GitHub 星标 9.5 K+,这款超好用的免费开源数据可视化分析工具太赞了!

公众号关注 「奇妙的 Linux 世界」

设为「星标」,每天带你玩转 Linux !

8cabe29e6a1ec5c4f010cda68deadc9c.png

随着大数据时代的到来,在企业的日常经营活动当中会产生各种各样的数据,对于数据的汇总整理分析也是非常重要的,能够为企业的经营者提供正确的决策和判断依据,所以数据可视化分析工具的重要性不言而喻了。

今天大叔给大家推荐一款使用简单的数据可视化平台 -- DataEase。

e001b3570aba28ff4d89257fc2233f24.png


项目特性

  • 图表展示: 支持 PC 端、移动端和大屏

  • 图表制作: 基于ECharts / AntV 支持多种图表类型,拖拉拽方式制作图表

  • 数据连接:支持 MySQL、TIDB等关系型数据库、mogoDB、Elasticsearch等非关系型数据库,支持数据仓库/数据湖,支持Excel 文件、API 等数据源

  • 数据引擎:数据库直连方式和定时同步,定时同步模式需要 Doris 与 Kettle 组件的支持

  • 秒级响应:集成 Apache Doris,大数据量下秒级查询返回

  • 丰富模板:模板市场提供多场景、多行业、多专题模板

支持数据源

940b291f2484d7437635b148c95b86aa.png

技术栈

  • 前端:Vue、Element

  • 图库:Apache ECharts、AntV

  • 后端:Spring Boot

  • 数据库:MySQL

  • 数据处理:Kettle、Apache Doris

安装使用

项目部署

curl -sSL https://github.com/dataease/dataease/releases/latest/download/quick_start.sh | sh

默认用户名 admin 密码 dataease 进行登录

页面介绍

DataEase 主界面有【首页】【仪表板】【数据集】【数据源】【模板市场】【应用】【系统管理】七大模块。

9d211cbd493a048e1b484da13ea72ed8.png

使用介绍

创建数据源
3d441534608627ed52c2bd8e39727b23.png
创建数据集

目前支持创建的数据集类型有数据库数据集、SQL 数据集、Excel 数据集、关联数据集、API 数据集五种。

5628923a11f09247b4d1b6b34785ccb6.png edd24903e481ceb14132e2c0c7cb7cc3.png
创建仪表盘

仪表盘制作基于创建空仪表盘,通过添加视图方式添加我创建好的视图,然后布局优化调整就好。

f2d17aefee9d1e3fde9b7e276127c99e.png

项目地址

https://github.com/dataease/dataease

总结

DataEase 是开源的数据可视化分析工具,支持多种数据源,通过拖拉拽方式快速制作图表,可以方便的与他人分享。

本文转载自:「开源小分队」,原文:https://tinyurl.com/472vsjpb,版权归原作者所有。欢迎投稿,投稿邮箱: editor@hi-linux.com。

12b9614e7eedddc647f4f131f137be36.gif

最近,我们建立了一个技术交流微信群。目前群里已加入了不少行业内的大神,有兴趣的同学可以加入和我们一起交流技术,在 「奇妙的 Linux 世界」 公众号直接回复 「加群」 邀请你入群。

45618e1bdcdd1a0db4e22c4af1a1410b.png

你可能还喜欢

点击下方链接即可阅读

e8f2d6b0f016a74e97a95120055aa505.jpeg

Piping: 一款轻量级开源文件传输工具,支持 Curl、容器环境和无文件大小限制

7096131077237e04358cb0a888ec9fd0.png
点击上方图片,『美团|饿了么』外卖红包天天免费领

f878441156bbc7520344cee324ac3471.png

更多有趣的互联网新鲜事,关注「奇妙的互联网」视频号全了解!

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以为你提供一个Python+pandas+matplotlib的数据分析与可案例,包括源码。这个案例是基于一个汽车销售数据集的分析,目的是探索不同汽车品牌的销售情况以及价格分布等信息。 首先,我们需要导入必要的库和数据集: ```python import pandas as pd import matplotlib.pyplot as plt # 读取数据集 df = pd.read_csv("car_sales.csv") ``` 接下来,我们可以先对数据集进行一些基本的探索,例如查看数据集的前几行、统计描述等: ```python # 查看前几行数据 print(df.head()) # 统计描述 print(df.describe()) ``` 然后,我们可以通过使用pandas的groupby()函数对不同品牌的销售情况进行分组统计,然后绘制柱状图进行可: ```python # 按品牌分组统计销售量 brand_sales = df.groupby("Brand")["Units Sold"].sum() print(brand_sales) # 绘制柱状图 brand_sales.plot(kind="bar") plt.title("Car Sales by Brand") plt.xlabel("Brand") plt.ylabel("Units Sold") plt.show() ``` 接着,我们可以通过使用pandas的cut()函数将价格范围分段,然后绘制直方图进行价格分布的可: ```python # 将价格范围分段 price_bins = pd.cut(df["Sale Price"], 10) print(price_bins.value_counts()) # 绘制直方图 df["Sale Price"].plot(kind="hist", bins=10) plt.title("Price Distribution") plt.xlabel("Price Range") plt.ylabel("Frequency") plt.show() ``` 最后,我们可以将以上的可结果组合在一起,形成一个完整的数据分析和可报告: ```python # 按品牌分组统计销售量 brand_sales = df.groupby("Brand")["Units Sold"].sum() # 绘制柱状图 brand_sales.plot(kind="bar") plt.title("Car Sales by Brand") plt.xlabel("Brand") plt.ylabel("Units Sold") plt.show() # 将价格范围分段 price_bins = pd.cut(df["Sale Price"], 10) # 绘制直方图 df["Sale Price"].plot(kind="hist", bins=10) plt.title("Price Distribution") plt.xlabel("Price Range") plt.ylabel("Frequency") plt.show() ``` 以上就是一个简单的Python+pandas+matplotlib数据分析与可案例,你可以通过这个案例学习如何使用这些工具进行数据分析和可。如果你想查看完整的源码,可以在这里找到:https://github.com/ChitGPT/Python-Data-Analysis-and-Visualization-Examples/blob/main/Car_Sales_Analysis.py

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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