- 博客(14)
- 收藏
- 关注
RSS订阅原创 相关类可视化图像
应用场景：初步探索变量关系、识别离群值、观察数据分布。2. 气泡图（Bubble Plot）特点：散点图的扩展，通过点的大小表示第三个连续变量的值。应用场景：同时分析三个变量关系（如GDP、人口与碳排放）。应用场景：快速识别高相关或无关的变量对。应用场景：大规模相关系数矩阵、基因表达数据等。应用场景：大数据集中观察变量关系的密度分布。应用场景：量化变量间的线性关系。应用场景：多变量数据的全面探索。总结:散点图（Scatter Plot）核心特点：通过二维坐标点的分布展
2025-06-09 11:03:25
644
原创 地理特征类可视化图像
变形地图是一种通过扭曲地理区域的形状和大小，使其面积与某种统计数据（如人口、GDP、碳排放量）成比例的可视化方法。气泡地图是一种在基础地理底图上叠加圆形标记（气泡）的可视化方法，通过气泡的位置、大小和颜色编码多维数据，直观展示空间分布与数值关系。直观性：通过圆形标记（气泡）的位置、大小和颜色编码多维数据（如经度、纬度、数值、类别）。地理区域（如国家、省份）的面积不再反映实际大小，而是与目标变量（如人口）成正比。数据聚合：将散点数据汇总到蜂窝单元，适合高密度数据（如GPS轨迹）。
2025-05-25 21:52:34
761
原创 数据可视化交互
【实验名称】数据可视化交互【实验目的】实验 2：AQI 等级分布饼图任务：基于 AQI 等级划分（优/良/轻度污染/中度污染/重度污染），绘制饼图并添加交互功能：实验 3：多城市 AQI 对比仪表盘任务：使用 Tab 或 Page 组件构建多图表仪表盘：实验 4：2D 地理 AQI 可视化任务：结合 Geo 实现二维地理可视化：实验 5：3D 地理 AQI 可视化任务：结合 Geo3D 和 Bar3D 实现三维地理可视化：本次实验系统实践了数据可视化的核心技术，从基础图表
2025-05-19 20:50:26
745
原创 文本数据可视化
文本可视化学习与实践：通过实验，成功掌握了文本可视化的基础概念，学会使用 Python 中的matplotlib、jieba和wordcloud库，实现了从文本数据读取、分词到生成词云的完整流程。文本指纹构造探索：尝试为《师说》构造文本指纹，运用 SimHash 算法，完成了文本预处理、特征提取、哈希值生成等步骤，成功生成了《师说》的文献指纹，并以十六进制形式输出和保存。文本指纹则为文本相似度比较提供了一种有效的量化手段，在文献查重、文本分类等领域具有广泛的应用前景。过分词，无法直接生成正确的中文词云。
2025-05-12 10:52:43
603
原创 时间趋势类可视化图像
社交媒体话题热度、多类别时间序列分布（如电影票房占比）。显示开盘、收盘、最高、最低价，实体和影线反映价格波动。监控系统指标（如服务器负载）、金融市场多资产对比。周期性模式（如每小时网站访问量、每周销售热力图）。结果：红绿蜡烛体展示价格涨跌，影线显示波动范围。结果：正负区域分层填充，适合快速识别趋势方向。堆叠面积图的对称变体，无固定基线，形似河流。简单直接，连接数据点展示趋势。结果：流动的堆叠区域，展示多类别趋势变化。财务分析（如季度利润构成）、项目进度分解。通用时间趋势分析（如温度变化、用户增长）。
2025-05-11 16:24:18
376
原创 关系数据的可视化
本次实验通过多种可视化方法，直观展示了犯罪数据中的相关关系，为理解复杂数据关系提供了有效工具，也加深了对"相关关系分析"这一大数据时代重要方法论的理解。可视化选择的重要性：不同类型的关系需要不同的可视化方法简单相关适合散点图，多变量关系适合矩阵类图表。现在要做的是尝试着探索事物的相关关系，而不。据很容易通过数据进行验证的，也可以通过图表呈现，然后引。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。图，直方图，密度分布曲线，气泡图，散点矩阵图等等。
2025-04-28 20:25:58
275
原创 分布类可视化图像
箱线图（Box Plot）： 五数概括（最小值、Q1、中位数、Q3、最大值）+ 离群点；plt.boxplot() / sns.boxplot()小提琴图（Violin Plot）： 结合箱线图和KDE，展示数据密度和分布形状 多组数据分布对比（更详细）；ECDF图（累积分布图）： 直接显示数据累积概率，无参数依赖 精确分析分位数（如P90延迟）；蜂群图（Swarm Plot）： 无重叠显示数据点，保留原始值 小规模数据精确分布展示；显示五数概括（最小值、Q1、中位数、Q3、最大值）和离群点。
2025-04-21 10:16:56
744
原创 比例数据可视化
多表合并（pd.merge） 通过aisle_id和department_id关联商品、通道、部门信息。通过本次实验，掌握了层次化数据的清洗、分析和可视化方法，理解了Treemap在比例关系展示中的优势。personal care 部门包含最多通道（17个）和商品（6563种）数据排序（sort_values） 按通道数降序排列，突出主要部门。分组统计（groupby） 计算每个部门的唯一商品数和通道数。bulk 和 pets 部门通道数最少（各2个）标签完整显示部门名称、通道数和商品数。
2025-04-14 20:24:29
375
原创 局部与整体类可视化图像
圆形分割为扇形，面积比例代表各部分占比。多层环形结构表示层级数据，从中心向外辐射，适合树形结构。基因重叠分析、用户群体对比、问卷调查结果比较。结果：显示两个圆的重叠区域，标注交集大小。饼图的变体，中心留白，可叠加多层环状结构。用嵌套圆形表示层次结构，圆形大小对应数值。结果：圆形图表显示三类占比，标注百分比。结果：交互式多层旭日图，点击展开子层级。用嵌套矩形面积表示比例，空间利用率高。多层级比例对比（如收入来源细分）。结果：填充矩形块，标签显示类别。结果：环形显示比例，中心空白。
2025-04-02 15:15:43
289
原创 时间数据的可视化
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，还需表达数据分布的时间规律。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。由于半径和面积的关系是平方的关系，南丁格尔玫瑰图会将数据的比例大小夸大，尤其适合对比大小相近的数值；
2025-03-31 20:08:31
837
原创 总结与排序类相关的可视化图像
适用场景: 比较不同类别数据的大小或数量。特点:使用长度不一的矩形条表示数据。可以水平或垂直排列。适合展示少量类别数据。示例: 比较不同产品的销量。应用场景:比较不同产品的销售额。展示不同地区的人口数量。分析不同时间段的用户活跃度。
2025-03-17 11:51:35
679
原创 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）。在布局的应用中，最简单的就是饼状图。（2）还可以直接包含网络的链接，这种方法较简单： 但使用的时候要保持网络连接有效，不能再断网的情况下使用。
2025-03-16 17:38:08
2207
原创 Tableau数据可视化入门
在左下角选中“显示仪表板标题”，然后双击顶端的“仪表板 1”，修改标题内容为 “相关信息比较图”，可对标题做格式化操作，改变其大小、显示位置和颜色等属性。这是新建仪表板的标题，放在最顶部 ，然后，在左侧的对象中双击“水平”对象，则在中间空白处添加了一个水平对象，对水平对象的高度进行调整，大小设为 300。大多数情况下，维度是离散的，而度量是连续的。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。
2025-03-16 15:59:52
1668
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