![](https://img-blog.csdnimg.cn/20200611212822877.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
数据可视化
文章平均质量分 87
以实战为目的,学习相关数据可视化技术,开发属于自己的一套数据可视化设备,欢迎大家关注一起学习、讨论!!!
左手の明天
用知识改变命运
Python领域优质创作者,CSDN博客专家,蓝桥课程签约作家,简书、掘金、知乎优秀创作者。主要趋向于python,matlab及其相关算法的研究,熟悉图像处理及分析,机器视觉,数据安全,数据可视化。参加了全国大学生机器人大赛Robocon赛事并获得国家一等奖,全国大学生数学建模挑战赛国家三等奖。
这么多程序猿,你是最独特的一个!!!
努力成为python工程师(≧∇≦)
wx公众号:做一个柔情的程序猿
展开
-
【彩色图像直方图统计】matlab统计RGB、HSV、Lab图像灰度,以直方图形式显示
这里统计了最全的matlab画直方图的方法,各个色彩空间(RGB/HSV/Lab)的都包含,相信这对大家都有帮助。。。彩色图像直方图统计统计图像直方图,进行灰度级线性分段增强灰度分段线性变换实现代码绘制彩色图像直方图绘制彩色直方图方法一绘制彩色直方图方法二将图像映射到HSV视觉接近的颜色空间中,计算统计在该空间的直方图绘制Lab颜色空间分量图和分量直方图makecform和applycform函数实现代码资源传送门「❤️ 感谢大家」统计图像直方图,进行灰度级线性分段增强灰度分段线性变换在某些情况下,原创 2021-05-17 20:02:00 · 7188 阅读 · 6 评论 -
Matlab画折线图是线型、颜色、标记符号和属性设置-LineSpec(线条设定)
说明绘图函数接受线条设定作为参数并相应地修改生成的图形。您可以为线条指定以下三个要素:线型标记符号颜色例如:plot(x,y,'-.or')使用点划线 (-.) 绘制 x-y 图,在数据点位置放置圆形标记 (o),并将线条和标记设置为红色 (r)。可在数据参数之后,以字符向量形式指定各要素(任意顺序)。请注意,线条设定不是名称-值对组。给制不带线条的数据点如果指定标记而不是线型,则将仅绘制标记。例如:plot(x,y,'d')线型、标记符号和颜色可以指明要显示的线型、标记和颜原创 2021-03-24 09:09:07 · 20828 阅读 · 0 评论 -
分享 | 36张不可思议的数学知识动图,让你对数学怦然心动!!
数学是很难的科学,但因为它是科学家用来解释宇宙的语言,我们无可避免的要学习它,数学也应用到了万事万物。看看下面的这些数学知识动图,它们提供了视觉的方式来帮助你理解各种数学技巧,向你展现数学之美,看过之后,你会爱上数学的 。1、圆周率π2、勾股定理3、 双曲线4、圆弧一弧度就是长度刚好等于半径的一段圆弧所对的圆心角5、圆锥曲线6、单叶双曲面广州电视塔“小蛮腰”7、多边形的外角之和总是等于360度8、神奇的数学之心9、矩阵转置10、杨辉三角问题(Pascal tri原创 2020-06-29 16:58:22 · 3032 阅读 · 0 评论 -
Python之Matplotlib数据可视化(八):HOG实现简单人脸识别
真实世界的数据集通常都充满噪音和杂质,有的可能是缺少特征,有的可能是数据形式很难转换成整齐的 [n_samples, n_features] 特征矩阵。怎么提取特征这件事情并没有万灵药,只能靠数据科学家不断地磨炼直觉、积累经验。机器学习中最有趣、也是最具挑战性的任务就是图像识别,前面也已经介绍过一些通过像素级特征进行分类学习的案例。在真实世界中,数据通常不会像数据集这么整齐,再用简单的像素特征就不合适了。也正因如此,有关图像数据特征提取方法的研究取得了大量成果。此次将介绍一种图像特征提取技术——方向梯.原创 2020-06-21 18:16:22 · 1887 阅读 · 2 评论 -
“金环日食”下午见!6月21日魔戒即将现身,想加入到这次日食的观测大军,这几个问题得掌握——下次十年后
最近几天是科普自媒体狂欢的日子,因为明天,也就是2020年的6月21日,将会有一个天文奇观上演,这次日环食会经过中国人口最密集的中南部地区,届时各位抬头即可看到壮观的环食或者偏食!2020年我国境内最重要的天象——日环食将于6月21日夏至上演,本次日环食国内观测条件较好,多地可以看见金环日食。激动不?兴奋不?想加入到这次日食的观测大军中来下面几个问题一定要掌握↓↓↓目录1 什么是日食?2 什么是日环食?3 什么是金环日食?4 哪些地区可以观看?5 最近20年日食发生时间6 欣赏日环食需做好哪些准原创 2020-06-21 15:39:22 · 1247 阅读 · 0 评论 -
Python之Matplotlib数据可视化(七):用Matplotlib画三维图
首先看经典三维立体图:莫比乌斯环Python之Matplotlib数据可视化(七):用Matplotlib画三维图1 三维数据点与线2 三维等高线图2.1 三维等高线图2.2 调整三维图的观察视角3 线框图和曲面图3.1 线框图3.2 三维曲面图3.3 极坐标曲面图4 曲面三角剖分4.1 三维采样的曲面图4.2 三角剖分曲面图4.3 案例:莫比乌斯带备注Matplotlib 原本只能画二维图。大概在 1.0 版本的时候,Matplotlib 实现了一些建立在二维图基础上的三维图功能,于是一组画三维图可原创 2020-06-20 15:30:12 · 5411 阅读 · 1 评论 -
Python之Matplotlib数据可视化(六):自定义坐标轴刻度
虽然 Matplotlib 默认的坐标轴定位器(locator)与格式生成器(formatter)可以满足大部分需求,但是并非对每一幅图都合适。此次我将通过一些示例演示如何将坐标轴刻度调整为你需要的位置与格式。在介绍示例之前,我们最好先对 Matplotlib 图形的对象层级有更深入的理解。Matplotlib 的目标是用 Python 对象表现任意图形元素。例如,想想前面介绍的 figure 对象,它其实就是一个盛放图形元素的包围盒(bounding box)。可以将每个 Matplotlib 对象都看原创 2020-06-16 17:20:32 · 7048 阅读 · 1 评论 -
Python之Matplotlib数据可视化(一):简易线形图(颜色、风格、坐标轴、图像标签)
Python之Matplotlib数据可视化(一):简易线形图(颜色、风格、坐标轴、图像标签)1 调整图形:线条的颜色与风格1.1 线条颜色1.2 线条风格1.3 线条颜色和风格编码组合1.4 线条和标记节点样式:2 调整图形:坐标轴上下限3 设置图形标签4 Matplotlib 陷阱备注在所有图形中,最简单的应该就是线性方程 y = f (x) 的可视化了。来看看如何创建这个简单的线形图。首先需要导入以下命令:import matplotlib.pyplot as pltplt.style.use(原创 2020-06-05 21:11:46 · 1576 阅读 · 0 评论 -
Python之Matplotlib数据可视化(二):密度图与等高线图
Python之Matplotlib数据可视化(二):密度图与等高线图用等高线图可视化三维数据用彩色等高线可视化三维数据带填充色的三维数据可视化图重新渲染三维数据的彩色图在彩色图上加上带数据标签的等高线备注有时在二维图上用等高线图或者彩色图来表示三维数据是个不错的方法。Matplotlib 提供了三个函数来解决这个问题:用 plt.contour 画等高线图、用 plt.contourf 画带有填充色的等高线图(filled contour plot)的色彩、用 plt.imshow 显示图形。导入画图原创 2020-06-06 20:39:53 · 3846 阅读 · 0 评论 -
Python之Matplotlib数据可视化(三):配置颜色条(超级详细,爆肝推荐)
Python之Matplotlib数据可视化(三):配置颜色条一个简易的颜色条图例一个采用灰度配色方案的图形选择配色方案顺序配色方案互逆配色方案定性配色方案jet 配色方案与非等差的渐变亮度viridis 配色方案和渐变亮度 scalecubehelix 配色方案和渐变亮度RdBu 配色方案和渐变亮度颜色条刻度的限制与扩展功能的设置设置颜色条扩展属性离散型颜色条案例:手写数字手写数字样本手写数字像素的流形学习结果备注图例通过离散的标签表示离散的图形元素。然而,对于图形中由彩色的点、线、面构成的连续标签,用原创 2020-06-08 11:43:39 · 7972 阅读 · 2 评论 -
Python之Matplotlib数据可视化(四):多子图问题(超级详细,爆肝推荐)
Python之Matplotlib数据可视化(四):多子图问题1 plt.axes :手动创建子图1.1 图中图的坐标轴1.2 竖直排列的坐标轴2 plt.subplot :简易网格子图2.1 plt.subplot()2.2 带边距调整功能的 plt.subplot()3 plt.subplots :用一行代码创建网格3.1 plt.subplots() 方法共享 x 轴与 y 轴坐标确定网格中的子图4 plt.GridSpec :实现更复杂的排列方式4.1 用 plt.GridSpec 生成不规原创 2020-06-09 16:53:29 · 1732 阅读 · 2 评论 -
Python之Matplotlib数据可视化(五):文字与注释
可视化对于大家来说确实是有关的,因为确实是直观的,每一组大数据如果可以用可视化进行展示的话可以让大家豁然开朗。但在另外一些场景中,辅之以少量的文字提示(textual cue)和标签是必不可少的。虽然最基本的注释(annotation)类型可能只是坐标轴标题与图标题,但注释可远远不止这些。让我们可视化一些数据,看看如何通过添加注释来更恰当地表达信息。Python之Matplotlib数据可视化(五):文字与注释1 案例:节假日对美国出生率的影响日均出生人数统计图为日均出生人数统计图添加注释2 坐标变换与文原创 2020-06-15 22:07:57 · 645 阅读 · 0 评论 -
单网页vue的charts数据可视化作图介绍和使用初级版
1 说明1.1 推荐指数:★★★★1.2 在官方文档的基础上进行,具体化和简单化,目的就是一秒就懂,拿来就能使用。1.3 亲测的工具:谷歌浏览器和微软vscode编辑器。2 v-charts介绍:2.1 是vue的charts的封装。2.2 在线地址:https://v-charts.js.org/#/3 本次介绍单网页vue的数据可视化,插件名称介绍。饼图:ve-pie折线图:ve-line柱状图:ve-histogram水滴图:ve-liquidfill散点图:ve-scatt.原创 2020-06-11 21:29:19 · 1652 阅读 · 0 评论