- 博客(12)
- 收藏
- 关注
RSS订阅原创 基于多源数据融合的全球气候变化可视化
以高度的精准度生成全球气候变化多维度可视化分析的各类图表，涵盖温度变化趋势图、温室气体排放趋势图、海平面变化图等，保障图表的准确性、美观性和专业性，为项目汇报提供高质量的可视化素材。该图表展示了1880年至2000年间全球温室气体浓度（横轴，单位为ppm CO₂当量）与温度异常（纵轴，单位为℃）之间的相关性。该图表展示了1880年至2020年期间大气中温室气体浓度（以CO₂当量ppm为单位）的长期变化趋势，并标注了三个关键阈值线：安全线（350ppm）、警戒线（400ppm）和当前水平（415ppm）。
2025-06-21 00:04:45
1244
原创 总结（相关类可视化图像）
散点图通过点的位置表示两个变量之间的关系，简单直观，适合分析两个数值变量之间的关系。气泡图在散点图的基础上增加了气泡大小，表示第三个变量，适合展示三个变量之间的关系。：在散点图的基础上增加了气泡的大小来表示第三个变量的大小，可以同时展示三个变量之间的关系。：通过点的位置来表示两个变量之间的关系，可以直观地看出数据的分布情况和变量之间的相关性。：通过矩阵的形式展示多个变量之间的相关性，通常用颜色的深浅来表示相关性的强弱。：通过颜色的深浅来表示两个变量的密度分布情况，可以直观地看出数据的聚集情况。
2025-06-09 20:05:21
763
原创 数据可视化交互
此外，我还学会了如何利用视觉映射，例如颜色和高度，来直观地表示数据的不同维度，并掌握了如何配置光照效果和区域颜色来增强三维可视化的效果。这些技能对我未来的数据分析和决策支持工作具有重要的意义。尽管在实验中遇到了一些技术挑战，如配置光照效果和处理三维数据，但通过不断的尝试和调整，我最终成功地完成了每个任务，并生成了既具有信息量又具有视觉吸引力的可视化结果。交互的原则、交互的分类以及常见的交互技术，尤其是几 种常见的交互技术，只有熟练掌握并使用恰当，才可能设计出 用户体验良好的可视化应用。
2025-06-03 11:50:51
850
原创 地理特征类可视化图像总结
本文介绍了五种地理特征类可视化图像的制作方法及其应用场景。蜂窝热力图通过蜂窝网格展示数据分布，适用于城市房产交易量等数据的展示；变形地图通过改变区域大小或形状反映数据变化，常用于展示人口数量等；关联地图通过线条连接不同点，展示点之间的关联关系，适用于人口迁移等场景；气泡地图以地图为背景，用气泡大小表示数据属性，适用于展示各地区数据指标；流向地图通过箭头表示流动方向和大小，适用于展示交通流量等。文章还提供了每种地图的Python代码实现，展示了如何利用matplotlib、geopandas等库进行地理数据的
2025-05-19 20:43:34
552
原创 文本数据可视化
随着自然语言处理和可视化技术的不断发展，未来可将实验方法与深度学习模型相结合，实现更智能的文本特征提取与可视化分析，为文本数据的深度挖掘和应用提供更强大的技术支持。这些高频词能反映文本的核心主题和关键内容，用于构建文献指纹。中文文本不像英文天然以空格分隔单词，结巴分词基于词典和统计模型，能智能识别词语边界，将长句拆分成有意义的词汇单元，这些词汇单元是后续特征提取的基础数据。（5）文献指纹构造：上一步提取的高频词列表就是文献指纹的特征词集合，这些特征词具有代表性，后续将基于它们构建文本向量表示。
2025-05-12 16:43:37
586
原创 关系数据的可视化
也可以更宽的角度观察各个分布数据的相 关关系。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。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。通过使用Python的pandas库来处理数据，我学会了如何从复杂的数据集中提取有用的信息，并将其转换为易于理解的格式。利用seaborn和matplotlib库，我能够创建出热力图和矩阵图，这些图表不仅直观地展示了不同犯罪类型之间的相关性，还帮助我识别了数据中的模式和趋势。
2025-04-28 18:36:53
959
原创 分布类可视化图像总结
本文将系统介绍直方图、密度图、箱线图、小提琴图等常见分布类可视化图表的特点、应用场景及实现方法，帮助读者掌握如何选择合适的可视化工具来展现数据分布特征。密度图，特别是核密度估计图(Kernel Density Estimation, KDE)，是对直方图的平滑扩展，能更准确地反映连续数据的分布特性9。上四分位数（Q3）：一组从小到大按序排列的数据中，第75%个数据的数据值。下四分位数(Q1)：一组从小到大按序排列的数据中，第25%个数据的数据值。连续变量：直方图、密度图、箱线图、小提琴图。
2025-04-20 12:33:04
1358
原创 比例数据可视化
在绘制初始板块层级图时，我使用了 squarify 库中的 plot 函数，并设置了颜色、标签等参数。通过调整这些参数，我使图表的视觉效果逐渐优化。在设置 x、y 轴属性和添加图表标题、数据标签的过程中，我进一步完善了图表的细节，使其更加清晰易懂。通过查看数据读取结果，我对数据的基本结构有了初步认识，这为后续的数据处理提供了方向。通过合理设置这些参数，我成功完成了数据的匹配操作，并得到了处理后的数据表。读取绘图所用的数据，并对数据进行处理将数据处理成我们可以使用的形式， 绘制板块层级图，设置标签和标题。
2025-04-14 20:38:59
994
原创 局部与整体类可视化图像总结
本次实验通过实践验证了不同局部-整体类图表的适用性，强化了**“数据驱动图表选择”**的原则。未来在数据分析中，将优先考虑数据量、层次关系和展示目标，避免盲目使用默认图表。此外，交互式可视化（如Plotly）在复杂场景中的优势显著，值得进一步学习应用。：Plotly等工具能通过悬停、缩放等功能解决静态图的局限性（如标签遮挡）。适合展示2-5个集合的关系，过多集合会导致可读性下降。饼图的变体，中心留白，可叠加多层或显示额外信息。通过重叠的圆形表示集合之间的交集和并集。多层环形结构，展示层次数据的分层占比。
2025-04-06 18:10:07
623
原创 时间数据的可视化
这里就讲述下离散型数据的堆叠柱形图，堆叠柱形图的几何形状和常规柱形图 很相似，在柱形图中，数据值为并行排列，而在堆叠柱图则是一个个叠加起来的。本次实验结合本章讲述的堆叠柱形图的列子，这里我们要 画的是极坐标系-堆叠柱状图，也是南丁格尔玫瑰图。由于半径和面积的关系是平方 的关系，南丁格尔玫瑰图会将数据的比例大小夸大，尤其适合对比大小相近的数 值；不管是延续性还是暂时性的时 间数据，可视化的最终的目的就是从中发现趋势。时间型数据包含时间属性，不仅 要表达数据随时间变化的规律，还需表达数据分布的时间规律。
2025-03-31 20:51:01
888
原创 比较与排序类可视化图像总结
1.柱状图功能定位：离散型变量对比的基础工具技术特性：笛卡尔坐标系下的高度映射，支持多数据系列并行/堆叠展示典型场景：跨维度数值比较（区域销售额、产品库存量）2.环形柱状图功能定位：极坐标系下的空间利用率优化方案技术特性：径向布局实现数据周期性表达，环状留白增强视觉层次感典型场景：时间序列数据可视化（用户活跃时段分布、能耗周期波动）3.子弹图功能定位：量化评估场景的信息密度标杆技术特性：嵌套式色带标记性能阈值，靶向标记定位实际值典型场景：KPI达成度监测（年度目标进度、资源消耗预警）
2025-03-22 23:06:46
747
原创 数据可视化基础实验
实验一：Tableau数据可视化入门一、实验目的1.熟悉TableauDesktop使用方法。2.通过Tableau软件来实现Excel中数据的基本可视化。二、实验原理Tableau是一款强大的数据可视化工具，它通过拖拽式操作和直观的界面，使用户能够轻松地连接、分析和可视化数据。Tableau支持多种数据源（如Excel、SQL数据库、云平台等），并提供了丰富的可视化组件（如柱状图、折线图、地图、仪表盘等），能够快速生成交互式的可视化报告。
2025-03-13 21:39:42
818
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