<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[python1896883925的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/python1896883925</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; python1896883925]]></copyright><item><title><![CDATA[数据可视化9]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/147976061</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/147976061</guid><author>python1896883925</author><pubDate>Thu, 15 May 2025 12:42:48 +0800</pubDate><description><![CDATA[MWORKS.Syslab 作为一款强大的科学计算与系统仿真平台，提供了丰富而灵活的数据可视化功能，能够帮助用户以直观的方式呈现复杂数据和分析结果。以下将结合具体案例，介绍其在三维曲线、曲面、等高线等多种可视化形式上的应用。]]></description><category></category></item><item><title><![CDATA[数据可视化8]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/147779113</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/147779113</guid><author>python1896883925</author><pubDate>Thu, 08 May 2025 08:24:56 +0800</pubDate><description><![CDATA[不确定分析原则]]></description><category></category></item><item><title><![CDATA[数据可视化7]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/147468422</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/147468422</guid><author>python1896883925</author><pubDate>Thu, 24 Apr 2025 14:17:06 +0800</pubDate><description><![CDATA[在金融市场中，股票投资备受关注，而对股票数据进行深入分析有助于投资者洞察市场动态、把握投资机会。以下将从和两方面展开。在股票数据可视化分析中，通过趋势图和K线图呈现特定时段内股票价格及移动平均线走势、成交量变化等情况；在股票收益率分析中，涵盖日、月度、年度收益率的计算，全面剖析股票收益表现，为投资者提供多角度参考。]]></description><category></category></item><item><title><![CDATA[数据可视化6]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/147291903</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/147291903</guid><author>python1896883925</author><pubDate>Thu, 17 Apr 2025 13:42:00 +0800</pubDate><description><![CDATA[图中黑色散点是根据模拟生成的自变量和因变量数据绘制，代表。红色直线为通过普通最小二乘法拟合得到的回归线，体现，其方程近似为模拟设定的 y=2+0.5x 加上误差项。蓝色虚线垂直线连接散点与回归线上对应点，直观展示出每个样本点的实际值与模型预测值之间的差异，即。由此可见，该模型对模拟数据有一定拟合能力，回归线大致穿过散点分布区域，但因模拟时引入了随机误差项，各散点并非完全落在回归线上，呈现出围绕回归线的波动状态，反映出。]]></description><category></category></item><item><title><![CDATA[数据可视化5]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/147154930</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/147154930</guid><author>python1896883925</author><pubDate>Sat, 12 Apr 2025 13:10:40 +0800</pubDate><description><![CDATA[本文系统性地介绍了数据的统计分析流程及其可视化实现，涵盖（如均匀分布、正态分布及其随机数生成、概率计算与检验）、（包括均值、方差等统计量的分布特性及t分布的比较）、（参数的点估计、区间估计和假设检验），以及（如均值推断的图形化展示）。]]></description><category></category></item><item><title><![CDATA[数据可视化4]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/147108501</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/147108501</guid><author>python1896883925</author><pubDate>Thu, 10 Apr 2025 09:39:53 +0800</pubDate><description><![CDATA[本文介绍多种统计图形的绘制方法，涵盖的基础函数图、气泡图、三维散点图和曲面图，的箱线图、小提琴图、点图、条图、计数图、分组关系图和概率分布图，以及系统的直方图、分组散点图、折线图和分面图。从简单的单变量分布到多变量关系探索，这些图形适用于不同的分析场景。例如，箱线图可快速比较不同组别的数据分布，小提琴图结合了密度估计和箱线信息，而 分面图则能同时观察多个分组条件下的变量关系。通过选择合适的可视化方法，可以更高效地传达数据背后的信息，辅助决策和进一步建模分析。]]></description><category></category></item><item><title><![CDATA[数据可视化3]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/146548337</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/146548337</guid><author>python1896883925</author><pubDate>Thu, 27 Mar 2025 09:54:38 +0800</pubDate><description><![CDATA[本文将围绕“股票数据读取与K线图绘制”展开综合案例实战，带你掌握金融数据分析与可视化的核心技能。我们将学习如何通过Python工具从网络API获取股票历史数据，并清洗整理成结构化格式。重点演示如何绘制专业的K线图，结合成交量、均线等指标，直观展现股票价格趋势、波动及市场情绪。通过案例实操，你将深入理解K线图的开盘价、收盘价、最高最低价等要素，同时提升数据可视化在真实业务场景中的应用能力，为投资分析或量化交易打下基础。data为交易日期；open为开盘价；close为收盘价；high为最高价；low为最低价；]]></description><category></category></item><item><title><![CDATA[数据可视化2]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/146346978</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/146346978</guid><author>python1896883925</author><pubDate>Tue, 18 Mar 2025 20:33:27 +0800</pubDate><description><![CDATA[沿着“数据可视化1”的内容脉络，接下来继续深入介绍关于面积图、堆叠面积图、散点图和气泡图的数据可视化方式，它们以各自独特的视觉呈现形式，为数据的深度解析与洞察提供了多元视角，助力用户从不同维度挖掘数据背后潜藏的信息，从而更好地理解数据、做出科学决策。]]></description><category></category></item><item><title><![CDATA[数据可视化1]]></title><link>https://blog.youkuaiyun.com/python1896883925/article/details/146342835</link><guid>https://blog.youkuaiyun.com/python1896883925/article/details/146342835</guid><author>python1896883925</author><pubDate>Tue, 18 Mar 2025 17:06:32 +0800</pubDate><description><![CDATA[在数据可视化领域，多种图表类型各展其长，为我们洞察数据奥秘搭建桥梁。比如柱形图，从简单呈现数据对比的基本款，到与折线结合揭示趋势变化，再到搭配平滑曲线增添数据表现的细腻度；折线图专注于展现数据走势；饼图则擅长呈现各部分占比关系。本文将探究这三类图表——柱形图、折线图与饼图，看看它们如何将复杂数据转化为直观易懂的视觉呈现，助力数据解读与决策制定。]]></description><category></category></item></channel></rss>