SQL Server 2014 BI新特性(二)结合Data Explorer和GeoFlow进行数据分析

本文介绍了如何使用Excel 2014中的DataExplorer和GeoFlow功能进行数据获取、处理及地图展示。通过具体步骤展示了如何从国家统计局网站获取数据并利用GeoFlow在3D地球中进行可视化。

Data Explorer和GeoFlow作为Excel的新功能被写入到即将发布的SQL Server 2014当中。Data Explorer为业务分析人员提供了一种数据获取,整理以及组织的方式,通过GeoFlow功能,数据将被形象地展现在3D地球中,使数据中蕴含的信息更形象更有说服力。

Data Explorer下载地址:

http://www.microsoft.com/en-us/download/details.aspx?id=36803

GeoFlow下载地址:

http://www.microsoft.com/en-us/download/details.aspx?id=38395

 

Data Explorer提供了很棒的数据获取功能,在上一篇的介绍中,我们可以发现它不但支持多种类的数据源,还方便我们很容易的把数据拿到Excel工作簿中。

接下来,首先我们找点数据来,获取数据最好的方式就是从国家统计局的网站了,打开浏览器,输入国家统计局的网址:

http://www.stats.gov.cn/tjsj/qtsj/gjsj/

点击国际数据,找到人均国民收入链接。

打开后我们可以看到在网页上的数据统计信息。我们需要做的就是把这个页面的地址复制下来。

回到Excel 2013种,在DATA EXPLORER下,点击From Web。

粘贴刚才复制的地址链接。

在Query界面中,可以看到被检索出来的数据结构,点击Table 0,可以看到刚才王爷上的信息已经被结构化显示在右面的表格中。

点击Done之后,可以看到数据已经被导入到Excel工作簿中。

然后,把数据复制到另外一张工作簿然后按照下面的格式将数据重新整理一下,主要是把前两行删除,然后删除掉前几行粗粒度的数据,然后将年的猎头加一个Y前缀,还有把数据都整理成数字类型。

将数据组织好之后,点击INSERT,MAP下的Launch GeoFlow。

在新弹出的界面中,我们可以看到一个大大的地球,以及右侧系统检测到的数据结构。

首先,选取Country or Area, 然后在GEOGRAPHY中确保这个字段是作为Country类型被选中。点击Map It。

可以看到相应国家的数据点已经被标出,接下来勾选相应的列把数据展现在地球上。

留意年之间的数据是序列数据,所以确保HEIGHT类型中选择的是Clustered。

最后,拖动地区,观察我们获取的数据吧。

欧洲地区,整体水平还是蛮高的。

非洲区,跟大家想象的差不多。

亚洲区,澳大利亚和日本明显居高。

美洲区。

此外,GeoFlow还为我们提供了多种主题供我们选择。

 

以上,我们可以看到Data Explorer和GeoFlow非常方便我们对数据的获取处理以及在地图上的展现,而不必要再去搭建专门的GIS引擎。我微软在新产品中,正在整合商业智能更多的功能以及逐步的降低商业智能的门槛,并且也正在紧随大数据的脚步。

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值