可视化 订阅
可视化(Visualization)是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,再进行交互处理的理论、方法和技术。 展开全文
可视化(Visualization)是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,再进行交互处理的理论、方法和技术。
信息
利用技术
计算机图形学和图像处理技术
外文名
visualization
提出时间
1987年
中文名
可视化
性    质
研究数据表示、数据处理、决策分析等一系列问题的综合技术
涉及领域
计算机图形学、图像处理、计算机视觉、计算机辅助设计等
可视化简介
可视化(Visualization)是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机视觉、 [1]  计算机辅助设计等多个领域,成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。目前正在飞速发展的虚拟现实技术也是以图形图像的可视化技术为依托的。可视化技术最早运用于计算机科学中,并形成了可视化技术的一个重要分支——科学计算可视化(Visualization in Scientific Computing)。科学计算可视化能够把科学数据,包括测量获得的数值、图像或是计算中涉及、产生的数字信息变为直观的、以图形图像信息表示的、随时间和空间变化的物理现象或物理量呈现在研究者面前,使他们能够观察、模拟和计算。
收起全文
精华内容
参与话题
问答
  • 12个数据可视化工具,人人都能做出超炫图表

    万次阅读 多人点赞 2018-02-10 00:00:00
    他在文章中介绍了一些适合网页开发者的数据可视化和绘图工具,让你不必再花大力气与枯燥的数据抗争。部分工具不要求写代码也可以使用!我们诠释数据的方式和数据本身之间存在着巨大的鸿沟。尤其是当我们唯一的选择是...
        

    640?wx_fmt=gif&wxfrom=5&wx_lazy=1

    640?wx_fmt=png&wxfrom=5&wx_lazy=1


    导语:今天我们带来一篇来自 Adobe 工程师 Rohit Boggarapu 的文章。他在文章中介绍了一些适合网页开发者的数据可视化和绘图工具,让你不必再花大力气与枯燥的数据抗争。部分工具不要求写代码也可以使用!


    我们诠释数据的方式和数据本身之间存在着巨大的鸿沟。尤其是当我们唯一的选择是盯着表格中一列列不知所云的数字时。这可能是最无聊的一种格式了。


    没有哪个网页开发者会喜欢电子表格。好消息是,现在我们有了许多更加优雅的方式来呈现数据,再也没有必要使用静态的 Excel 图表了。


    在为你的项目选择合适的绘图工具时,要考虑到许多事情。本文将为你分析适合网页开发者的 12 个最好的工具,让你不再花费大把时间跟数据做斗争,而是开始轻松地绘制漂亮的图表。虽然本文推荐的工具是面向网页开发者的,但其中一些并不需要会写代码就能使用。许多工具都有着丰富的交互式例子,即使是新手也能轻松地通过改动代码来创建自定义图表。



    1. Google Charts


    文档和帮助信息丰富的 Google Charts 对于刚刚入门 JavaScript 绘图的人来说是极佳的选择。它的文档里到处都是带注释的代码和逐步的讲解,可以直接用来把 HTML5 / SVG 图标嵌入到你的网页中。


    640?wx_fmt=jpeg


    如果你需要更进阶的自定义功能或是 Google 原始提供的 18 类以外的图表,下面会介绍一些有着更多类别和特性的选择。


    适合人群:追求灵活性和良好文档的严肃开发者。



    2. MetricsGraphics


    640?wx_fmt=jpeg

    MetricsGraphics 是一个在 D3.js 的基础上专为可视化时间序列数据而开发的绘图库。虽然它只支持线图、散点图、柱状图、直方图和数据表格,但它在这几类图表上的表现非常强。


    跟 Google Charts 一样(MetricsGraphics 是 Mozilla 的产品),丰富的文档和例子使得它很容易上手。比如这个非常有趣的关于 UFO 目击事件的交互式例子。


    同时它也是一个非常简易和轻量级的选择。


    适合人群:追求快速美观同时又不需要写一堆杂乱代码的开发者。



    3. FusionCharts


    640?wx_fmt=jpeg


    FusionCharts 支持 vanilla JavaScript、jQuery、Angular 等一系列高人气的库和框架。它内置 90 多种图表和超过 1000 种地图,相比 Google Charts 和 MetricsGraphics 要完整得多。你可以在这里查看它所支持的全部图表类型。


    考虑到应用或是网站的拓展性,如果你选择了一个功能不完整的绘图库,这就有可能在将来发展成一个问题。而像 Microsoft、Google 和 IBM 这样的公司都在使用 FusionCharts,这说明它是一个能满足企业级拓展性需求的工具。


    适合人群:需要各种不同种类的易自定义图表的开发者。



    4. Epoch


    640?wx_fmt=png


    Epoch 是一个基于 d3.js 开发的工具,它使得开发者可以方便地在他们的应用或是网站上部署实时图表。它的文档整洁,完全免费并且开源,这使得它对于不想花钱购买重量级解决方案的人来说是一个很好的选择。


    对普通数据和实时数据,Epoch 都支持 5 种图表类型。这个数量并不能与 FusionCharts 或是 Highcharts 这种特性完整的产品对抗,但它所专长的是以简单和友好的方式呈现实时数据。


    适合人群:需要简单灵活的实时数据呈现方案的开发者。



    5. ECharts


    640?wx_fmt=jpeg


    百度的 ECharts 是一个很棒的工具,它支持在绘制完数据后再对其进行操作。这个被称为 Drag-Recalculate 的特性使得用户可以在图表之间拖动一部分的数据并得到实时的反馈。同时,ECharts 是专为绘制大量数据设计的。它可以瞬间在二维平面上绘制出 20 万个点,并用专为 ECharts 开发的轻量级 Canvas 库 ZRender 使数据动起来。


    你可以在这里对上图进行操作,来体验 ECharts 所提供的特性。


    适合人群:想尽量避免写代码并有实时数据操作需求的开发者。



    6. D3.js


    640?wx_fmt=jpeg


    虽然并不是对用户最友好的工具,但 d3.js 在 JavaScript 绘图界的重要性是不可小觑的。许多其他的库都是基于它所开发,因为它提供了你所能想到的所有功能。它支持 HTML、SVG 和 CSS,并且有着海量的用户贡献内容来弥补它缺乏自定义内容的劣势。


    适合人群:不怕写代码的硬核绘图专家。



    7. Sigma


    跟上面已经提到过的工具相比,Sigma 有着自己独特的定位,那就是图模型的绘制。它基于 Canvas 和 WebGL 开发并提供了公开的 API。所以你可以在 GitHub 上找到社区贡献的许多插件。举例来说,你可以用 Sigma.js 画出这样的图:


    640?wx_fmt=jpeg


    Sigma 同时也是响应式的,并支持触屏。开发者很容易添加新的功能以及精细地控制边和顶点的规格。

    适合人群:需要专为绘制图模型设计的强大工具的开发者。



    8. Highcharts


    人气极高的 Highcharts 可以在不依赖插件的情况下绘制交互式的图表。它高灵活性的绘图 API 也被 Nokia、Twitter、Visa 和 Facebook 这样的公司所青睐。


    Highcharts 对于非商业使用是免费的,而商业许可的价格是一份 590 美元(附带技术支持)。


    这是一个用它绘制的例子:


    640?wx_fmt=jpeg


    适合人群:需要在技术支持的帮助下绘制各种复杂的图表的开发者。



    9. dc.js


    dc.js 是一个开源的 JavaScript 绘图库。它非常适合用来创建交互式的仪表盘(Dashboard)。图表之间是有联系的,所以当你与其中一个部分进行交互时,其他部分都会做出实时的反馈。这是一个例子:


    640?wx_fmt=jpeg



    除了一些在线课程以外,你可以通过各种例子来学习使用这个库。等你照着文档动手一遍以后就有能力创建自己的图表了。


    虽然 dc.js 并没有像 ECharts 或是 Google Charts 那样丰富的功能,但它在自己的卖点——易于呈现和探索巨量的维度数据集上做的非常好。


    适合人群:需要为关系型图表创建一个仪表盘的开发者。



    10. dygraphs


    640?wx_fmt=jpeg


    由 Google 开发的 dygraphs 绝对是绘图工具中的明星。到现在 Google Correlate 还在使用它(当然,在设计上经过了一些调整)。它可以被用于绘图密集的项目,因为它能在不影响性能的情况下轻松地绘制几百万个数据点,这在很大程度上弥补了它那过于朴素的审美设计。


    从一开始作为 Google 的一个内部项目到最后公开发布,dygraphs 一直有着活跃的社区支持。同时它也在 GitHub 上开源。


    适合人群:需要有着活跃支持的专为绘制海量数据集设计的工具的开发者。



    11. Vega


    640?wx_fmt=jpeg


    Vega 是一个基于 d3.js 的用于创建、分享和保存可视化图标的库。它由许多部件组成,其中一些能够在不需要写代码的前提下达到与 d3 竞争的水平。Vega 能够把 JSON 数据转换成 SVG 或 HTML5 图表。虽然这没什么了不起的,但它把这一步做的很踏实。


    因为使用 Vega 不需要写任何代码(只要会编辑 JSON 文件即可),它是一个很好的 d3 替代品,能在降低使用复杂度的同时保留 d3 的特性。


    适合人群:需要 d3 强大的特性又不希望从头学起的开发者。



    12. NVD3


    最后介绍的工具也是基于 d3.js 的。作为绘图界的佼佼者,NVD3 是由一系列部件组成的,允许开发者创建可重用的图标。你可以在它的网站上找到许多 demo 和对应的代码。这也是上手 NVD3 的最佳方式。


    你可以看到,NVD3 的审美风格要比 d3.js 更为精致一点。


    640?wx_fmt=jpeg


    它支持 11 种图表类型,包括区域图、线图、柱状图、气泡图、饼状图和散点图。同时也支持所有现代浏览器以及 IE 10 以后的版本。


    适合人群:熟悉 d3 并想要可重用图表的开发者。


    文:Rohit Boggarapu

    来源:优达学城


    精彩活动

    福利 · 阅读 | 免费申请读大数据新书 第23期

    推荐阅读

    2017年数据可视化的七大趋势! 

    全球100款大数据工具汇总(前50款) 

    论大数据的十大局限

    大数据时代的10个重大变革

    大数据七大趋势 第一个趋势是物联网


    Q: 你还在用哪些好用的数据可视化工具?

    欢迎留言与大家分享

    请把这篇文章分享给你的朋友

    转载 / 投稿请联系:hzzy@hzbook.com

    更多精彩文章,请在公众号后台点击“历史文章”查看

    640?wx_fmt=jpeg

    展开全文
  • 现在我们对可视化信息的需求越来越高,可视化信息比传统的文本信息更吸引眼球,方便阅读,加深记忆,因此也可以更快地被人们传播出去。近年来涌现出了许多数据可视化工具。有哪些值得使用呢?下面与大家分享九大数据...

    现在我们对可视化信息的需求越来越高,可视化信息比传统的文本信息更吸引眼球,方便阅读,加深记忆,因此也可以更快地被人们传播出去。近年来涌现出了许多数据可视化工具。有哪些值得使用呢?下面与大家分享九大数据可视化工具,希望你可以找到最适合的一个。

     

    1. D3

    当下谈论数据可视化时,我们是绕不开 D3 的,这是由 Mike Bostock 创建的库,它已成为在浏览器中处理 SVG 矢量图形的主要工具。使用 SVG 时,无论放大多少倍,图像看起来都不会出现明显的像素点。D3 允许创建各种高级图形,如网状图、树状图、地图或气泡图,以及常用图形(如条形图或散布图)。D3 是如此的受欢迎,以至于有许多其它的库在 D3 的基础上被创造出来,为人们提供更多“开箱即用”的解决方案,如 NVD3。

    D3 是一个将信息加载到浏览器并基于数据元素生成报告的框架,它本身不提供特定类型的图像,而是一种数据可视化方法。由于 D3 十分灵活,掌握这个库需要花很多时间,但这一切都是值得的。在 LiveEdu 上,您可以通过学习 Python 数据分析与可视化 这一课程来迅速掌握包括 D3、NVD3、Charts.js 等在内的数据可视化工具。



    2. RAPHAEL

    Raphael 是一个着重于与不同浏览器兼容的库。它也使用 SVG 元素,这些元素是可以任意缩放的,不存在像素点问题。它具有创建动画和插入各种组件的功能。事实上,就像 D3 一样,有许多其它的库在 Raphael 的基础上被创造出来,其中最受欢迎的是 morris.js。

                                              

    3. PROCESSING

    Processing 已经存在好几年了。它是一款可以下载并安装在任何平台上的工具。Processing 使用一个相当简单的语言,它可以让你在写代码的同时直接将其可视化并进行分析(所见即所得)。你不需要掌握 Javascript 就可以开始使用 Processing,因为它有它自己的语言和开发环境,对于某些人来说这可能是一个优势,而对其他人来说则是一个缺点。作为用户,您只需写几行代码并将其放在自己的网站上就可以生成可视化图表了。此外,Processing 有一个庞大的用户社区,这意味着你可以随时得到帮助。



    4. GOOGLE CHARTS

    Google 拥有自己的 HTML5 / SVG 交互式数据可视化库,被称为 Google Charts。它支持多种设备和浏览器,提供的功能范围从最基本的饼图和条形图到更复杂的图表(如气泡图、树状图、时间轴甚至是甘特图)。其主要特点之一是创建动画图形的简单性,这些动画图形随时间推移而变化。您可以在这里查看更多现有的不同可视化示例:https://developers.google.com/chart/interactive/docs/gallery

        

          


    5. FUSION CHARTS

    FusionCharts 是另一种商业数据可视化解决方案,实际上是最昂贵的解决方案之一。然而,它也是最具灵活性和开箱即用的。它具有用于不同商业用途的大量 dashboards 可供选择,并且还可以进行高度细化的定制。它支持最新版本的浏览器、JSON 和 XML 数据格式,并提供以 PNG、JPEG、SVG 或 PDF 等格式导出图形的功能。



    6. HIGHCHARTS

    Highcharts 是最流行的工具之一,它提供各种类型的可视化图形,包括地图。它还提供用于特定用途的其他可视化工具,譬如显示财务数据的 Highstock 等。您可以导出各种格式的图形,比如 PNG、JPG、SVG 和 PDF。Highcharts 可免费供个人和非商业目的使用,如用于商业目的,您需要购买许可。您可以在这里看到各种类型的图表示例。



    7. CHARTS.JS

    Chart.js 是一个开源的库,支持一些简单的图表类型:折线图、条形图、雷达图、极坐标图和饼状图。这些图表类型通常能满足大多数沟通的需要。所有的图形都以 HTML5 的形式呈现,默认情况下是响应式的,可进行交互。它是一个非常轻量化的库,其压缩版本大小只有 11kb。



    8. DYGRAPHS

    Dygraphs 是一个用 Javascript 进行数据可视化的开源库。它有一个特定使用场景,即那些会随着时间变化的数据,特别是金融数据。它允许您处理密集、紧凑和高容量的数据,并会自动调整缩放比例和时间戳。它还提供互动性(包括移动设备),即在无需额外设置的情况下就可以拖动、缩放图形。Dygraphs 是一个非常快速和高度可定制的库。



    9. VIS.JS

    Vis.js 是一个支持所有现代浏览器的开源库。它可以让你创建一些基本图形,比如条形图和折线图;以及一些更复杂的图形,比如网状图,或是一些在其它的库中不太常见且更为有趣的图形(比如时间轴和 3D 图形)。

                      


    以上这九个工具, 你有在使用吗?或者, 你是在使用其他好用的数据可视化工具?欢迎大家一起讨论交流。






    展开全文
  • 本课程是基于Python的Matplotlib库来进行数据的可视化,通过完成本课可以掌握技术:Python基本语法、Pandas 数据分析和处理使用、使用Matplotlib进行数据可视化等。 项目实战内容:泰坦尼克号数据、...
  • 6. 可视化实例

    2019-09-03 23:00:43
    三种可视化 标量数据可视化 矢量数据可视化 空间轮廓线可视化1. 三种可视化2. 标量数据可视化from tvtk.api import tvtk from tvtkfunc import ivtk_scene, event_loopplot3d = tvtk.MultiBlockPLOT3DReader( ...

    1. 三种可视化

    这里写图片描述

    2. 标量数据可视化

    这里写图片描述

    from tvtk.api import tvtk
    from tvtkfunc import ivtk_scene, event_loop
    
    plot3d = tvtk.MultiBlockPLOT3DReader(
        xyz_file_name="Data/plot3d_data/combxyz.bin",
        q_file_name="Data/plot3d_data/combq.bin",
        scalar_function_number=100, vector_function_number=200
    )  # 读入Plot3D数据
    plot3d.update()  # 让plot3D计算其输出数据
    grid = plot3d.output.get_block(0)  # 获取读入的数据集对象
    
    con = tvtk.ContourFilter()  # 创建等值面对象
    con.set_input_data(grid)
    con.generate_values(300, grid.point_data.scalars.range)  # 指定轮廓数和数据范围
    # con.set_value(0,0.3) 可以改变指定等值线的颜色
    # 设定映射器的变量范围属性
    m = tvtk.PolyDataMapper(scalar_range=grid.point_data.scalars.range,
                            input_connection=con.output_port)
    a = tvtk.Actor(mapper=m)
    a.property.opacity = 0.5  # 设定透明度为0.5
    # 窗口绘制
    win = ivtk_scene(a)
    win.scene.isometric_view()
    event_loop()
    

    3.矢量数据可视化

    这里写图片描述
    这里写图片描述

    from tvtk.api import tvtk
    from tvtkfunc import ivtk_scene, event_loop
    
    # 读入PLot3D数据
    plot3d = tvtk.MultiBlockPLOT3DReader(
        xyz_file_name="Data/plot3d_data/combxyz.bin",
        q_file_name="Data/plot3d_data/combq.bin",
        scalar_function_number=100, vector_function_number=200
    )
    plot3d.update()
    grid = plot3d.output.get_block(0)
    
    # 对数据集中的数据进行随机选取,每50个点选择一个点
    mask = tvtk.MaskPoints(random_mode=True, on_ratio=50)
    mask.set_input_data(grid)
    # 创建表示箭头的PolyData数据集
    glyph_source = tvtk.ConeSource()
    # 在Mask采样后的PolyData数据集每个点上放置一个箭头
    # 箭头的方向、长度和颜色由于点对应的矢量和标量数据决定
    glyph = tvtk.Glyph3D(input_connection=mask.output_port,
                         scale_factor=2)
    glyph.set_source_connection(glyph_source.output_port)
    m = tvtk.PolyDataMapper(scalar_range=grid.point_data.scalars.range,
                            input_connection=glyph.output_port)
    a = tvtk.Actor(mapper=m)
    
    # 窗口绘制
    win = ivtk_scene(a)
    win.scene.isometric_view()
    

    4.空间轮廓线可视化

    from tvtk.api import tvtk
    from tvtk.common import configure_input
    from tvtkfunc import ivtk_scene, event_loop
    
    plot3d = tvtk.MultiBlockPLOT3DReader(
        xyz_file_name="Data/plot3d_data/combxyz.bin",
        q_file_name="Data/plot3d_data/combq.bin",
        scalar_function_number=100, vector_function_number=200
    )  # 读入Plot3D数据
    plot3d.update()  # 让plot3D计算其输出数据
    grid = plot3d.output.get_block(0)  # 获取读入的数据集对象
    
    outline = tvtk.StructuredGridOutlineFilter()  # 计算表示外边框的PolyData对象
    configure_input(outline, grid)  # 调用tvtk.common.configure_input()
    m = tvtk.PolyDataMapper(input_connection=outline.output_port)
    a = tvtk.Actor(mapper=m)
    a.property.color = 0.3, 0.3, 0.3
    
    # 窗口绘制
    win = ivtk_scene(a)
    win.scene.isometric_view()
    event_loop()
    
    展开全文
  • 做过数据分析的人都知道,老板最喜欢的莫过于数据可视化可视化中最喜欢的莫过于地图可视化。但是想要做地图可视化也并非易事,对于大多数人来说,Excel一直都是首选,但是Excel真的是实现地图可视化的最好工具吗?...

    做过数据分析的人都知道,老板最喜欢的莫过于数据可视化,可视化中最喜欢的莫过于地图可视化。但是想要做地图可视化也并非易事,对于大多数人来说,Excel一直都是首选,但是Excel真的是实现地图可视化的最好工具吗?

    目前市场上,能够实现地图可视化的工具有很多,可以分为编程类、平台类和软件类三种:

    • 编程类:Matlab、Python、Echarts
    • 平台类:FineBI、高德Maplab
    • 软件类:Excel

    当然,还有一些别的,如国外的BatchGeo、Fusion Tables等,这里就不一一列举了。

    究竟哪一个工具做地图可视化最简单、最省力、最强大呢?今天我们就来实测一下!

     

    地图可视化是什么?

    在此之前,我们先要知道什么是地图可视化?

    简单点说,地图可视化就是将地理数据转换成可视化形态,通过将具有地域特征的数据或者数据分析结果形象地表现在地图上,使得用户可以更加容易理解数据规律和趋势。

    通俗地讲,地图可视化可以将地理数据更清晰直白地展现出来,比如下面这种:

     

    FineBI热力图

    场景准备

    为了测试各个工具性能如何,我设计了一个简单的场景,使用各个工具制作可视化地图并对最后的效果进行对比。

    • 现有数据:2018年中国各省市常住人口数量(数据来自国家统计局-2018年统计年鉴)
    • 场景:需要通过地图可视化展示各省市人口的分布情况,方便进行直观对比

    制作可视化地图

    1、Excel

    Excel是大多数人都很熟悉的数据处理工具,将数据导入Excel中,选中省份和人口数两个字段后,再点击上方的三维地图,就进入了地图可视化编辑界面。

     

    然后,再将省份字段拖入位置选项,并选择省/市/自治区层级,将人口数字段拖入高度(值)选项,最后在类别选项中选择省份字段,切换为区域地图,一张各省市的常住人口可视化地图就完成了。

     

    评价:

    Excel实现地图可视化的操作相对来说较为简单,但是功能也比较少,类型只有柱形图、气泡图、热度图以及区域地图等,目前大数据领域常见的流向地图等并不在可选范围内,可用的主题也是微软经典的几款,显得有一些“视觉疲劳”。

    2、Echarts

    Echarts是一款商业级数据图表平台,它是一个纯JavaScript的图表库,因此使用Echarts进行地图可视化会稍显复杂,需要有一定JS基础才能较为轻松地上手。

    由于Echarts的官方示例没有区域地图的选项(一个小缺点),因此采用气泡图来进行展示。在Echarts中,数据需要预先进行清洗,再放入代码中。代码块主要分为三部分:字段定义地理位置、字段赋值以及图表框架搭建,部分代码如下所示:

     

    地理字段赋值部分代码

     

    图表框架搭建部分代码

    写了大约300行代码,完成了Echarts的可视化地图,气泡的大小表示各省市人口数量的对比,并且标出了人口数量Top5的省份。

     

    评价:

    纯JavaScript书写的特点让Echarts在实现地图可视化的过程中具有极大的自由度,但与此同时,也带来了上手难度大、花费时间长等问题,总体来看,Echarts作为一款国产工具,可以说瑕不掩瑜,推荐有编程基础的读者使用。

    3、FineBI

    FineBI是新一代自助大数据分析的商业智能产品,提供了从数据准备、自助数据处理、数据分析与挖掘、数据可视化于一体的完整解决方案,也是我比较推崇的可视化工具之一。

    下面就使用FineBI来演示地图可视化的过程。

    • 第一步:抽取数据

    其实就是将准备好的Excel上传到FineBI平台上,好在FineBI可以支持30多种数据库表,多维数据库、程序数据集等数据源,可以说很方便了。

     

    上传数据

    • 第二步:创建仪表板,进行地图可视化编辑

    数据抽取完成后,再添加一个仪表板用于制作和展示可视化地图,然后再添加一个组件,并选取刚上传的数据集,这样就进入了地图可视化编辑界面。

     

    可视化编辑界面

    将省份维度转换成地理角色,并将生成的经度和纬度分别拖入横、纵轴,同时,将人口数指标拖入颜色区域。全程只需要鼠标拖拽,完全不需要进行编程,一个高质量的可视化地图就完成了。

     

    FineBI可视化地图制作过程

    不仅如此,还可以添加组件对省份进行筛选过滤,比如我们需要查看江浙沪三地的情况:

     

    江浙沪三地视图

    同时,也可以根据人口数量区间进行筛选,比如人口数量在7000万以上的省份分布:

     

    人口数量7000万以上省份视图

    • 第三步:展示模板

    对于这一步展示,excel和echart是比不上FineBI的,因为FineBI平台可以将做好的地图可视化模板挂出,领导、同事都可以在平台上查看,不需要再制作PPT或者导出成pdf格式进行汇报,对于有工作需要的人来说,确实是一个大大解放了劳动力的功能。

     

    挂出展示模板

    评价:

    与其他几款工具对比,FineBI操作比较简单,完成效果也很出色。而且,除了上述功能之外,FineBI还支持实时数据更新、地图钻取、自定义区域、模板复用等功能,并涵盖了绝大部分的图表类型,丰富了地图可视化的实用性。

    总结

    通过实际体验三款地图可视化的工具,可以发现不同类型的工具各有各的特色:

    在操作方面,Excel无疑是最简单的,但是它的显示效果不佳,功能丰富性一般,并且用Excel做完图后还需要做一个PPT或者Word用于展示,额外了增加工作量;

    在功能丰富性方面,Echarts作为一款编程型工具占据了极大的优势,但是需要制作者有一定的编程基础,且花费的时间较长;

    在综合性方面,FineBI的表现比较突出,不需要编程而且简单易做,能够实现平台展示,比较适合企业用户,在数据可视化方面是一个不错的选择。

    展开全文
  • 强烈推荐 | Python可视化神器

    千次阅读 2019-03-24 16:06:21
    翻译 | Lemon来源 |Plotly出品 | Python数据之道 (ID:PyDataRoad)Plotly Express入门之路Plotly Express...
  • 可视化

    2019-05-20 15:43:50
    首先把tensorboardX导入并进行初始: from tensorboardX import SummaryWriter # 定义Summary_Writer writer = SummaryWriter('./Result') # 数据存放在这个文件夹 基础函数 add_scalar() add_scalar(tag, scalar_...
  • 可视化工具

    2018-11-23 10:25:19
    可视化工具solo show  辗转一圈还是回到了我魂牵梦绕的可视化上来了。  在Gephi+Netbeans上折腾了将近一个星期后,我深深的体会到个人对于代码的驾驭能力尚有提升的空间^_^,路很长,方向很重要,三思而行。  ...
  • Python可视化

    万次阅读 多人点赞 2019-01-06 13:43:28
    现如今大数据已人尽皆知,但在这个信息大爆炸的时代里,...数据可视化将技术与艺术完美结合,借助图形化的手段,清晰有效地传达与沟通信息,直观、形象地显示海量的数据和信息,并进行交互处理。 数据可视化的应用...
  • 可视化基础 (4)

    2020-10-27 20:13:00
    D3 结合了强大的可视化交互技术以及数据驱动 DOM 的技术,让你可以借助于现代浏览器的强大功能自由的对数据进行可视化。我们在理解的时候,他其实就是比echarts灵活和基础。 一个简单的柱形图 <!DOCTYPE ...
  • 中秋即将来到,python助我选月饼!
  • 关系图可视化数据预处理可视化 数据预处理 首先需要两个基本的数据,title对应论文标题,id_dic是论文id与索引的对应关系。 # 获取title filepath0 = 'D:/大学资料/大三下/项目实训/code+data/ACM数据集/nodes.txt' ...
  • 数据可视化主要旨在借助于图形化手段,清晰有效地传达与沟通信息。为了有效地传达思想概念,美学形式与功能需要齐头并进,通过直观地传达关键的方面与特征,从而实现对于相当稀疏而又复杂的数据集的深入洞察。如何...
  • Python爬虫与数据可视化

    万次阅读 多人点赞 2019-06-12 20:57:09
    数据可视化这里特别强调,pyecharts包千万别装新版的,我这里装的是0.5.9版的其次如果要做地理坐标图,热力图啥的,必须安装地图包,比如世界地图包,中国地图包,城市地图包啥的 1.数据挖掘 代码所需包 # -*- ...
  • 大屏数据可视化案例

    万次阅读 多人点赞 2018-06-25 18:07:38
    数据可视化:把相对复杂的、抽象的数据通过可视的、交互的方式进行展示,从而形象直观地表达数据蕴含的信息和规律。 数据可视化是数据空间到图形空间的映射,是抽象数据的具象表达。 数据可视化交互的基本原则:总...
  • 数据可视化概览

    万次阅读 2017-12-07 12:08:07
    科学可视化(Scientific Visualization)、 信息可视化(Information Visualization)和可视分析学(Visual Analytics)三个...而将这三个分支整合在一起形成的新学科 “数据可视化”,这是可视化研究领域的新起点。
  • 数据可视化、信息可视化与知识可视化 (2011-07-23 12:28:17) 标签: 校园 分类: 工作篇 数据可视化 简介   数据可视化是关于数据之视觉表现形式的研究;其中,这种数据的视觉...
  • 基于VUE + Echarts 实现可视化数据大屏展示效果

    万次阅读 多人点赞 2019-04-28 18:46:37
    中国(寿光)国际蔬菜科技博览会智慧农业系统 — LED拼接屏展示前端开发文档 上线后呈现效果: ...1、确定现场led拼接屏的...第一屏相关功能:实时时间、当地天气、菜博会基本信息、图表数据统计(近三日人流量、...
  • 案例上手 Python 数据可视化

    万次阅读 多人点赞 2019-02-27 23:30:05
    课程亮点 ...数据可视化是数据分析和机器学习的重要环节,比如数据清洗、特征工程、机器学习、数据分析(特别是报告)、评估等环节都会用到“数据可视化”技术。 数据可视化同时还广泛存在于各...
  • 数据可视化都有一个共同的目的,那就是准确而高效、精简而全面地传递信息和知识。可视化能将不可见的数据现象转化为可见的图形符号,能将错综复杂、看起来没法解释和关联的数据,建立起联系和关联,发现规律和特征,...
  • Python数据可视化教程:基于Plotly的动态可视化绘图

    万次阅读 多人点赞 2019-06-13 15:27:44
    Plotly是一个非常著名且强大的开源数据可视化框架,它通过构建基于浏览器显示的web形式的可交互图表来展示信息,可创建多达数十种精美的图表和地图, 下面我们以jupyter notebook为开发工具数据分析。Matplotlib存在...
  • 数据可视化

    千次阅读 2019-10-22 16:01:47
    数据可视化处理可以洞察统计分析无法发现的结构和细节。例如Anscombe的四组数据(Anscombe‘s Quartet)。 狭义上:科学可视化、信息可视化、可视分析学 科学可视化 可以分为:标量场可视化、向量场可视化、张量...
  • 了解数据可视化的基本流程,牢记4个关键步骤 熟悉可视化视觉映射的基本原理及其三要素 一个完整的数据可视化过程,主要包括以下4个步骤: 确定数据可视化的主题; 提炼可视化主题的数据; 根据...
  • 大屏数据可视化设计指南

    万次阅读 2019-01-03 14:25:31
    把相对复杂、抽象的数据通过可视的方式以人们更易理解的形式展示出来的一系列手段叫做数据可视化数据可视化是为了更形象地表达数据内在的信息和规律,促进数据信息的传播和应用。 在当前新技术支持下,数据可视化...
  • 数据可视化平台理论与实践

    万次阅读 2017-08-02 09:32:26
    前面说完了大数据开发平台的核心组件,作业调度系统,接下来讨论一下大数据开发平台的脸面之一,数据可视化平台。
  • 数据可视化 (1)可视化 (1)可视化的含义 定义 可视化是一种使复杂信息能够容易和快速被人理解的手段,是一种聚焦在信息重要特征的信息压缩,是可以放大人类感知的图形化表示方法。 可视化为人类大脑与...
  • 数据可视化之美:经典案例与实践解析

    千次阅读 多人点赞 2019-03-19 11:55:42
    这几年数据可视化作为一个新研究领域也变得越来越火。成功的可视化,如果做得漂亮,虽表面简单却富含深意,可以让观测者一眼就能洞察事实并产生新的理解。可视化(visualization)和可视效果(visual)两个词是等价的,...
  • 22个免费的数据可视化和分析工具推荐 &nbsp;&nbsp;本文总结推荐22个免费的数据可视化和分析工具。列表如下: 数据清理(Data cleaning) &nbsp;&nbsp;当你分析和可视化数据前,常需要“清理”...
  • 数据可视化数据可视化分类

    千次阅读 2015-06-01 22:03:10
    数据可视化分为:科学可视化、信息可视化,可视化分析学这三个主要分支。  科学可视化,处理科学数据,面向科学和工程领域的科学可视化,研究带有空间坐标和几何信息的三维空间测量数据、计算模拟数据和医疗影像...
  • Python数据分析入门(一)——初探数据可视化

    万次阅读 多人点赞 2018-08-10 17:38:19
    前言 静下心算算,当程序员已经有好几年了,不过自大学时代开始,学习对我来说就是个被动接受的过程,学校的课程、当时热门的移动端开发、数据库的学习、web学习、PHP后端学习……需要做什么我便去学什么,到了今天...

空空如也

1 2 3 4 5 ... 20
收藏数 594,106
精华内容 237,642
关键字:

可视化