避免因果误判。在地理点上叠加气泡，通过大小（编码数值）和颜色（辅助变量）展示多维数据（如城市人口与 GDP）。优势是灵活适配离散点数据（企业、零售网点），对比性强；
2025-05-25 23:24:21
661
原创 数据可视化基础之实验六：文本数据的可视化
此外，我们还尝试构造文本指纹，通过提取文本的特征并编码，为每篇文本生成了独特的标识符，这不仅加深了我们对文本特征提取的理解，也为后续的文本分析和管理提供了新的思路。文本数据可视化实验原理主要是利用数据处理与分析技术对文本数据进行加工，提取其中的关键信息、特征及模式等，然后借助可视化工具或软件，将这些经过处理的文本信息以直观的图形、图像、图表等视觉形式呈现出来，使人们能够更清晰、高效地理解文本数据所蕴含的内容、规律以及相互关系等。对比两个文献的指纹，将原来的文献进行修改，然后保存，再进行对比。
2025-05-22 21:37:39
627
原创 时间趋势类相关可视化图像总结
河流图（Streamgraph）是一种动态且富有表现力的时间趋势数据可视化图形，通常用于展示多个变量随时间的变化，特别是用于表现时间序列数据中的不同部分或类别的变化情况。（2）大规模数据的简洁展示：当需要展示多个时间序列的数据时（如多个传感器的数据、不同地区的销售数据等），地平线图能够在一个图表中清晰地对比多个数据系列。（2）流线平滑：河流图的流线通常是平滑的，通过曲线连接不同时间点的数据值，而不是简单的直线或阶梯图，这使得它比普通堆叠区域图更具表现力和美感。
2025-05-12 19:11:59
1800
原创 关系数据可视化
进行可视化，有散点图，直方图，密度分布曲线，气泡图，散点矩阵图等等。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。密度图可以了解到数据分布的密度情况。通过本次实验，我们深入学习了关系数据在大数据分析中的应用，并掌握了多种常见的可视化方法，如直方图、密度图、散点图和散点矩阵图等。1.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。
2025-05-05 15:19:59
329
原创 绘制板块层级图
一、实验目的掌握数据文件读取掌握数据处理的方法实现板块层级图的绘制二、实验原理板块层级图（treemap）是一种基于面积的可视化方式，通过每一个板块（通常为矩形）的尺寸大小进行度量。外部矩形代表父类别，而内部矩形代表子类别。我们也可以通过板块层级图简单的呈现比例关系，不过它更擅于呈现树状结构的数据。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。三、实验环境OS：win11python：v3.11四、实验步骤1.安装需要的库此实验需
2025-04-21 21:01:47
611
原创 总结局部与整体类可视化图像
特点：由多个相交的圆组成，每个圆代表一个集合，相交部分表示集合之间的交集，不相交部分表示集合的独特元素。特点：由多个大小不同的圆形组成，每个圆形代表一个数据项，圆形的大小表示数据的数值大小。特点：是饼图的变形，中间有一个空心圆，将数据以环形的形式展示。特点：用一个圆形表示整体，将圆形分割成不同扇形，每个扇形的大小代表该部分占整体的比例。应用场景：适用于展示大量数据项的分布情况，如不同城市的人口数量分布、各类商品的销售数量对比等。应用场景：常用于展示具有层级结构的数据，如公司的组织架构、产品的分类层次等。
2025-04-06 22:05:06
413
原创 实验三：时间数据可视化
在实验中，我利用Python编程实现了堆叠柱形图、折线图和堆积面积图的可视化，通过Matplotlib和Seaborn等库，成功展示了时间数据的动态变化和类别分布特征。它通过连接数据点来展示数据随时间的变化趋势。例如，绘制某地区一年内每个月的平均气温变化，横轴是月份，纵轴是气温值，折线图可以清晰地显示出气温的季节性变化规律，如气温在夏季达到高峰，在冬季降至低谷。比如，比较不同城市的房价变化趋势，每条折线代表一个城市的房价随时间的波动，这样可以直观地看出哪个城市的房价增长更快，哪个城市的房价相对稳定等。
2025-04-01 21:42:11
663
原创 对常见比较与排序类相关可视化图像的总结
特点：通过使用一系列平行的坐标轴来展示多个变量的数据，每个数据点对应一条穿过各个坐标轴的折线，能够清晰地展示数据在多个维度上的分布和关系，以及不同数据点之间的相似性和差异性。特点：将文本数据中出现频率较高的关键词以视觉上较大的字体展示，而频率较低的词则以较小的字体展示，形成类似云朵的形状，能够直观地反映文本数据的主要内容和关键词的重要程度。特点：又称为蜘蛛网图，将多个维度的数据以从中心向外辐射的坐标轴展示，通过连接各个数据点形成多边形，能够直观地展示数据在多个维度上的综合情况以及不同数据之间的差异。
2025-03-23 23:11:32
268
原创 数据可视化实验一，二
然后绘制图形， SVG 有一个叫做路径 的元素，它可以结合使用直线，曲线等来制作各种 不规则的复杂的图形。D3 的全称是（Data-Driven Documents），是一个被数据驱动的文档，其实就是 一个 JavaScript 的函数库，使用它主要是用来做数据可视化的。打开Tableau Desktop后在左下角打开自带的超市工作簿，可以经行数据筛选的操作，还可以自行选择维度生成图表，（大多数情况下，维度是离散的，而度量是连续的）比如下图将省份作为列，利润作为行，就可以直观看出每个省份的利润情况。
2025-03-17 20:17:59
1434
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