- 博客(12)
- 收藏
- 关注
RSS订阅原创 相关类相关的可视化图像（散点图、气泡图、相关图、热力图、二维密度图）总结
（1）能够展示两个变量之间的关系，通过点的分布可以判断变量之间是否存在相关性（正相关、负相关或无相关）。（1）是散点图的扩展，除了可以表示两个变量之间的关系外，还可以通过气泡的大小表示第三个变量的大小。（1）用颜色的深浅来表示数据的大小，能够直观地展示二维数据的分布特征。（1）展示二维数据的空间分布密度，能够反映出数据在不同区域的聚集程度。（2）可以直观地观察数据的离群点，即与其他数据点明显偏离的点。（1）研究两个变量之间的关系，例如研究身高和体重之间的关系。（2）可以用于展示矩阵数据或分组后的统计结果。
2025-06-14 19:15:17
478
原创 数据可视化交互
在本次全国城市空气质量指数（AQI）数据可视化实验中，我完成了多种可视化任务，包括绘制按 AQI 排序的横向对比条形图、展示 AQI 等级分布的交互式饼图、构建多城市对比仪表盘（含前 10 城市条形图、地区散点对比图和指数变化折线图）、实现 2D 地理AQI可视化（地图标记城市位置并用颜色表示 AQI 值），以及创建 3D 地理 AQI 可视化（在地球模型上标记城市位置并以高度表示 AQI 值）。例如，交互的延时性需要在用户可以接受的范围之内，并有效控制用户交互的成本。实验3:多城市AOI对比仪表盘。
2025-06-13 20:39:49
1863
原创 地理特征类相关的可视化图像（蜂窝热力地图、变形地图、关联地图、气泡地图）总结
特点 ：通过将地理区域划分为多个蜂窝状的六边形单元格，每个单元格使用颜色深浅来表示数据的密度或强度，颜色越深表示数据密度或强度越高，可直观地展示数据在地理空间上的分布情况和聚集程度，能有效地处理大规模数据点并避免数据点重叠问题。特点 ：会根据特定的数据属性对地理区域的形状和大小进行变形，使得地图的视觉效果与数据所表达的信息相结合，变形后的地图能够更直观地反映出数据在不同地理区域间的差异和相对关系。
2025-05-19 20:37:33
499
原创 文本数据可视化
文本是语言和沟通的载体，文本的含义以及读者对文本的理解需求均纷繁复杂。例如，对于同一个文本，不同的人的解读也是不一样的，有的人希望了解文本中涉及到的事物，而有的人希望得到文本中的关键词。文本文档的类别多种多样，包括单文本、文档集合和时序文本数据三大类，这使得文本信息的需求更为丰富。总体而言，本次实验不仅深入实践了文本数据处理与可视化的完整流程，还积累了跨库协作解决实际问题的经验，为后续复杂文本挖掘项目奠定了基础。（2）结巴中文分词，生成字符串，默认精确式，如果不通过分词，无法直接生成正确的中文词云。
2025-05-12 19:43:46
747
原创 时间趋势类相关的可视化图像（地平线图、河流图、瀑布图、烛形图）的总结
适用于在有限的空间内展示大量的时间序列数据，如金融数据中的股票价格走势、能源数据中的电力消耗变化、气象数据中的温度变化等。创建地平线图时，根据 y 值正负设置颜色，然后通过循环对不同层次的数据进行偏移，用 fill_between 函数填充区域，实现地平线图效果，最后添加坐标轴标签和标题并图像显示。（1）瀑布图通过一系列柱状条来展示数据的累计变化过程。使用 plotly.express 的 area 函数绘制面积图，指定时间、值、类别等参数，实现河流图效果，展示不同类别数据随时间变化的趋势，最后显示图像。
2025-05-11 17:05:12
1716
原创 关系数据可视化
其实最重要的一点，就是数据进行可视化后，呈现眼前的图表，它的意义何在。在实验过程中，我遇到了 KeyError、AttributeError 等编程错误，通过解决这些问题，我的代码调试能力得到了显著提升，也学会了如何阅读和理解错误信息，这对编程技能的提升非常有帮助。就关系数据中的关联性，分布性。直方图是反应数据的密集程度，是数据分布范围的描述，与茎叶图类似，但是不会具体到某一个值，是一个整体分布的描述。引入更多的数据集，例如不同年份的犯罪数据，或者不同地区的数据，以观察犯罪率随时间或地区的变化趋势。
2025-04-28 20:08:49
820
原创 分布类相关的可视化图像（直方图、密度图、箱线图、小提琴图）总结
结合箱线图和密度图：在箱线图的基础上，两侧添加了密度图的形状，既展示了数据的五数概括，又通过宽度变化直观地反映了数据的密度分布。平滑的分布曲线：通过核密度估计（KDE）将数据点平滑化，生成一条连续的曲线，更直观地展示数据的分布形状。直观显示异常值：超出须线范围的数据点被视为异常值，用单独的点表示，方便识别数据中的异常情况。组间比较：在同一张图上绘制多个小提琴图，比较不同组数据的分布差异，同时观察数据的密度变化。更丰富的信息：相比箱线图，小提琴图能够更直观地展示数据的分布形状，尤其是数据的密度变化。
2025-04-20 14:44:19
1128
原创 比例数据可视化
2.通过两次 merge 操作，将 products_df 与 aisles_df 和 departments_df 按照 aisle_id 和 department_id 进行合并，形成最终的数据集 order_products_prior_df。通过 pandas 的 merge 方法，将多个 CSV 文件中的数据按照指定的键（如 aisle_id 和 department_id）进行合并，形成一个完整的数据集。树形图是一种用于展示层次结构数据的可视化方法，通过矩形的大小和颜色来表示数据的大小和类别。
2025-04-14 20:29:54
1821
原创 局部与整体类可视化图像（韦恩图、饼图、环形图、旭日图、圆堆积图）的特点及应用场景总结
多层级展示：通过层层嵌套的圆形结构，可以同时展示多个层级的数据关系，直观呈现各部分在不同层级中的占比情况。通过圆堆积图，可以直观地展示多层级数据的比例和层次关系，非常适合用于展示复杂的层级结构数据。通过旭日图，可以直观地展示多层级数据的分布和占比关系，非常适合用于展示复杂的层级结构数据。直观展示比例关系：与饼图类似，环形图通过扇形的弧长直观地展示各部分在整体中所占的比例。多层数据展示：嵌套环形图可用于展示数据的集合与子集之间的关系，例如网站流量的来源分析。
2025-04-06 20:32:13
1862
原创 时间数据的可视化
通过时间数据的可视化实验发现，不同可视化图表类型各有优劣，结果显示堆叠柱形图在展示不同类别数据随时间的组成结构及各部分对比变化方面表现出色，能清晰呈现各元素在不同时间节点的占比关系，便于直观分析数据构成的演变；雷达图则在体现多个时间维度下多变量的综合情况上独具优势，可直观反映各变量在不同时间的相对状态以及整体的均衡性，但也存在图形较复杂、解读难度随变量增多而增大的问题，折线图利于呈现连续变化趋势，柱状图便于对比固定时间间隔的数据，面积图可展示累积或占比变化，甘特图适用于项目时间安排展示；
2025-04-03 17:38:26
872
原创 数据可视化入门 D3数据可视化基础
同时，我也意识到代码的可读性和注释的重要性，因为D3的代码逻辑较为复杂，清晰的注释有助于后续的维护和优化。本次实验使用 Tableau Desktop，它基于斯坦福技术，支持多种数据源（如 Excel、SQL Server 等），可快速生成美观的图表、仪表板和报告，并支持自定义视图和布局，帮助用户展现数据关系。左边列出了超市这个表格下的三个子工作表，当我们选中一个子表时，双击，在右边区域的下部分就会显示子表的数据，还可以点击右上角的“筛选器”的“添加”，按需要进行数据过滤。
2025-03-16 21:41:45
556
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