如何为自己的大模型做一张漂亮的数据分布图

最新推荐文章于 2024-12-06 09:46:55 发布

他来自地球

最新推荐文章于 2024-12-06 09:46:55 发布

阅读量466

点赞数 1

文章标签： python chatgpt 数据分析

本文链接：https://blog.csdn.net/illcx/article/details/133253580

版权

在这里插入图片描述
上图来自BIGBIO,如果你是临摹大神,你可以纯手工画一个,但如果你不是怎么办呢?
首先,你要知道这三种图的名字

树图

百度首选画法为python 的 pyecharts包
newdata处理成这种格式

[{"value": 2, "name": "TT-ts", "children": [{"name": "IMCS-V2-MRG", "value": 1}, {"name": "Text2DT", "value": 1}]},
  {"value": 2, "name": "TT-ds", "children": [{"name": "meqsum", "value": 1}, {"name": "multi_xscience", "value": 1}]},
  {"value": 2, "name": "TP-te", "children": [{"name": "scitail", "value": 1}, {"name": "mediqa_rqe", "value": 1}]}]

c = (
    TreeMap()
    .add(
        series_name="aaa",
        data=newdata,
        levels=[
            opts.TreeMapLevelsOpts(
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color="#555", border_width=4, gap_width=4
                )
            ),
            opts.TreeMapLevelsOpts(
                color_saturation=[0.3, 0.6],
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color_saturation=0.7, gap_width=2, border_width=2
                ),
            ),
            opts.TreeMapLevelsOpts(
                color_saturation=[0.3, 0.5],
                treemap_itemstyle_opts=opts.TreeMapItemStyleOpts(
                    border_color_saturation=0.6, gap_width=1
                ),
            ),
            opts.TreeMapLevelsOpts(color_saturation=[0.3, 0.5]),
        ],
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="数据分布图"))
    .render("层级矩阵树图2.html")
)

效果如下
在这里插入图片描述

直方图/水平条

在这里插入图片描述
如果采用excel作直方图,只会导致相同颜色不能靠着一起,或者说同一图例的数据条分隔开.如图所示

当然wps也没有相同颜色靠着一起的功能
这时候可以采用python的matplotlib包

import pandas as pd
df = pd.read_excel('temp.xlsx') #读取xlsx中第一个sheet
test_data=[]
names = df.iloc[:,[0]].values
dataclass=df.iloc[:,[1]].values
datavalue=df.iloc[:,[2]].values
data1 = df.iloc[0].values
data={}
for idx,name in enumerate(names):
  sample={}
  data1 = df.iloc[idx].values
  sample['name']=data1[0]
  sample['value']=int(data1[2])
  if data1[1] not in data.keys():
    data[data1[1]]=[]
  data[data1[1]].append(sample)
import matplotlib.pyplot as plt

y=[]
precolors = plt.cm.tab20.colors
colors=[]
lines=[]
lable=[]
for idx,key in enumerate(data.keys()):
  lable.append(key)
  line=plt.Line2D([0], [0], color=precolors[idx], lw=4)
  lines.append(line)
  for xi in data[key]:
    colors.append(precolors[idx])
    y.append(xi['value'])
x = list(range(len(y)))

plt.figure(figsize=(20,8))
plt.legend(lines, lable,loc='best')
plt.barh(x, y, color=colors,log = True)
plt.yticks([])
# set ticks at the mean positions of the bars
plt.margins(x=0.001)  # less empty space at the left and right of the bars
plt.show()

在这里插入图片描述这里有一个小细节坐标轴设置为log形式,因为数据分布并不均衡,若是均值的坐标轴就会只能看见1到2条数据直线

填充气泡图

在这里插入图片描述
这个图很简单,嫌弃下面步骤复杂的人可以自己用画版画.

进入软件后点击数据,新建数据源,excel格式,选择自己的excel文件

如图已经导入数据
点击工作表1开始数据可视化,我这里用4做示范因为BIGBIO气泡图以任务为计数条件,因此右键任务,选择转换为度量,此时发现可以选择气泡图,选择后将属性调整如图所示
在这里插入图片描述下面讲一下这个标记框具体操作方法

如图点击条目前面的标记可以切换标记类型,这五个类型分别决定颜色区分的标准,大小区分的标准,图上显示的文字,详细信息,鼠标放上去显示的信息,然后就明白我为什么这么设置了