DW数据可视化

HTML+CSS鲜花网页制作 DW静态网页设计 个人网页制作 一、作品介绍 网页作品代码简单html+css,可使用任意HTML编辑软件(如:Dreamweaver、HBuilder、Vscode 、Sublime 、Webstorm、Text 、Notepad++ 等任意html编辑软件进行运行及修改编辑等操作)。 技术方面主要应用了学生网页课程中的: Div+CSS、鼠标滑过特效、Table、导航栏效果、Banner、表单、二级三级页面等,视频、 音频元素 、Flash,同时设计了Logo(源文件)所需的知识点。 文章目录一、作品介绍二、作品演示三、代码展示css 阅读详情


**复习: 在数据的清理和重构基础上,为了更好的看到每一个关键步骤的结果如何,使得数据更加的易于理解;*数据可视化是一个很有用的技巧。

柱状图

处理离散型数据

任务二:可视化展示泰坦尼克号数据集中男女中生存人数分布情况(用柱状图试试)。

sex = text.groupby('Sex')['Survived'].sum()
sex.plot.bar()    #Seris.plot.bar()
plt.title('survived_count')
plt.show()

在这里插入图片描述

任务三:可视化展示泰坦尼克号数据集中男女中生存人与死亡人数的比例图(用柱状图试试)。

# 提示:计算男女中死亡人数 1表示生存,0表示死亡
df=text.groupby(['Sex','Survived'])['Survived'].count().unstack()
print(df)
df.plot(kind='bar',stacked='True') # stacked=True: 表示将两个图标叠加在一起,默认False
plt.title('survived_count')
plt.ylabel('count')
Survived    0    1
Sex               
female     81  233
male      468  109

在这里插入图片描述

折线图

连续型数据
任务四:可视化展示泰坦尼克号数据集中不同票价的人生存和死亡人数分布情况。(用折线图试试)(横轴是不同票价,纵轴是存活人数)

# 计算不同票价中生存与死亡人数 1表示生存,0表示死亡
fare_sur = text.groupby(['Fare'])['Survived'].value_counts().sort_values(ascending=False)
fare_sur
# 排序后绘折线图
fig = plt.figure(figsize=(20, 18))
fare_sur.plot(grid=True) #grid网格
plt.legend()
plt.show()

在这里插入图片描述
2.7.5 任务五:可视化展示泰坦尼克号数据集中不同仓位等级的人生存和死亡人员的分布情况。(用柱状图试试)

pclass_sur = text.groupby(['Pclass'])['Survived'].value_counts()
pclass_sur
Pclass  Survived
1       1           136
        0            80
2       0            97
        1            87
3       0           372
        1           119
Name: Survived, dtype: int64
import seaborn as sns
sns.countplot(x="Pclass", hue="Survived", data=text)
<matplotlib.axes._subplots.AxesSubplot at 0x2752f2222b0>

在这里插入图片描述

kdeplot

2.7.6 任务六:可视化展示泰坦尼克号数据集中不同年龄的人生存与死亡人数分布情况。(不限表达方式)

facet = sns.FacetGrid(text, hue="Survived",aspect=3)
facet.map(sns.kdeplot,'Age',shade= True)
facet.set(xlim=(0, text['Age'].max()))
facet.add_legend()
<seaborn.axisgrid.FacetGrid at 0x2752c890e10>

在这里插入图片描述 任务七:可视化展示泰坦尼克号数据集中不同仓位等级的人年龄分布情况。(用折线图试试)

text.Age[text.Pclass == 1].plot(kind='kde')
text.Age[text.Pclass == 2].plot(kind='kde')
text.Age[text.Pclass == 3].plot(kind='kde')
plt.xlabel("age")
plt.legend((1,2,3),loc="best")
<matplotlib.legend.Legend at 0x2752f19aa20>

在这里插入图片描述

散点图

import matplotlib.pyplot as plt
import numpy as np

n=1024
X=np.random.normal(0,1,n)#生成均值为0,方差是1的n个随机数
Y=np.random.normal(0,1,n)
T=np.arctan2(Y,X)#for color value

plt.scatter(X,Y,s=75,c=T,alpha=0.5)

plt.xlim((-1.5,1.5))
plt.ylim((-1.5,1.5))

plt.xticks(())
plt.yticks(())   #隐藏所有的横纵坐标值

plt.show()

在这里插入图片描述

3D图

from mpl_toolkits.mplot3d import Axes3D

#构建3D坐标网格
fig=plt.figure()
ax=Axes3D(fig)

X=np.arange(-4,4,0.25)
Y=np.arange(-4,4,0.25)
X,Y=np.meshgrid(X,Y)
R=np.sqrt(X**2+Y**2)
Z=np.sin(R)

#画3d图
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) #h黑色的线的跨度 行跨rstride和列跨cstride
#3d图的投影 投影方向zdir为z轴,offset表示投到z=-2这个平面上
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')

ax.set_zlim(-2,2)
plt.show()

在这里插入图片描述

DW2022数据可视化matplotlib Task2 【几点收获】 1.了解了lines、patches(Rectangle、Polygon、Wedge)、collections、Images这些基本元素的画图方法。 2.对Figure、Axes、Axis、Tick等容器有了一个初步的认识。 3.在构建可视化图表时,也可以通过hist、bar等相应图形的封装,进行直接画图。 【思考题】primitives 和 container的区别和联系是什么,分别用于控制可视化图表中的哪些要素 二者的联系:primitives是在container中画图 阅读详情

相关推荐

DW-动手学数分04(数据可视化)

目录1 了解matplotlib2 1 了解matplotlib 2

OohMuYi的博客 459

Dreamweaver在线网页设计工具:多格式导入导出无忧!

在设计领域,如果你不能掌握几个网页设计软件,那么你会觉得日常的网页设计工作特别乏味。由于多个不同网页设计软件的组合,可以更好地提高设计效率,但由于多个软件的组合,也容易出现不兼容,甚至文件丢失问题。现在我们不用担心这样的问题,市场上有一个在线协作网页设计软件即时设计,它不仅可以兼容各种格式的导入,而且可以被在线网页设计网页设计软件所取代。

2301_79599164的博客 2355

DW2022数据可视化matplotlib Task3

【几点收获】 1.学习了均匀状态下的子图和非均匀状态下的子图两种绘图方式 2.对子图上添加网格线、直线以及轴的坐标表示方法有了初步的掌握 3.对如何画出风玫瑰图有了一定的启示 【思考题】墨尔本1981年至1990年的每月温度情况数据集来自github仓库下data/layout_ex1.csv,请利用数据,画图。 日后解决,还未能学好numpy和掌握如何引用github仓库中的内容。 【思考题】用 np.random.randn(2, 150) 生成一组二维数据,使用两种非均匀子图的分割

Lumos_why的博客 612

HTML CSS JS电影网页设计 DW个人网页制作 Hbuilder制作简单的电影网页 在线电影网页设计与制作 web前端大作业

网页作品代码简单html+css制作,可使用任意HTML编辑软件(如:Dreamweaver、HBuilder、Vscode 、Sublime 、Webstorm、Text 、Notepad++ 等任意html编辑软件进行运行及修改编辑等操作)。技术方面主要应用了学生网页课程中的: DIV+CSS、鼠标滑过特效、Table、导航栏效果、Banner、表单、二级三级页面等,视频、 音频元素 、Flash,同时设计了Logo(源文件)所需的知识点。 css 喜欢的给个点赞呗...

HTML网页设计 专注大学生网页设计 1236

DW动手学数据分析Task4:数据可视化

数据可视化

OohMuYi的博客 943

【DW组队学习—动手学数据分析】第二章:第四节数据可视化

【DW组队学习—动手学数据分析】第二章:第四节数据可视化

0_×的博客 965

asp 如何在线编辑html,ASP:HTML在线编辑器的调用方法和使用方法详解

HTML在线编辑器不需要懂得使用Dreamweaver,会用Word就会使用此编辑器,在文章系统或者是新闻系统需要文字编辑的web程序中非常实用。但是如何将html编辑器嵌入到web页中和怎么取得里面的数据呢?!首先我们假定我们所要调用得HTML在线编辑器放在一个单独得页面中,文件名是gledit.htm。HTML在线编辑器有两种基本调用方法:一、使用object调用:1、怎么在web页中嵌入ht...

weixin_35857225的博客 646

dreamweaver在线编辑器

超强悍~~虽然不是我做的,但很佩服!和软件版的一模一样!

提升网页设计效率:2024年必备工具

随着技术的发展,网页设计领域出现了许多创新工具,它们使得即使是没有编程背景的人也能轻松创建和设计网站。本文将介绍2024年流行的网页设计工具,帮助你选择最适合你需求的工具,让你的设计工作更加高效。

2301_79599164的博客 1463

Avellaneda & Stoikov’s market-making strategy AS模型的通俗理解篇(一)

δa, δb = bid/ask spread, symmetrical → δa=δb 也就是一段时间内,这个midprice 上蹿下跳的幅度计算,其实做市也就是一种网格,或者说类似布林带,我们经过计算在底部放买单,在高点放一个卖单,如果上下都成交了,那么仓位不变,你把利差赚了。一般来说在震荡行情中,很适合做市,特别是波动率不高情况下,我们通过AS的经典论文得到2个最关键公式,下面来解读一下这个公式的含义,如何在hummingbot 策略中如何设置这些参数。如果单边上涨,你就无货可卖,俗称卖飞了。

weixin_42480337的博客 1万+

simulink中MIL测试简单理解

输入信号设置如下:选中New Test Case1 ---INPUT。5、新建(选择New,Test from Spreadsheet)6、可以新建也可以导入(Use existing test)Source:Output为自己预测结果。3、右键子系统(Create)打开生成表格,可以自己调试。4、创建测试用例表格。保存路径为模型路径。保存路径在模型路径。8、运行测试设h置。

lingdianhuat的博客 1786

【DW组队学习】数据可视化

学习目标: 数据可视化——Matplotlib 学习内容: 01.Matplotlib初相识 02.艺术画笔见乾坤 03.布局格式定方圆 04.文字图例尽眉目 05.样式色彩秀芳华 06.场景案例显神通 学习时间: 2020年12月14日-27日 学习产出: 博客记录 ...

0_×的博客 222

Word公式一键转MathType保姆级教程(附omml2mml.xsl报错终极解决方案)

本文提供Word公式一键转MathType的保姆级教程,重点解决常见的omml2mml.xsl报错问题。通过详细分析报错原因、官方解决方案实操步骤及转换后格式优化技巧,帮助用户高效完成公式转换,适用于科研论文和商业文档编辑。

weixin_30082367的博客 576

DW2022数据可视化matplotlib Task1

【1】初步问题解决 一开始通过cmd,已经安装成功matplotlib,但是依然无法使用,借助以下方法解决正常使用问题。Linux已经安装matplotlib成功但pycharm仍提示No module named ...的解决方法_z1747157448的博客-优快云博客_安装了matplotlib但是ide里没有Linux已经install matplotlib成功但pycharm仍提示No module named matplotlib的解决方法该方法适用于已经在shell中sudo apt-ge

Lumos_why的博客 592

【高级-RAG-优化方法】

本文介绍了两种优化RAG(检索增强生成)系统的高级方法。第一部分介绍KnowFlow项目,它采用父子分块技术,将文档分为父分块(800-1500字符)和子分块(200-400字符),通过精确匹配子分块再返回父分块内容来保证搜索精确性和上下文完整性。第二部分探讨Milvus的多种增强技术,包括查询增强(如假设问题生成、回溯提示)、索引增强(自动合并块、分层索引)、检索器增强(句子窗口检索、元数据过滤)、生成器增强(提示压缩、块排序)以及管道增强(自我反省、代理查询路由)。这些方法共同提升了RAG系统的检索效率

weixin_48585108的博客 962

Mcgs 屏幕Modbus RTU通讯调试

昆仑通态屏幕作为Modbus Master 与 Modbus Slave通过RS485接口实现通信的调试记录

madao1234的博客 5578

DW2022数据可视化matplotlib Task4

【几点收获】 1.了解了关于子图文本、注解、标签的修改方式,以及xy轴标签、整体图例的函数 2.初步掌握了barh的用法,可以在画布上实现横向柱状图 3.接口的变化好像不多,但是运用起来相对灵活。同时在本次学习中,更深刻的认识到在画图前,需要做好数据处理工作,为可视化打好基础。 【思考题】请尝试使用两种方式画出图像,本文学习的text方法和matplotlib自带的柱状图标签方法bar_label 第一种:text方法 import matplotlib.pyplot as plt imp

Lumos_why的博客 2868

基于Linux的PCIe设备驱动开发入门到精通-- 11.2 锁机制与并发控制 (自旋锁、互斥锁) 11.3 性能瓶颈分析与优化建议

本文探讨Linux驱动开发中的性能优化方法论,重点聚焦并发控制与性能瓶颈分析。从锁机制选择(自旋锁、互斥锁等)到工具使用(ftrace、perf),详细介绍了定位锁竞争和CPU热点的实战步骤,包括ftrace事件跟踪和perf火焰图分析。针对常见性能瓶颈(CPU/内存/I/O/锁竞争),提出了锁粒度优化、无锁结构替换、中断处理优化等解决方案。强调性能优化需要理论结合实践,通过"假设-测量-验证"的循环持续迭代。为开发者提供了一套从问题定位到解决的完整方法论,助力开发高性能工业级驱动。

MHD0815的博客 131

DW 2023年1月Free Excel 第八次打卡 Excel数据可视化

excel 可视化

LucyLuo2020的博客 874

学Simulink--进阶电机控制场景实例:基于Simulink的异步电机定子磁链定向控制(SFOC)仿真

本文详细介绍了基于Simulink的异步电机定子磁链定向控制(SFOC)仿真实现方法。主要内容包括:1) SFOC原理分析,突出其对转子参数不敏感的优势;2) 工业风机驱动系统的完整建模流程,涵盖主电路搭建、坐标变换、磁链观测器设计等关键步骤;3) 核心模块代码实现,包括电压模型磁链观测器和双闭环PI控制器;4) 仿真结果验证了SFOC在转速响应(0.2s)、转矩恢复(0.15s)和参数鲁棒性(转子电阻变化50%时转速波动<2%)方面的优异性能。本文为工程师提供了实用的SFOC系统开发指南,特别适用于

amy_mhd的博客 117

安装Codex时出现无法下载此应用和Microsoft Store初始化失败的解决方案

本文主要介绍了安装Codex时出现无法下载此应用和Microsoft Store初始化失败的解决方案,希望能对使用codex的同学们有所帮助。 文章目录 1. 问题描述 2. Windows 解决方案 3. Mac解决方案

weixin_43178406的博客 7万+

层 数据仓库_基于指标体系的数据仓库搭建和数据可视化

「分享数据大咖实践经验 网罗职场大佬成长秘籍」关于作者:小姬,某知名互联网公司产品专家,对数据采集、生产、加工有所了解,期望多和大家交流数据知识,以数据作为提出好问题的基础,发觉商业价值。0x00 前言我将整理文章分享数据工作中的经验,因为业务内容上的差异,可能导致大家的理解不一致,无法体会到场景中的诸多特殊性,不过相信不断的沟通和交流,可以解决很多问题。前面我们分析了职场基本功、数据指...

weixin_34479122的博客 276

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

数据仓库建设的关键技术和应用实例

在实际的数据仓库建设中,需要重点考虑数据源、数据清洗、构建ODS层和DW层、ETL过程、数据可视化、在数据仓库中,数据可视化可以帮助企业更好地理解数据、发现数据中的规律和趋势,从而做出更明智的决策。在数据仓库中,元数据管理可以帮助企业更好地了解数据的来源、质量和用途,从而更好地管理和利用数据。ETL过程是指从数据源中提取数据、对数据进行清洗和转换、将数据加载到ODS层和DW层中的过程。数据清洗包括去除重复数据、填补缺失数据、纠正错误数据等操作,以确保数据质量和一致性。为了更好地管理和利用这些数据,

weixin_41888295的博客 209

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

报表自动化就是连接数据库?错,它打开了数据仓库的大门

我认为的如何逐步做到商业智能,通过报表自动化、数据图表化、数据可视化、数据挖掘四步走的方式,逐步的让数据产生价值。 我们主要讲报表自动化,但在这之前我们需要有“大量的数据”支持,多次提到“大量的数据”,这些数据就是指我们各种产品在使用、运行过程中存到数据库的数据,当然也包括日志中的数据,这些数据在我们产品运行过程中生成且同时为产品运行提供服务。 FineReport做的报表 如果是数据库中的数据,那么还可能出现数据分别存储在各种库、表、文件中,他们以最初业务功能的需要进行着“合理”或者早已被多人“

Leo的博客 617

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

前端响应式期末作品

前端响应式期末作品

weixin_54454406的博客 742

数据分析新手必看:这些概念一定要记住!

什么是商业智能BI:Business Intelegence,商业智能,基于数据仓库,经过数据挖掘后,得到了商业价值的过程。例如利用数据预测用户购物行为属性商业智能什么是数据仓库DW:...

lovenankai的专栏 580
上一篇: DW数据重构
下一篇: DW模型搭建和评估
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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