- 博客(12)
- 收藏
- 关注
RSS订阅原创 相关类可视化图像
展示两个连续变量之间的关系，每个点代表一个观测值。可直观看出线性/非线性趋势、离群值等。初步探索变量间关系（如身高与体重、广告投入与销售额）。散点图的扩展，通过点的大小表示第三个连续变量，增加维度信息。需同时展示三个变量关系（如GDP、人口与碳排放量）。矩阵形式展示多个变量间的相关系数，常用颜色和数值标记。快速识别多变量间的相关性（如金融指标、基因表达数据）。用颜色深浅表示数值大小，适合展示高维数据密度或相关性。基因表达热图、用户行为模式分析、相关系数矩阵。
2025-06-09 19:37:11
494
原创 数据可视化交互
实验一通过从高到低排序的条形图展示各城市 AQI，同时添加均值线并利用色彩区分高于或低于均值的城市，有效提升数据的对比性和直观性。实验二基于 AQI 等级划分绘制了饼图，不仅显示等级比例和百分比，还实现了高亮占比最大的扇区和点击弹出详细城市列表的交互功能，增强了用户对数据的理解与探索。实验三构建了以 Tab 组件为框架的仪表盘，涵盖 AQI 前十城市的条形图、西北与东部地区的散点对比及回归线分析，以及各地区 AQI 变化的折线图，且所有图表统一使用暗色主题，整体美观且信息丰富。
2025-06-03 11:51:24
698
原创 地理特征类可视化图像
对比维度蜂窝热力地图（Hexbin Heatmap）变形地图（Cartogram）关联地图（Flow Map）气泡地图（Bubble Map）等值线地图（Choropleth Map）核心特点六边形单元聚合密度，避免重叠地理区域形状按数据值扭曲用线条连接起点终点，编码流向/流量圆形标记编码大小/颜色，精确位置行政区划填充颜色，编码分类/连续值数据需求点坐标（经度/纬度）区域边界数据 + 数值变量（如人口）起点/终点坐标 + 流量值点坐标 + 数值变量（如人口、GDP）
2025-05-19 20:52:53
729
原创 数据可视化
中文词云生成实验的深层意义（1）技术实现维度通过分词算法突破中文无空格分隔的解析难题，采用精确模式保证语义完整性字体渲染机制揭示了计算机处理非拉丁语系文字的核心挑战（字符编码、字体库依赖）形状遮罩技术实现了数据可视化与艺术设计的融合，体现Matplotlib的矩阵化图像处理能力。（2）应用扩展方向舆情分析：对社交媒体文本生成动态词云，实时捕捉热点话题教育领域：可视化教材重点词汇分布，辅助语言教学商业价值：品牌广告词云设计，强化消费者关键记忆点文献指纹实验的学术价值。
2025-05-12 19:59:35
1359
原创 时间趋势类可视化图表总结
通过连接数据点形成线条展示趋势。显示开盘、收盘、最高、最低价。任何需要展示价格波动的场景。基线在中心，形成流动效果。展示多个类别随时间的变化。强调数量随时间变化的幅度。有限空间内展示大量数据。展示多个类别的时间变化。显示整体模式和相对比例。实体和影线表示价格波动。折线图下的区域填充颜色。比较多个类别的时间趋势。最基本的时间序列图表。需要比较多个时间序列。财务分析（利润构成）可以堆叠显示多个系列。条形表示任务持续时间。可以显示任务依赖关系。
2025-05-06 10:30:11
2337
2
原创 关系数据的可视化
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。分析数据的时候，可以从。整体进行观察，或者关注下数据的分布。也可以更宽的角度观察各个分布数据的相。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。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。在传统的观念里面，一般都是致力于寻找一切事情发生的。
2025-04-28 20:53:00
729
原创 分布类可视化图像
将数据划分为若干区间（bin），用条形高度表示频数/频率。直观展示数据分布形状、集中趋势和离散程度。连续变量的分布分析。数据探索阶段检查数据偏态、异常值。
2025-04-20 12:37:02
1497
原创 比例数据可视化
关键输出：数据框temp显示了各部门的商品数量和通道数量（如produce部门有136个通道和3912种商品）。排序后的temp2凸显了通道数量最多的部门（如produce、dairy eggs等）。可视化结果：树形图直观反映了各部门的通道数量和商品数量的比例关系。颜色深浅明确区分了商品数量的差异，例如商品数量较多的部门（如snacks）颜色偏黄，较少的部门（如bulk）颜色偏紫。结论：超市中生鲜部门（produce）的通道和商品数量最多，可能是重点销售区域。
2025-04-14 20:04:30
814
原创 局部与整体类可视化图像
内层代表父类别，外层代表子类别，面积大小反映数值。以圆形分割表示各部分占比，角度大小反映数值比例。（父子关系），类似树形图，但采用环形布局。表示层次结构，类似气泡图但具有层级关系。数据的占比，过多类别会导致视觉混乱。饼图的变种，中心留白，可叠加多层数据。表示集合关系，交集部分代表共同元素。用户重叠分析（如多平台用户重合度）的比较，过多集合会难以阅读。（如不同年份的占比）。（如分类、组织结构）。生物分类（如物种层级）市场调研（多选项重叠）进度展示（如完成率）电商商品分类销售占比。基因/蛋白质交集分析。
2025-04-06 18:07:38
788
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。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；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。
2025-03-31 20:12:45
632
原创 比较与排序类可视化图像
特点：类似于饼图，但中央有一个空心的部分，可以提供更好的信息和视觉效果。实现工具：使用 Python 的 Matplotlib。实现工具：使用 Python 的 Matplotlib。实现工具：使用 Python 的 Matplotlib。实现工具：使用 Python 的 Matplotlib。实现工具：使用 Python 的 Matplotlib。实现工具：使用 Python 的 Matplotlib。实现工具：使用 Python 的 Matplotlib。应用场景：展示组成部分的百分比，如市场份额等。
2025-03-17 20:08:04
513
原创 数据可视化基础实验
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）。on()的第一个参 数是监听的事件，第二个参数是监听到事件后响应的内容，第二个参数是一个函 数。
2025-03-13 23:03:54
593
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