精华内容
下载资源
问答
  • extjs常见的三种统计图

    千次阅读 2013-09-11 15:16:45
    extjs统计图 href="../extjs/resources/css/ext-all.css"> Ext.onReady(function() { Ext.chart.Chart.CHART_URL = "../extjs/resources/charts.swf"; //定义ColumnM

    chart.html源码:

    <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">

    <html>
    <head>
    <title>extjs统计图</title>


    <meta http-equiv="keywords" content="keyword1,keyword2,keyword3">
    <meta http-equiv="description" content="extjs统计图">
    <meta http-equiv="content-type" content="text/html; charset=UTF-8">


    <link rel="stylesheet" type="text/css"
    href="../extjs/resources/css/ext-all.css">
    <script type="text/javascript" src="../extjs/ext-base.js">
    </script>
    <script type="text/javascript" src="../extjs/ext-all.js">
    </script>
    <script type="text/javascript">
    Ext.onReady(function() {
    Ext.chart.Chart.CHART_URL = "../extjs/resources/charts.swf";
    //定义ColumnModel
    var store = new Ext.data.JsonStore( {
    fields : [ 'name', 'visits', 'views' ],
    data : [ {
    name : '日本',
    visits : 245000,
    views : 3000000
    }, {
    name : '韩国',
    visits : 240000,
    views : 3500000
    }, {
    name : '泰国',
    visits : 300000,
    views : 2000000
    }, {
    name : '伊朗',
    visits : 375000,
    views : 3200000
    }, {
    name : '法国',
    visits : 590000,
    views : 3500000
    }, {
    name : '德国',
    visits : 395000,
    views : 6800000
    }, {
    name : '中国',
    visits : 580600,
    views : 8500000
    } ]
    });
    //柱状图
    new Ext.Panel( {
    title : '国际某某统计图',
    renderTo : 'container',
    width : 500,
    height : 300,
    layout : 'fit',
    items : {
    xtype : 'columnchart',
    store : store,
    xField : 'name',
    yField : 'visits',
    listeners : {
    itemclick : function(o) {
    var rec = store.getAt(o.index);
    Ext.example.msg('选择提示', '你选择了-{0}', rec.get('name'));
    }
    }
    }


    });
    //折叠图
    new Ext.Panel( {
    title : '国际某某统计图',
    renderTo : 'container1',
    width : 500,
    height : 300,
    layout : 'fit',
    items : {
    xtype : 'linechart',
    store : store,
    xField : 'name',
    yField : 'visits',
    listeners : {
    itemclick : function(o) {
    var rec = store.getAt(o.index);
    Ext.example.msg('选择提示', '你选择了-{0}', rec.get('name'));
    }
    }
    }


    });
    //饼状图
    new Ext.Panel( {
    title : '国际某某统计图',
    renderTo : 'container2',
    width : 500,
    height : 300,
    layout : 'fit',
    items : {
    xtype : 'piechart',
    store : store,
    categoryField : 'name',
    dataField : 'visits',
    extraStyle : {
    legend : {
    display : 'bottom',
    padding : 5,
    font : {
    family : 'Tahoma',
    size : 13
    }
    }
    },
    listeners : {
    itemclick : function(o) {
    var rec = store.getAt(o.index);
    Ext.example.msg('选择提示', '你选择了-{0}', rec.get('name'));
    }
    }
    }


    });
    });
    </script>
    <style type="text/css">
    .style {
    margin-top: 30px;
    margin-left: 200px;
    }
    </style>
    </head>


    <body>
    <div class="style">
    <h3>
    柱状图
    </h3>
    <br />
    <div id="container"></div>
    <br />
    <h3>
    折叠图
    </h3>
    <br />
    <div id="container1"></div>
    <br />
    <h3>
    饼状图
    </h3>
    <br />
    <div id="container2"></div>
    </div>
    </body>

    </html>


    效果图如图所示:




    展开全文
  • matplotlib绘制常见统计图

    千次阅读 2019-04-09 13:25:31
    绘制折线:plot([x], y, [fmt], data=None, **kwargs) 绘制多条线 :plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs) The coordinates of the points or line nodes are given by x, y. fmt is a convenient...
    1. 绘制折线图:plot([x], y, [fmt], data=None, **kwargs)
      绘制多条线 :plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs)
      The coordinates of the points or line nodes are given by x, y.
      fmt is a convenient way for defining basic formatting like color, marker and linestyle.
      data:An object with labelled data. If given, provide the label names to
      plot in x and y
      **kwargs : .Line2D properties, optional
      kwargs are used to specify properties like a line label (for
      auto legends), linewidth, antialiasing, marker face color.
      2)绘制散点图:
      scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs)

      s: 点的规格
      c:颜色
      cmap:颜色映射
      edgecolors:删除数据点的轮廓

      3)绘制柱状图:
      bar(x, height, width=0.8, bottom=None, *, align=‘center’, data=None, **kwargs)
      align : {‘center’, ‘edge’}

    2. 修饰
      pit.title() 加标题
      pit.xlabel() x轴加标签
      pit.ylabel()
      plt.tick_params(axis,labelsize ) 设置刻度标记的大小
      axis = xlabel / ylabel / both
      plt.axis([x_min, x_max, y_min, y_max]) 设置坐标轴的取值范围
      plt.savefig() plt.savefig(‘work_1’, dpi=800, bbox_inches=‘tight’,format = ‘pdf’)
      保存图片,名称 像素 裁剪掉多余的空白 保存的格式

      5) 中文显示plt.rc(‘font’, family=‘STSong’, size=14) 字体,及字号大小
      plt.rc(‘axes’, unicode_minus=False)

    展开全文
  • 用Java实现后台统计图

    千次阅读 2019-09-06 18:27:30
    最近做护肤产品的后台系统的时候,用户要求后台有一个清晰的统计后台数据的统计图,这还是我头一回做统计图,写个博客记录一下. 一、画后台原型 为了能表达出页面所要达成的一个效果,很少画图的我,可以说是艺术细胞...

    前言:

    最近做护肤产品的后台系统的时候,用户要求后台有一个清晰的统计后台数据的统计图,这还是我头一回做统计图,写个博客记录一下.

    一、画后台原型

    为了能表达出页面所要达成的一个效果,很少画图的我,可以说是艺术细胞消耗殆尽的我,被指派去画个首页原型出来.这着实是有些难为我这样的一个后端人员,不过没办法,硬着头皮上呗.

    画统计图,我用的是图表秀,里面免费的统计图很多,样式也挺好的.用它做了4个统计图,然后导出图片,再用Axure RP 8画出原型.原型如下:

    我尽力了QAQ.

    二、数据获取

    首先,要确定我们的需求的数据,确定数据建表,通过查表的方式得到数据的结果.

    流量表:

    流量表中除了用户流量之外,还要有该数据的创建时间,这样的话我们可以通过查询创建时间的方式,确定今天的数据和累计的数据.

    产品热度表:

    产品热度表,需要存储为一个关联表,表中要包含产品Id,产品热度(浏览量). 在跳转到产品页面之前必定跳转到后台的controller中,所以可以在该controller中进行数据库操作,让该产品对应的热度加1.

    地区分布表:

    为了能够区分用户的分布,我们需要获取用户的Ip,而在Java中通过request是可以获取用户的IP地址的,剩下的问题就是如何通过IP区分用户的区域(省、市).这里我推荐国内的IPIP : https://www.ipip.net/

    三、数据查询

    为了能够区分,今天,近30天,上一年,我需要对数据库查询语句有一番了解.

    //获取30天内的数据
    SELECT * FROM 表名 where DATE_SUB(CURDATE(), INTERVAL 30 DAY) <= date(时间字段名);
    
    //获取前年的数据
    select * from 表名 where str_to_date(时间字段名,'%Y-%m-%d') < DATE_SUB(now(), INTERVAL 1 YEAR  )
    
    //获取当天的数据
    select * from 表名 where date(时间字段名) = curdate()

    四、获取IP地址对应的省、市

    通过IP地区获取省市,其实还是要从数据库里查,但是我们也没有那么大的数据库可以用来查找用户的IP对应的城市,所以去网上找了找,发现国内的IPIPhttps://www.ipip.net/,提供了免费的以及收费的系统.

    首先我们要下载数据库的包,也就是ipipfree.ipdb,然后,在官网上,找到了他们github上的示例程序:https://github.com/ipipdotnet/ipdb-java

    clone下来之后,打开test包中CityTest

    在该类中的测试方法中,先读取数据文件,然后再调用查找方法,通过ip找到对应的省市.

     @Test
        public void testCityWeek2() {
    
            try {
                //读取数据文件
                City db = new City("D:\\test\\ipipfree.ipdb");
                System.out.println(db.buildTime());
                System.out.println(db.languages());
                System.out.println(db.fields());
                System.out.println(db.isIPv4());
                System.out.println(db.isIPv6());
                //查询IP对应的省和城市
                System.out.println(Arrays.toString(db.find("111.225.52.62", "CN")));
            } catch (IOException | IPFormatException ex) {
                ex.printStackTrace();
            }
        }

     

    展开全文
  • 用R绘制几个常见统计描述

    千次阅读 2018-09-03 18:08:36
    直方 单个直方: mycol &amp;amp;lt;- c(&amp;quot;#377EB8&amp;quot;,&amp;quot;#FF7F00&amp;quot;,&amp;quot;#4DAF4A&amp;quot;) #定义颜色变量 p0 &amp;amp;lt;- ...
    1. 直方图
      单个直方图:
    mycol <- c("#377EB8","#FF7F00","#4DAF4A") #定义颜色变量
    p0 <- ggplot(data=dt1,aes(x=index1))+
      geom_histogram(fill = mycol[1],position = 'identity',colour = "black",binwidth = 8,alpha = .6) +#binwidth分组宽度
      labs(
        title = "总指数-直方图",
        x = NULL,
        y = NULL
      )+
      theme_economist();p0
    

    这里写图片描述
    分类直方图

    p1 <- ggplot(data=dt1,aes(x=index1))+
      geom_histogram(aes(fill = city) ,position = 'identity',colour = "black",binwidth = 8,alpha = .6) +#binwidth分组宽度
      labs(
        title = "总指数-直方图",
        x = NULL,
        y = NULL
      )+
      theme_economist();p1
    

    这里写图片描述
    2. 密度曲线

    p2 <- ggplot(data=dt1,aes(x=index1))+
      geom_density(size = 1,aes(colour = city))+
      labs(
        title = "总指数-正态密度曲线",
        x = NULL,
        y = NULL
      )+
      theme_economist();p2
    

    这里写图片描述

    1. 散点图+拟合曲线
    p4 <- ggplot(data=dt1,aes(x=s3,y=index1))+
          geom_point()  +
          geom_smooth();p4
    

    这里写图片描述
    4. 气泡图

    col_gray <- gray(c(2,5,8)/11)#定义颜色
    p5 <- ggplot(data=dt1,aes(x=s3,y=index1))+
          geom_point(aes(size = index1,colour=city))+
          scale_colour_manual(values = col_gray);p5
    

    这里写图片描述
    5. 箱图

    p6 <- ggplot(dt1,aes(x=city,y=index1,lab=index1))+
      geom_boxplot(aes(fill = city));p6
    

    这里写图片描述

    展开全文
  • 常见统计分布的概率分布

    千次阅读 2020-03-21 17:08:06
    文章目录Normal distributionχ2\chi^2χ2 distributiont-distributionF-distributionBeta distribution对中心极限定理的验证 import numpy as np import matplotlib.pyplot as plt import seaborn as sns ...
  • Dojo Chart之常用统计图

    千次阅读 2014-10-12 18:56:59
    Dojo Chart之常用统计图,柱状图、饼状图、线状图、堆积图、区域图等。
  • 1 柱状特点 柱状:排列在工作表的列或行中的...(统计/对比) 2 柱状API matplotlib.pyplot. bar (*args, **kwargs) bar(x, height, width, bottom, *, align=‘center’, **kwargs) 参数: x:数据...
  • 直方图:由一系列高度不等的纵向条纹或线段... 在坐标系中,横轴标出每个组的端点,纵轴表示频数,每个矩形的高代表对应的频数,称这样的统计图为频数分布直方图。 组数:在统计数据时,我们把数据按照不同的范围...
  • 数据分析第三讲 matplotlib常用统计图 1.绘制散点图 使用的方法:scatter(x,y) 假设通过爬虫你获取到了长沙2018年10,11月份每天白天的最高气温(分别位于列表a,b),那么 此时如何寻找出气温和随时间变化的某种规律 a ...
  • 箱形(Box-plot)是统计学中一种常见统计,由于其图形与箱子类似而得名,所以又有"箱线图"、"盒须"、"盒式"等名称。箱形可以统计出单变量数据的离散程度,将数据的离散程度以及分布区间清晰直观地表现出来,...
  • 监督学习最常见四种算法

    万次阅读 多人点赞 2017-07-12 10:37:04
    决策树是一种常见的分类方法,其思想和“人类逐步分析比较然后作出结论”的过程十分相似。决策过程和下类似。 决策树是一个树结构(可以是二叉树或非二叉树)。其每个非叶节点表示一个特征属性上的测试,每...
  • 学术论文模式图、统计图绘制

    千次阅读 2018-07-09 20:19:32
    统计图表是论文插图的重要组成部分,这门课程主要讲授如何使用Graphpad Prism、Origin、Sigmaplot这三最常用的统计绘图软件制作出论文里的各种统计图表。高强度训练,采用案例式教学,学员自带电脑全程跟随讲解...
  • 数据结构——四种常见的线性表

    千次阅读 2017-12-14 18:59:18
    数组、链表、栈、队列是四种常见的线性表
  • Seaborn常见绘图总结

    万次阅读 多人点赞 2019-01-24 15:52:55
    听“他们”说matplotlib中的seaborn绘图很好看而且实用,所以,这里系统的总结一下seaborn常见的图形绘制。其目的也是很简单的啦,方便我自己查看(英文很菜,每次都查单词……)。 差点忘了,这里使用的数据还是...
  • 常见的几UML

    万次阅读 2009-01-13 09:44:00
    用例的主要目的是帮助开发团队以一可视化的方式理解系统的功能需求,包括基于基本流程的"角色"(actors,也就是与系统交互的其他实体)关系,以及系统内用例之间的关系。用例一般表示出用例的组织关系--要么是...
  • 常见的电脑屏幕分辨率统计

    千次阅读 2018-07-26 14:43:29
      通常情况下 ,屏幕的...  根据不同笔记本、台式电脑以及Mac电脑屏幕大小的不同,从网上摘要对屏幕常见屏幕分辨率的归纳。 笔记本电脑个尺寸对应分辨率: 屏幕尺寸 屏幕像素 12.1寸 1280*800 ...
  • 转载的 常见操作函数:  OpenCV - Operations on Arrays  对数组(矩阵)的一些操作 Function (函数名) Use (函数用处)   add 矩阵加法,A+B的...
  • 统计图 plot()函数能够画出各种函数曲线 scatter()能够画出散点图 是时候了解统计图了 1.柱形图 pld.bar(x, height, width=0.8, bottom=None, hold=None, data=None, **kwargs) 柱形图中 “柱子” 的...
  • 统计学中常见的概率密度图像

    万次阅读 多人点赞 2018-09-01 11:43:57
    今天复习概率论与数理统计看到常见的几分布突然有了兴趣,所以尝试着写一写关于matlab画出常见概率密度图像(注:有些是从网上搜集整理得到的) 二项分: 二项分布,又称n重伯努力试验每次实验成功概率为p,...
  • R语言实战笔记–第六&七章 统计图形介绍及基本统计方法标签(空格分隔): R语言 箱线图 直方 t检验 Kruskal-Wallis检验 Friedman检验 R语言实战的第六章和第七章介绍了一些基本的统计图形(直方、条形、饼图...
  • pandas 常见绘图总结

    万次阅读 多人点赞 2019-12-26 16:25:53
    文章目录pandas 常见绘图总结前言一 设置字体和显示中文二 pandas 可视化(0.25.3版本)1 线形2 条形2.1 垂直条形2.2 水平条形3 饼图4 散点4.1 普通散点4.2 气泡5 面积6 箱线图7 直方8 核密度曲线9...
  • .5, .75),(0.5, .5, .75)])) x = np.linspace(0, 7, 1024) plt.plot(x, np.sin(x)) plt.plot(x, np.cos(x)) plt.show() 系列链接 Python-Matplotlib可视化(1)——一文详解常见统计图的绘制 Python-Matplotlib可视...
  • 推荐三款强大且漂亮的统计图控件

    千次阅读 2014-07-16 16:44:10
    一、免费且强大的Flash统计图——FusionChartsFree 官方网址: http://www.fusioncharts.com/free/ 效果图:   使用感想: 对.NET、JAVA、PHP等的开发都有对应的支持; 能承受大数据量...
  • 图像的统计特征

    万次阅读 2016-11-22 21:59:26
    图像的一些基本统计特征。
  • 频数:特定组统计对象的数目。 条形 适用情况:需要精准体现多组数据的频数时,也可以进行一定程度的比较。展示的往往是类别型数据。 图表含义:每个长方形表示一个特定的类,长方形的宽都相等,长方形的长表示...
  • 基于图像的人数统计

    千次阅读 2017-10-24 14:11:30
    基于图像的人数统计属于模式识别问题,可应用于安防领域。传统的方法包括:1)视频捕获;2)目标提取(背景建模、前景分析)——常见方法有高斯背景建模、帧差法、三帧差法等;3)目标识别(模式识别、特征点分析)...
  • 统计直方-累加直方

    万次阅读 2014-10-16 17:13:19
    常见的直方有两统计直方,累积直方。我们将分别实验两直方在图像聚类和检索中的性能。 l 统计直方  为利用图像的特征描述图像,可借助特征的统计直方。图像特征的统计直方实际是一个1-D...
  • 告别.NET生成报表统计图的烦恼(ASP.NET Chart) 2009/5/9 23:45:45  信息系统大多会涉及到数据的统计,如数据的导出及生成统计对比图等,记得之前有一次要生成一个统计图在WEB页面上显示,那时也是在网上找了...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 197,849
精华内容 79,139
关键字:

常见的四种统计图