- 综合排序
- 最热优先
- 最新优先
- 来自专栏技术翻译
11个有趣的【数据可视化】案例
image.png 数据可视化专家每天都在数据设计的世界里创造惊人的东西，数据可视化是在许多不同领域的重要工具。 为了纪念所有艺术家和设计师在世界各地进行惊人的数据可视化，这里收集了2018年最有趣的数据可视化案例。 2018年最佳数据可视化案例 1.History of Bruce Springsteen image.png By Adam McCann 亚当·麦肯(AdamMcCann)的数据可视化显示了布鲁斯 他利用收集到的每一次阿波罗任务的数据，创建了这个数据可视化。他把它作为一种艺术印刷品出售，而且相当成功。 11.Crazy Rich Asians image.png Crazy Rich Asians “南华早报”(SouthChinaMorning Post)制作了一系列有关亚洲国家与世界其他国家实际贫富差距的图表和交互式可视化数据
7.2K00发布于 2018-10-22 - 来自专栏优雅R
「R」数据可视化11：PCA和PCoA图
其实不论是PCoA还是PCA图均是用散点图来展示结果PCoA和PCA的结果，PCoA和PCA准确来讲是数据降维分析方法。 PCA对原始数据的正则化或预处理敏感（相对缩放）。PCA是最简单的以特征量分析多元统计分布的方法。通常情况下，这种运算可以被看作是揭露数据的内部结构，从而更好的解释数据的变量的方法。 ? **因此，PCA是尽力保留数据中的变异让点的位置不改动，而PCoA是尽力保证原本的距离关系不发生改变，也就是使得原始数据间点的距离与投影中即结果中各点之间的距离尽可能相关（如图）。 ? 本文将基于该包进行PCA和PCoA的分析，数据是自带的deug，该数据提供了104个学生9门课程的成绩（见截图）和综合评定。综合评定有以下几个等级：A+,A,B,B-,C-,D。 有时候PCA和PCoA的结果差不多，有时候某种方法能够把样本有效分开而另一种可能效果不佳，这些都要看样本数据的特性。 因为没有现成可供分享的微生物组数据，所以用了这个成绩的数据集。
3.5K11发布于 2020-07-03 - 来自专栏AI机器学习与深度学习算法
机器学习入门 3-11 Matplotlib数据可视化基础
plt.plot(x, siny) plt.plot(x, cosy, color = "red", linestyle = "--") plt.axis([-1, 11, -2, 2]) plt.show
1.3K30编辑于 2022-11-08 - 来自专栏数据分析与可视化
数据可视化(11)-Seaborn系列 | 小提琴图violinplot()
与盒形图不同，因为盒形图的所有绘图组件都对应于实际数据点,小提琴形图具有底层分布的核密度估计。 可选： x,y,hue:数据字段变量名(如上表，date,name,age,sex为数据字段变量名) 用于绘制数据的输入 data: DataFrame,数组或数组列表 用于绘图的数据集，如果x和y不存在 实际内核大小将通过将比例因子乘以每个bin中数据的标准差来确定。 cut:float 以带宽大小为单位的距离，用于将密度扩展到超过极端数据点。 如果point或stick， 则显示每个基础数据点。 height=4, aspect=.7); [inhhin46ey.png] 案例地址 案例代码已上传：Github https://github.com/Vambooo/SeabornCN 整理制作：数据分析与可视化学研社
14.8K10发布于 2019-10-02 - 来自专栏终身学习者
11个React Native 组件库和 Javascript 数据可视化库
Javascript 数据可视化库 1. D3js ? 超过 80k 的 star的 D3.js 可能是最流行和最广泛的 Javascript 数据可视化库。 超过5K stars 的 Raw 是电子表格和数据可视化之间的连接链接，用于在d3.js库之上创建基于矢量的自定义可视化。 它可以处理表格数据(扩展列表和逗号分隔值)，也可以处理来自其他应用程序的复制粘贴文本。基于SVG格式，可以使用向量图形应用程序编辑可视化，以便进一步改进，或者直接嵌入到web页面中。 11. 超过 11k 的stars Metabase中，使用SQL创建数据仪表板是一种非常快速和简单的方法，不需要知道SQL(但是对于分析人员和数据专业人员使用SQL模式)。 原文：https://blog.bitsrc.io/11-rea...https://blog.bitsrc.io/11-jav...
15.1K11发布于 2019-05-13 - 来自专栏大数据文摘
11张图带你走过数据可视化的前生今世
正所谓“前人栽树，后人乘凉”，我们站在了他们的肩膀上，才有了今天比较炫酷的可视化技术。 今天，大数据文摘先请大家看看11张静态的数据可视化图，然后请大家看看一段展示动态数据可视化的视频。 通过今天的可视化展示，相信大家更能体会到数字世界中艺术的重要性！ 在大数据时代和信息过载的今天，数据可视化无疑是筛选并呈现复杂数据的最有效方式。 单张数据可视化图就可以是无价之宝。 实际上，数据可视化可以追溯到2500多年前，在电脑和简单的视觉表示工具出现之前，就已经存在。 是否好奇数据可视化是怎样随着时间发展起来的？ 接下来，我们将展示来自不同但有重要意义的历史阶段的11张独特的数据可视化图。 下面将为大家展示11张经典数据可视化图。 1. 地图——第一张世界地图 ? Anaximander在公元前550年制作的第一张世界地图。
1.3K150发布于 2018-05-22 - 来自专栏IT从业者张某某
数据可视化第二版-03部分-11章-相关
数据可视化第二版-03部分-11章-相关 总结 本系列博客为基于《数据可视化第二版》一书的教学资源博客。本文主要是第11章，相关可视化的案例相关。 可视化视角-相关 代码实现 安装依赖 pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple pip install noise=10, random_state=144) # 生成回归数据 n_samples=150, noise=.09, random_state=10) x = moons[0] y = moons[1] plt.scatter(x[:, 0], x[:, 1], c=y) # 可视化月牙图形 numpy as np import seaborn as sns import matplotlib.pyplot as plt # 1 X = [1, 23, 4, 34, 3, 47, 38, 7, 11
63310编辑于 2023-10-16 - 来自专栏DeepHub IMBA
数据分析和机器学习的11个高级可视化图表介绍
可视化是一种强大的工具，用于以直观和可理解的方式传达复杂的数据模式和关系。它们在数据分析中发挥着至关重要的作用，提供了通常难以从原始数据或传统数字表示中辨别出来的见解。 可视化对于理解复杂的数据模式和关系至关重要，我们将介绍11个最重要和必须知道的图表，这些图表有助于揭示数据中的信息，使复杂数据更加可理解和有意义。 5、QQ Plot QQ Plot（Quantile-Quantile Plot，分位数-分位数图）是一种用于比较两个数据集的分位数分布是否相似的数据可视化工具。 11、Partial Dependency Plots: Partial Dependency Plots（部分依赖图）是一种用于可视化和解释机器学习模型的工具，特别适用于了解单个特征对模型预测的影响 它们提供了一种可视化方式，使数据科学家和分析师更容易理解模型的决策和特征之间的关系。
1.1K20编辑于 2023-10-23 - 来自专栏医学数据库百科
《数据可视化基础》第11章：两个或多个连续性变量相关可视化(一)
例如，我们可能有不同动物的量化测量数据集，如动物的身高、体重、长度和每日能量需求。为了绘制仅仅两个这样的变量的关系，例如身高和体重，我们通常会使用散点图。 最后，对于非常高维的数据集，执行降维可能是有用的，例如以主成分分析的形式。 11.1 散点图 这里，我们使用对123只蓝松鸦体征数据集来演示基本的散点图和其中的几个变量。 这个数据集包含诸如头部长度(从喙尖到后脑勺测量)、头骨大小(头部长度减去喙长度)和每只鸟的身体质量等信息。我们认为这些变量之间是有关系的。 另外在这个数据集当中，还包括了性别变量。因此我们想要知道头部长度和身体质量之间的关系是否在性别当中都适用。为了解决这个问题，我们在?的散点图当中，使用性别这个变量进行着色。 另外数据集当中还有一个头骨大小的变量。因此我们想要在上面数据的可视化的基础上，再观察头骨大小是否和头部长度有关系。在?的可视化当中，我们用X代表身体质量；用Y代表了头部长度；利用颜色来映射性别。
1.2K20发布于 2020-08-27 - 来自专栏智能大数据分析
【数据可视化技术】数据可视化概述&工具
本章简单介绍数据可视化的发展历史、可视化工具分类，重点结合ECharts介绍Web可视化组件生成方法，并给出Java Web开发与相关大数据组件的数据集成，以展现数据可视化结果。 一、数据可视化概述 （一）基本概念 数据可视化，是指将结构或非结构化的数据转换成适当的可视化图表，然后将隐藏在数据中的信息直接展现在人们面前，是一种关于数据视觉表现形式的科学技术研究。 （三）基本方式 进入20世纪，数据可视化有了飞跃性的发展。数据可视化的方式可以分为面积与尺寸可视化、颜色可视化、图形可视化、地域空间可视化和概念可视化等。 二、数据可视化工具 根据可视化工具的使用方式使用用户的不同，可分为桌面数据可视化技术（如Excel、R可视化和Python可视化等）、在线数据可视化技术（Oracle BI、Superset /10/11、Chrome、Firefox、Safari等），底层依赖轻量级的Canvas类库ZRender，提供直观、生动、可交互、可高度个性化定制的数据可视化图表。
2K10编辑于 2025-01-22 - 来自专栏Qt项目实战
Qt编写数据可视化大屏界面电子看板11-自定义控件
一、前言 说到自定义控件，我是感觉特别熟悉的几个字，本人亲自原创的自定义控件超过110个，都是来自各个行业的具体应用真实需求，而不是凭空捏造的，当然有几个小控件也有点凑数的嫌疑，在编写整个数据可视化大屏界面电子看板系统中 数据源支持数据库采集（默认）、网络通信、网络请求等，可自由设定每个子界面的采集间隔即数据刷新频率。 曲线支持游标+悬停高亮数据点和显示值，柱状图支持顶部（可设置顶端+上部+中间+底部）显示数据，全部自适应计算位置。 主界面直接鼠标右键切换布局+配色方案+关闭开启某个二级窗体。 每个模块都可以自定义采集速度，如果是数据库采集会自动排队处理。 程序默认是模拟数据，如果需要从数据库采集则修改配置文件WorkMode=db即可。 如果发现布局拖动乱了，可以直接鼠标右键选择恢复布局即可，在保存布局以前。
1.8K30发布于 2019-08-20 深度探索.NET 11：Blazor 在客户端数据可视化的革新与优化
深度探索.NET 11：Blazor 在客户端数据可视化的革新与优化 前言 在现代 Web 应用开发中，客户端数据可视化对于呈现复杂数据、辅助决策起着关键作用。 Blazor 作为.NET 生态中构建交互式 Web 界面的有力工具，在.NET 11 中为客户端数据可视化带来了新的变革与优化。 例如，在一个数据分析应用中，可以将不同维度的数据分别用相应的可视化组件展示，通过组件间的交互实现数据的深入分析。 高效的渲染机制 Blazor 在.NET 11 中对渲染机制进行了优化。 总结 Blazor 在.NET 11 中为客户端数据可视化带来了创新的方式和优化的性能。通过基于组件的可视化构建、高效的渲染机制以及与前端图形库的集成，开发者能够快速构建出高质量的数据可视化界面。 标签 .NET 11；Blazor；客户端；数据可视化；组件化编程
24200编辑于 2026-06-16- 来自专栏大数据
数据可视化
今天我们来聊一波有趣的数据可视化。 首先，我们先讲一下我们今天要用到的数据。 我们打开前6行可以看到以下部分： X head(X) 其中country就是统计的国家啦，year则是统计获得的年份，这份数据采集了1952年到2007年的数据，每五年进行一次统计，pop则是人口的数目 那么，我们应该如何在图上找到我国呢，嗯，不如把人口数据也填进来。 下面是包含人口数据的气泡图，气泡的大小都和样本中人口的数目成正比。 此外，如果我们还可以将箱线图中的数据散点化并绘制出如下的结果。 p.p.s如果觉得数据说明中或者代码上有什么问题，欢迎交流。
3.2K80发布于 2018-01-29 11数据库
//设置数据库名称 DB.open(); QSqlTableModel *tabModel=new QSqlTableModel(this,DB);//数据模型 tabModel->setTable ("employee"); //设置数据表 tabModel->setEditStrategy(QSqlTableModel::OnManualSubmit);//数据保存方式 tabModel->setSort /排序 tabModel->setHeaderData(tabModel->fieldIndex("empNo"),Qt::Horizontal,"工号");//只是设置表头为工号 //创建界面组件与数据模型的字段之间的数据映射 QDataWidgetMapper* dataMapper=new QDataWidgetMapper(); //数据映射 dataMapper->setModel(tabModel);//设置数据模型 3列的关联数据 p1：关联哪个表 p2:外键 p3:显示关联表中的那个列
23010编辑于 2026-06-17- 来自专栏睡不着所以学编程
数据可视化
数据可视化 点进官网看了看实例,真的超级有意思,很难想象这些居然都是JS写出来的 ①刚刚去官网下载了JS文件,引入到项目中了 ②现在准备容器: ③实例化对象: ④⑤: 这样就搞定了! 现在我又做了一个饼图的,非常简单,就复制粘贴,但是修改数据什么的还要学习 containLabel: 当刻度溢出时,grid区域是否包含坐标轴的刻度标签,如果是true,则显示,否则当left和right
1.4K10编辑于 2022-09-20 - 来自专栏zxctscl个人专栏
【数据可视化】数据可视化入门前的了解
从数字可视化到文本可视化，从折线图、条形图、饼图到文字云、地图，从数据可视化分析到可视化平台建设，数据可视化越来越成为企业核心竞争力的一个重要组成部分。 2.3 数据可视化的作用 通过数据可视化，人们可以从数据中寻找到什么呢？ 目前，数据可视化的作用可分为3个方面：模式、关系和发现异常。不管图形表现的是什么，这三者都是应该留心观察的。 数据可视化流程 数据可视化流程类似一个特殊的流水线，主要步骤之间相互作用、相互影响。数据可视化流程的基本步骤为确定分析目标、数据收集、数据清洗和规范、数据分析、可视化展示与分析。 ECharts不仅兼容当前绝大部分浏览器（如Chrome、IE6/7/8/9/10/11、Firefox、Safari等），而且底层依赖轻量级的Canvas类库ZRender，提供了直观、生动、可交互、 图为ECharts绚丽的三维可视化展现。 11.
1.9K10编辑于 2024-03-12 - 来自专栏WOLFRAM
Mathematica 11 中的新可视化领域部分示例
Mathematica 11 是其 30 年发展历程中的一座重要里程碑，显著拓展了 Mathemtcatica 的应用领域并引入了众多技术革新，为所有 Mathematica 用户提供了更高级别的功能和效用 下面我们来看下Mathematica 11 在新可视化领域的部分示例 解剖学可视化 : 时间和数据上的可视化： 运用时间线显示在这个时间上发生了什么事件 例如：罗马时期的著名人物一览 语言和文字可视化:
74740发布于 2018-05-31 - 来自专栏PPV课数据科学社区
【数据可视化专题】数据可视化：前端数据之美如何展示？
随着 web 技术的蓬勃发展，前端的展示、交互越来越复杂，在用户的访问、操作过程中产生了大量的数据。由此，前端的数据分析也变得尤为重要。 下面就逐步描述前端有哪些数据、如何采集前端的数据、以及如何展示数据统计的结果。 有哪些？ 数据很多、很杂，不进行很好的分类肯定会导致统计混乱，也不利于统计代码的组织，下面就对几种普遍的数据需求进行了分类： 1、访问 访问数据是基于用户每次在浏览器上打开目标页面来统计的，它是以 PV 为粒度的统计 ，一个 PV 只统计一次访问数据。 捕获到这些数据之后，需要将数据发送回服务器端，一般都是采用访问一个固定的 url，把数据作为该 url 的 query string，如：http://www.baidu.com/u.gif?
4.5K101发布于 2018-04-20 - 来自专栏数据科学与人工智能
【数据可视化】数据可视化的正确操作方法
数据可视化，是一种用来将复杂信息数据清晰表述出来的强大有力的工具。通过可视化信息,我们的大脑可以更有效地合成和保留信息内容,增强对信息的理解。但是如果不正确数据可视化，它可能弊大于利。 错误的图表可以减少数据的信息,或者更糟的是,完全背道而驰！这就是完美的数据可视化极其依赖设计的原因。 这里有10个数据可视化的案例，包括你可能犯的错误和快速修复补救的方法。 错误3.数据排序混乱 你的内容应该以一种合乎逻辑的和直观的方式来引导读者了解数据。所以，记得将数据类别按字母顺序,大小顺序,或价值进行排序。 ? 错误4.数据模糊不清 确保没有数据丢失或被设计。 错误6.扭曲数据 确保所有可视化方式是准确的。例如,气泡图大小应该根据区域扩展,而不是直径。 ? 错误9.很难比较数据 比较是展示数据差异的好法子，但是如果你的读者不容易看出差别的话，那么你的比较就毫无意义。确保所有的数据都是呈现在读者面前,选择最合适的比较方法。 ?
2.2K60发布于 2018-02-26 - 来自专栏互联网杂技
美丽的数据——数据可视化与信息可视化浅谈
数据可视化和信息可视化都是可视化的一种方式，数据可视化将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析 信息可视化，旨在把数据资料以视觉化的方式表现出。信息可视化是一种将数据与设计结合起来的图片，有利于个人或组织简短有效地向受众传播信息的数据表现形式。 以上是分享了数据可视化和信息可视化相关内容，不过信息可视化和数据可视化是两个容易混淆的概念，基于数据生成的数据可视化和信息可视化这两者在现实应用中非常接近，并且有时能够互相替换使用。 数据可视化则是普适的，比如平行坐标图并不因为数据的不同而改变自己的可视化设计。 可视化的强大的普适性能够使用户快速应用某种可视化技术在一些新的数据上，并且通过可视化结果图像理解新数据，与针对已知特定数据进行信息可视化设计绘制相比，用户更像是通过对数据进行可视化的应用来学习和挖掘数据
2.2K110发布于 2018-04-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号