- 博客(14)
- 收藏
- 关注
RSS订阅原创 新冠疫情分布动态展示图
本次项目围绕新冠疫情分布动态展示图展开，从数据处理到可视化呈现，再到深入解读，成果显著且意义重大。在数据方面，选用 JHU CSSE 维护的 Novel Corona Virus (COVID - 19) Dataset，该数据集权威透明、全球覆盖、更新及时、结构化程度高。但也存在报告延迟、统计口径不统一、数据细粒度有限等问题，我们进行了清洗和平滑处理。可视化呈现上，运用分级统计图展示全球各国确诊差异，动态时间轴地图呈现中国各省疫情演变。交互功能丰富，有时间维度控制、空间细节挖掘和跨设备适配。
2025-06-22 18:08:59
1051
原创 相关类可视化图像总结
1. 散点图2. 气泡图3. 热力图4. 二维密度图各图表优劣势对比表在数据分析与可视化领域，理解变量间的相关性是揭示数据内在规律的关键。而相关类可视化图像则可以通过直观的图形语言，将数据关系转化为可感知的视觉模式，快速捕捉变量关联、分布特征及潜在趋势。无论是探索性数据分析、多维度信息展示，还是复杂数据分布建模，这些工具均能在不同场景中发挥独特作用，成为数据洞察的重要助力。本文所有的数据均来自kaggle的数据集。
2025-06-16 08:13:35
1057
原创 数据可视化实验：数据可视化交互
本次数据可视化实验围绕空气质量指数（AQI）分析，通过Pyecharts、Matplotlib等工具构建多维度图表（横向条形图、饼图、仪表盘、2D/3D地图），验证了数据可视化在空间分布分析、趋势预测及决策支持中的核心价值。实验表明：工具选择需适配场景（如Pyecharts适合交互式地理可视化，Matplotlib适合基础统计图表），数据预处理是准确性基石（如AQI等级划分与区域分类），交互设计显著提升探索效率（如均值线标记、点击事件联动）。
2025-05-26 08:34:14
1895
原创 分布类可视化图像总结
图表类型优点缺点适用场景直方图直观，易于实现分箱影响结果初步探索数据分布密度图连续平滑，便于对比依赖带宽参数展示概率密度分布箱线图展示统计量，检测异常值忽略分布形状多组数据对比小提琴图结合分布形状和统计量图形复杂度高复杂分布的多组对比。
2025-05-19 19:58:59
1198
原创 地理特征类可视化图像详解与实践
图表类型特点典型应用场景推荐工具/库可视化效果描述蜂窝热力地图六边形网格，突出热点人口、事故、门店分布热区明显，分布均匀变形地图区域变形，面积与变量成正比人口、经济对比直观反映变量大小气泡地图气泡大小代表数值GDP、病例、销售额点状分布，数量级对比明显关联地图线连接点，无方向性合作、网络、航线强调联系，无流向流向地图线带箭头，突出方向性迁移、物流、交通流强调流动方向和强度。
2025-05-19 19:39:49
798
原创 数据可视化--文本数据可视化
本次文本数据可视化实验，通过探索词云生成和文献指纹构建两项关键技术，成功实现了对文本信息的深度挖掘与可视化表达。在实验过程中，我们运用jieba分词、WordCloud可视化以及hashlib哈希算法，不仅解决了中文文本处理的技术难点，还创新性地构建了文本指纹，实现了从歌词和古文文本中提取高频词汇并生成独特数字标识的目标。通过这一实践，我们深入理解了文本信息可视化的基本原理，掌握了Python处理中文文本的关键技术，为后续在数据分析和信息可视化领域的探索奠定了坚实基础。
2025-05-19 18:02:38
875
原创 时间趋势类可视化图像总结
时间序列数据分析是许多领域的核心任务，从金融到运维监控，选择合适的数据可视化图表能够直观展示趋势、波动和异常。本文将介绍地平线图、河流图、瀑布图、烛形图等经典时间趋势类图表的特性、应用场景，并提供基于Python的代码实现一、地平线图（Horizon Chart）特点：• 通过分层和颜色深浅压缩垂直空间，支持多指标对比。• 正负值用不同颜色区分，适合高密度时间序列展示。应用场景：• 服务器多维度监控（CPU、内存、流量）。• 股票市场中多支股票的价格波动对比。
2025-05-06 11:14:31
559
原创 关系数据的可视化
图表类型优点缺点适用场景直方图直观，易于实现分箱影响结果初步探索数据分布密度图连续平滑，便于对比依赖带宽参数展示概率密度分布箱线图展示统计量，检测异常值忽略分布形状多组数据对比小提琴图结合分布形状和统计量图形复杂度高复杂分布的多组对比。
2025-04-15 11:33:06
1854
原创 比例数据可视化--绘制板块层级图
库的导入与配置pandas用于数据操作，seaborn增强可视化效果matplotlib基础绘图，squarify绘制树形图中文支持：通过rcParams配置中文字体和符号显示数据加载与合并使用加载CSV数据多表关联：通过pd.merge()实现左连接（how='left'数据预处理groupby()结合nunique()计算唯一值数量横向合并聚合结果数据排序与索引设置设置索引列按指定列降序排序可视化配置颜色映射：使用颜色方案将数据映射到颜色区间标签生成：通过。
2025-04-14 20:50:09
1857
原创 数据可视化--局部与整体类可视化图像总结与实现
图表类型维度支持主要优势适用场景韦恩图2-3集合直观展示集合关系小集合对比饼图单维度快速理解占比简单比例分析环形图多组对比节省空间仪表板展示旭日图层次数据多级结构展示文件/组织架构圆堆积图层次数值面积编码数值分类数据分布Matplotlib：基础可视化库，支持饼图、环形图：专业韦恩图实现Plotly：交互式旭日图最佳选择Circlify：圆形布局算法核心支持。
2025-04-02 17:39:25
944
原创 数据可视化实验：时间数据的可视化
通过本次数据可视化实验，我深入理解了时间序列数据在可视化分析中的重要性及其应用场景。实验中以历年热狗大胃王比赛成绩数据为样本，结合堆叠柱形图与南丁格尔玫瑰图的绘制，直观展现了时间维度下数据的分布规律与趋势变化。在实现过程中，我深刻体会到图表类型选择对数据表达的关键影响：南丁格尔玫瑰图通过极坐标系将年份映射为圆周角度，利用半径长度反映数值大小，其视觉冲击力强，尤其适合呈现周期性时间数据，但需注意因面积与半径平方关系可能导致的数值比例夸大问题；
2025-04-01 13:39:57
1002
原创 数据可视化--比较与排序类可视化图像
选择合适的可视化图表需结合数据维度、比较目标及受众需求。对于简单排序，柱状图是首选；处理多维数据时，雷达图或平行坐标图更高效；文本场景则依赖词云图。通过Python的Matplotlib、Seaborn等库，可快速实现这些图表，提升数据表达力，对于实际需求，我们应因地制宜选择合适的图表，才能达到最佳的数据可视化效果。
2025-03-23 22:37:37
890
原创 数据可视化基础实验其二：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）。D3 的全称是（Data-Driven Documents），是一个被数据驱动的文档，其实就是一个 JavaScript 的函数库，使用它主要是用来做数据可视化的。再对每个 元素，添加。
2025-03-17 18:17:18
854
1
原创 数据可视化基础实验:在Tableau中实现数据可视化入门
在本次Tableau数据可视化入门实验中，我深入了解了Tableau Desktop的基本操作与功能。通过练习，我熟悉了软件界面，明白了数据源如何连接及管理，并通过筛选器功能对示例超市数据进行了操作，这也让我意识到数据清洗和准备在可视化过程中的重要性。在实验中，我通过简单的拖放操作成功制作了中国各地区的利润条形图和填充气球图，体验到Tableau的直观性和高效性。特别是在制作填充地球图时，我感受到了与Excel相比，Tableau在地理数据可视化方面的便捷与强大。
2025-03-17 17:32:59
1091
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