实验一:大数据可视化工具—Excel

实验一;大数据可视化工具—Excel

实验内容
1.练习excel数据读取及数据随机生成
2.读取相关实验数据,利用在单元格或编辑栏中直接输入带函数公式的方法求得个人成绩与平均成绩的差值
3.根据提供的成绩表数据,练习如何使用快捷键创建柱状图
4.练习如何使用功能区创建不同类型图表(展示创建过程,要求创建柱状图、散点图、饼图、折线图、雷达图,所有图的标题、x轴和y轴的标题,图例都要包含)
5.练习如何使用图表向导创建不同类型图表(展示创建过程,要求创建柱状图、散点图、饼图、折线图、雷达图,所有图的标题、x轴和y轴的标题,图例都要包含)
6.练习如何创建数据透视图
7.Excel power map展示中国不同省份人口数量对比

所需Excel表格数据可关注公众号:Time木 回复:大数据可视化Excel
所需以下所有用到的excel数据见章末注解2

实验详细操作步骤或程序清单:
1.练习excel数据读取及数据随机生成
1.1在excel中导入外部数据
(1)打开一个Excel文件的空白表格。
(2)在“数据”选项卡中单击“获取外部数据”按钮,可以看到关于数据的横向列表。
在这里插入图片描述

(3)此处导入的外部文件是文本文件类型为例,选择“自文本”选项
(4)在弹出的对话框,找到需要导入的文本数据的具体位置,单击导入
在这里插入图片描述

(5)进行选项设置,根据自己需要进行设置。单击下一步,一共三步,直到完成
在这里插入图片描述

(6)显示数据
在这里插入图片描述

1.2数据随机生成
(1)新建表格写入所需内容,并选中需要生成随机数据的单元格。
(2)单击“公式”选项卡中的“插入函数”,在弹出的窗口中,类别选“数学与三角函数”,函数选择“RANDBETWEEN”,然后单击“确定”。
在这里插入图片描述

(3)弹出“函数参数“对话框,在Bottom(最小值)中输入0,在TOP中输入100,单击”确定“.
在这里插入图片描述

(4)返回单元格区域,用鼠标拖动填充其他需要生成随机数的单元格。
在这里插入图片描述

2,读取相关实验数据,利用在单元格或编辑栏中直接输入带函数公式的方法求得个人成绩与平均成绩的差值
(1)获取如图所示数据
在这里插入图片描述

(2)选中需要求解平均成绩之差的单元格,在编辑栏中直接输入“=B2-AVERAGE(B$2:B$9)”该公式表示将B2单元格的成绩减去B2到B9单元格的平均值,从而得到B2单元格的值与平均成绩只差。
(3)C3到C9同理
在这里插入图片描述

3,根据提供的成绩表数据,练习如何使用快捷键创建柱状图
(1)打开成绩表,选择A1到D9单元格区域
在这里插入图片描述

(2)按“Alt+F1”在当前工作表中快速插入柱形图表。
在这里插入图片描述

4,练习如何使用功能区创建不同类型图表(展示创建过程,要求创建柱状图、散点图、饼图、折线图、雷达图,所有图的标题、x轴和y轴的标题,图例都要包含)
(1)打开成绩表,选择A1:D9单元格区域,在插入选项卡的“图表”根据要求分别选择柱状图、散点图、饼图、折线图、雷达图。
在这里插入图片描述

(2)分别在相应图标写上标题
在这里插入图片描述

5,练习如何使用图表向导创建不同类型图表(展示创建过程,要求创建柱状图、散点图、饼图、折线图、雷达图,所有图的标题、x轴和y轴的标题,图例都要包含)
(1)打开成绩表,选择A1:D9单元格区域,在插入选项卡的“图表”选择所有图表,然后根据要求分别选择柱状图、散点图、饼图、折线图、雷达图。
在这里插入图片描述

(2)分别在相应图标写上标题
在这里插入图片描述

6,练习如何创建数据透视图
(1)选择数据透视表的数据清单的任意一个单元格。
(2)在“插入”选项卡的“图表”选项组中单击“数据透视图”按钮,在弹出的窗口选择“数据透视图”。
在这里插入图片描述
(3)按照创建数据透视表的方法设置数据源和放置位置,单击“确定”,创建一个空数据透视表和数据透视图。
在这里插入图片描述
在这里插入图片描述

7.Excel power map展示中国不同省份人口数量对比
(1)打开数据表格,选中所要使用的数据的区域。
在这里插入图片描述

(2)单击“三维地图”选择“将选定数据添加到三维地图”(可能打不开,见注解1)
在这里插入图片描述

(3)位置选择省份,高度选择人数(求和)。

在这里插入图片描述
潦草教程,仅供参考。
注解
1,关于无法打开powermap三维地图
https://blog.csdn.net/qq_43374681/article/details/116230805
2,以上所需Excel表格数据可关注公众号:我是TIME0101 回复:大数据可视化Excel
关注公众号:Time木
更多大学课业实验实训可关注公众号回复相关关键词
学艺不精,若有错误还望指点

  • 3
    点赞
  • 35
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
Jupyter Notebook是一个强大的交互式计算环境,常用于数据分析和大数据可视化。在进行大数据可视化实验时,数据预处理是一个关键步骤。数据预处理包括以下几个主要部分: 1. 数据收集:获取原始数据,可能来自各种来源,如CSV、Excel数据库或API。 2. 数据清洗(Data Cleaning):去除缺失值、异常值或不一致的数据,确保数据质量。这可能包括填充缺失值、删除重复项、校验数据格式等。 3. 数据转换(Data Transformation):将数据转换成适合分析的形式。这可能涉及标准化、归一化、编码分类变量为数值等操作。 4. 数据集成(Data Integration):如果数据来自多个源,可能需要合并或整合这些数据,确保它们在分析中是一致的。 5. 特征工程(Feature Engineering):创建新的特征或选择有用的属性,以增强模型的预测能力。这可能包括创建时间序列特征、计算统计摘要等。 6. 数据降维(Dimensionality Reduction):在数据量非常大时,通过主成分分析(PCA)或其他方法减少数据维度,提高可视化效果和分析效率。 7. 划分数据集(Data Splitting):将数据分为训练集、验证集和测试集,以便评估模型性能。 在Jupyter Notebook中,你可以使用Python的Pandas库进行数据预处理,通过matplotlib或seaborn等可视化库展示数据清洗和转换的过程。此外,像NumPy、SciPy等工具也经常被用来支持这些操作。预处理完成后,数据通常会准备好进行后续的数据分析和可视化图表的创建,比如直方图、散点图、热力图等。

“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 4
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

打赏作者

Time木

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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