![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
数据可视化
文章平均质量分 72
分享一些数据可视化的工具、网站、小技巧
Wency(王斯-CUEB)
博士阶段的学术小白,致力于编程技能与学术应用的提升。本博客记录Python、R、Matlab等语言学习心得,分享编程BUG解决策略及电脑使用技巧,助力学术研究。期待与您共同进步。
展开
-
带象限且带地名文本标记的散点图怎么画?-基于R语言实现
需求在计量经济中,我们常常要画一些省域的数据图像,类似与这总散点图。基于R语言的代码实现# 1.导入数据df = read.table('clipboard',header = 1) # 导入数据df_matrix = as.matrix(df) #转化为矩阵df_distance = dist(df_matrix) # 求距离阵library(MASS) # 载入MASS包,因为要使用isoMDS()函数fit = isoMDS(df_distance,k=2)fitx = fit$原创 2022-03-28 20:31:11 · 894 阅读 · 0 评论 -
《R语言与数据挖掘》⑨智能推荐算法
写在前面,目前的推荐算法重要分为四类基于关联规则的推荐算法基于物品的协同过滤算法基于用户的协同过滤算法基于内容的推荐算法协同过滤一个重要的环节就是如何选择合适的相似度计算方法,常用的两种相似度计算方法包括皮尔逊相关系数和余弦相似度等。皮尔逊相关系数余弦相似度基于R语言的实现主要依赖recommenderlabrecommenderlab包主要处理的对象为ratingMatrix。ratingMatrix有两种:realRatingMatrix和 binaryRatingMatr原创 2021-12-23 17:29:55 · 2012 阅读 · 0 评论 -
《R语言与数据挖掘》⑧关联规则分析
写在前面简言之,关联分析就是通过量化后的数字描述物品之间的影响,以及有多大的一些影响关系。常见的算法如下:Apriori关联规则基本的术语解释:事务(Transaction):简单理解,一个人购物是的一张小票里面的所有物品组成的集合。项(Item):小票里面的商品A项集(Itemset):多个商品组成的集合,和上面不同,你细细品。这里就衍生出,1-项集、2-项集、k-项集等等。符号:X => Y X称为前项,那么Y称为后项。支持度(Support):简言之,概率或者频率。Sup原创 2021-12-23 17:16:20 · 2776 阅读 · 1 评论 -
《R语言与数据挖掘》⑤高级绘图工具【lattice包】【ggplot2】【交互式】
书籍:《R语言与数据挖掘》作者:张良均出版社:机械工业出版社ISBN:9787111540526本书由北京华章图文信息有限公司授权杭州云悦读网络有限公司电子版制作与发行版权所有·侵权必究lattice包lattice包的图形参数可通过trellis.par.get()函数来获取,并用trellis.par.set()函数来修改。show.settings()函数可展示当前的图形参数设置情况。lattice包可以通过添加条件变量,创建出各个水平下的面板。一般情况下,条件变量是因子型变量,若条原创 2021-12-23 16:38:54 · 2280 阅读 · 1 评论 -
《R语言与数据挖掘》④R语言数据可视化最全的总结
书籍:《R语言与数据挖掘》作者:张良均出版社:机械工业出版社ISBN:9787111540526本书由北京华章图文信息有限公司授权杭州云悦读网络有限公司电子版制作与发行版权所有·侵权必究原创 2021-12-20 16:33:24 · 1222 阅读 · 0 评论 -
Seaborn学习笔记总结大全
import seaborn as snsimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as pltimport randomdef sinplot(filp=1): x = np.linspace(0,14,100) # 0-14 生成100个点 for i in range(1,7): plt.plot(x,np.sin(x + i*0.5)*(7-i)*filp)s原创 2021-10-14 00:46:49 · 1837 阅读 · 1 评论 -
Seaborn案例展示
Seabron与matplotlib的对比import matplotlib.pyplot as pltimport numpy as npimport pandas as pdx = np.linspace(0,10,500)y = np.cumsum(np.random.randn(500,6),axis=0)with plt.style.context('classic'): plt.plot(x,y) plt.legend("ABCDEF",ncol=2,loc='原创 2021-08-04 21:43:55 · 275 阅读 · 0 评论 -
【数据分析工具】Tableau-人人可用的数据可视化工具
Tableau的介绍Tableau是能够帮助大家查看并理解数据的商业智能软件优点速度快:数分钟完成数据连接和可视化简单易用:不用编程大数据:无论是电子表格、数据库、hadoop和云服务,任何数据都可以轻松探索智能仪表板:进行多个数据视图自动更新:实时链接和获取最新数据瞬时共享:点点点,按成与网络移动设备实时共享缺点!!收费!当然也有免费版tableau Public:tableau制作工具的免费版基本上功能对学习者而言完全够用!官网https://www.tableau.com原创 2021-06-03 01:21:32 · 1278 阅读 · 0 评论