精华内容
下载资源
问答
  • Excel数据分析从入门到精通(十)28个图表对比分析1.对比分析-箭头图2.对比分析-排行图3.对比分析-小人对比图4.对比分析-雷达图5.对比分析-条形图6.对比分析-柱形图7.表格分析 1.对比分析-箭头图 有表格如下 ...

    1.对比分析-箭头图

    有表格如下

    项目名称销售金额
    A1,450
    B1,936
    C1,568
    D1,679
    E1,268

    箭头高度对比大小,也可以通过颜色显示特殊的数值

    • 选中所有项目,点击插入 - 推荐的图表 - 簇状柱形图
    • 三角形也是【销售金额】项,可以直接复制【销售金额】列的数据,点击图标部分进行粘贴
    • 右键更改图标类型,将其中一个改为【带数据标记的折线图】,将折线图设置为无边框,添加数据标签,去掉不需要的元素如网格线和Y轴
    • 选中素材进行图表样式替换,调整柱状图的间隙宽度
      在这里插入图片描述

    2.对比分析-排行图

    有表格如下

    产品分类销售金额
    手机720
    播放器1368
    相机1897
    电视2560
    • 选择数据,点击插入 - 簇状条形图 - 选择数据标签 - 居内 - 去掉不必要的元素如XY轴,网格线
    • 复制元素进行粘贴即可
    • ==P.S若想改变数据排列,直接对单元格数据进行排序即可 ==
      在这里插入图片描述

    3.对比分析-小人对比图

    有表格如下

    月份浏览人次
    一月1650
    二月2000
    三月1400
    四月1200
    五月1600
    • 选择数据,插入簇状条形图
    • 改变Y轴的顺序,设置坐标轴格式中选择逆序类别
    • 添加标签
    • 选择素材,粘贴,设置数据系列格式的填充中选择层叠,或者设置层叠并缩放,单位/图片填入100,一个人头就代表100
      在这里插入图片描述

    4.对比分析-雷达图

    有表格如下

    员工姓名领导能力沟通能力协调能力执行能力学习能力
    王力31466
    刘宇116274
    • 选中所有数据,插入 - 推荐的图表 - 所有图表 - 雷达图 - 填充雷达图
    • 去掉不必要的图表元素即可完成雷达图的绘制
    • 比较大的那个图形,设置数据系列格式后选择填充 - 标记 - 纯色填充 - 更改透明度
      在这里插入图片描述

    5.对比分析-条形图

    有表格如下

    时间A产品销量
    5月155
    6月133
    7月108
    8月33
    9月135
    10月33
    • 选中数据,点击推荐图表 - 所有图表 - 簇状条形图
    • 对图表进行优化
      条形图可以直观看出数据差异情况
      在这里插入图片描述

    6.对比分析-柱形图

    有表格如下

    年龄段男性女性
    0-42,0101,988
    5-91,3741,422
    10-14988921
    15-19501498
    20-24301321
    • 选中数据 - 推荐的图表 - 簇状柱形图
    • 进行美化
      在这里插入图片描述

    7.表格分析

    有表格如下
    在这里插入图片描述

    • 销售业绩:开始 - 条件格式 - 数据条 - 渐变填充
    • 同比、环比、同比YTD:全部选中 - 数据条 - 渐变填充
      在这里插入图片描述
    展开全文
  • 然而有了多维动态数据分析,分析图表不再只有一个分析视角,也不再仅仅服务于具体某个人,而是服务于所有浏览者。所有打开这张图表的浏览者,都能够从自身分析视角出发去做更具个性化、更符合自身分析需求的自助式...

    大家都听过“数据可视化”,也知道要用直观的图表让受众理解复杂多变的数据。但不同日期维度不同地域维度的数值对比,往往一张数据图表并不能直观地展示效果,又不想直接用表格呈现一“坨”数据。结果很多人花了大力气做可视化图表,却没达到想要的效果。

    然而有了多维动态数据分析,分析图表不再只有一个分析视角,也不再仅仅服务于具体某个人,而是服务于所有浏览者。所有打开这张图表的浏览者,都能够从自身分析视角出发去做更具个性化、更符合自身分析需求的自助式数据分析。并且一开始的创建者也可以根据浏览者级别不同,给浏览者不同的权限。

    听起来很神奇吧?带你一起看看Smartbi是如何操作的。

    Smartbi操作入口

    1、进入Smartbi Demo“分析展现”界面。

    入口1:在系统主界面的系统快捷菜单选择 分析展现 > 更多分析:

    在这里插入图片描述

    入口2:在系统导航栏中选择 分析展现 :

    在这里插入图片描述

    2、在“分析展现”界面主菜单新建多维分析:

    入口1:在“分析展现”资源目录区的“分析图表”、“公共空间”、“我的空间”或其它文件夹的更多操作中,选择 新建分析 > 多维分析,弹出“选择多维数据源”窗口,确定多维数据集后,进入“新建多维分析”界面。

    入口2:在“分析展现”界面主菜单,选择系统快捷菜单 更多分析 > 多维分析,弹出“选择多维数据源”窗口,确定多维数据集后,进入“新建多维分析”界面。

    在这里插入图片描述

    注:当只有一个多维数据源时,新建多维分析时不会弹出“选择多维数据源”窗口,会直接新建多维分析;只有在有两个及以上的多维数据源时才会弹出“选择多维数据源”窗口。

    界面介绍

    在这里插入图片描述

    “多维分析”界面主要分为以下几个区域:

    资源选择区:该区用于显示定制多维分析允许使用的各类资源:维、度量值、 自定义成员 和 自定义命名集。可以通过双击、拖拽成员或在成员/级别上右键选择函数的方式来添加资源。

    查询面板:该区根据定制多维分析需要划分出三个小区:列区、行区和切块区。用于为在可选资源区选中的资源确定其在多维分析中所处的位置。该面板中橙色的区表示当前选中的区域,在左边资源选择区通过双击,或右键选择函数添加新维度资源时会自动加载到该区域。查询浮动面板各区中的维允许通过右键菜单进行编辑和删除的操作。

    在这里插入图片描述

    工作区:该区主要用于显示已设计好的多维分析的基本内容,主要包含:参数、维度过滤器、告警、已选自定义成员和已选层次结构。

    属性面板区:该区通常与"工作区"结合使用,以实现对定制好的多维分析进行深入设计,主要可以实现:参数属性、维度过滤器设置、告警设置、已选自定义成员优先级设置、已选层次结构管理。

    图表展示区:该区用于展现多维分析,并允许对表格或图形中的数据进行相关的分析操作,如:上钻、下钻、层钻、等。

    Smartbi 制作多维分析,无需编写任何的代码,用户只需要通过语义层的定义就可以轻松搭建自己的多维数据模型。同时具有灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点,从而使用户对基于大量复杂数据的分析变得轻松而高效,以利于迅速做出正确判断。

    展开全文
  • 最近经常和朋友聊起可视化的事情,发现不少人新手经常不会选择合适的图表,从而导致做出来的数据分析报告不尽如人意,今天就针对图表选择来分享一些技巧 要让可视化图表达到给使用者最佳的信息传达效果,我们必须...

    最近经常和朋友聊起可视化的事情,发现不少人新手经常不会选择合适的图表,从而导致做出来的数据分析报告不尽如人意,今天就针对图表选择来分享一些技巧

    要让可视化图表达到给使用者最佳的信息传达效果,我们必须认真考虑各种规划和设计各种元素

    而图表种类繁多,如何选择正确的图表达到“一图胜千言”的效果呢?

    我将图表分成几个大类,分别为「比较类、占比类、趋势类、相关类、地理」,大家可根据自己的目的选择适合的图表。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    一、对比类

    1、普通柱形图

    简介:普通柱形图 使用垂直柱子显示类别之间的数值比较,其中柱状图的一个轴显示正在比较的类别,而另一个轴代表对应的刻度值

    特点:不适合对超过 10 个类别的数据进行比较,且分类标签过长时建议使用条形图

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    2、对比柱形图

    简介:对比柱形图 使用正向和反向的柱子显示类别之间的数值比较。其中图表的一个轴显示正在比较的类别,而另一轴代表对应的刻度值。

    特点:用于展示包含相反含义的数据的对比,若是不是相反含义的建议使用分组柱形图。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    3、分组柱形图

    简介:分组柱状图经常用于相同分组下,不同类数据的比较。用柱子高度显示数值比较,用颜色来区分不同类的数据。

    特点:相同分组下,数据的类别不能过多。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    4、堆积柱形图

    简介:堆积柱形图 可以对分组总量进行对比,也可以查看每个分组包含的每个小分类的大小及占比,因此非常适合处理部分与整体的关系。

    特点:适合展示总量大小,但不适合对不同分组下同个类别进行对比。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    5、分区折线图

    简介:分区折线图 能将多个指标分隔开,反映事物随时间或有序类别而变化的趋势

    特点:适合对比趋势,避免多个折线图交叉在一起。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    6、雷达图

    简介:雷达图 又被叫做蜘蛛网图,它的每个变量都有一个从中心向外发射的轴线,所有的轴之间的夹角相等,同时每个轴有相同的刻度。

    特点:雷达图变量过多会降低图表的可阅读性,非常适合展示性能数据。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    7、词云

    简介:词云 是文本大数据可视化的重要方式,常用于将大量文本中的高频语句和词汇高亮展示,快速感知最突出的文字。常用于网站高频搜索字段的统计。

    特点:不适合数据量多的文本数据,也不适合数据区分度不大的数据处理。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    8、聚合气泡图

    简介:聚合气泡图 中,维度定义各个气泡,度量定义气泡的大小、颜色。

    特点:不适合区分度不大的数据。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    9、南丁格尔玫瑰图

    简介:南丁格尔玫瑰图 的作用与柱形图类似,主要用于比较,数值大小映射到玫瑰图的半径。

    特点:数据比较相近时,不适合用饼图,而是适合用南丁格尔玫瑰图。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    二、占比类

    1、饼图

    简介:饼图 一般通过颜色区分类别,幅度的大小对比数据,并且可以展示各类别与整体之间的占比关系。

    特点:类别数量不能过多,且不适合区分度不大的数据。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    2、矩形块图

    简介:矩形块图 适合展现具有层级关系的数据,能够直观体现同级之间的比较。父级节点嵌套子节点,每个节点分成不同面积大小的矩形,使用面积的大小来展示节点对应的属性。

    特点:非常适合带权的树形数据,对比各分类的大小关系以及相对于整体的占比关系。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    3、百分比堆积柱形图

    简介:百分比堆积柱形图 对比同一个分组数据内不同分类的占比。

    特点:同一个分组内不同分类的个数不能过多。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    4、多层饼图

    简介:多层饼图 指的是具有多个层级,且层级之间具有包含关系的饼状图表。多层饼图适合展示具有父子关系的复杂树形结构数据,如地理区域数据、公司上下层级、季度月份时间层级等等。

    特点:层级和类别都不能过多,过多导致切片过小干扰阅读

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    5、仪表盘

    简介:仪表盘 设定目标值,然后用于展示速度、温度、进度、完成率、满意度等,很多情况下也用来表示占比。

    特点:只适合单个指标的数据展示。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    三、趋势类

    1、折线图

    简介:折线图 非常方便来体现事物随时间或其他有序类别而变化的趋势。1)可分析多组数据随时间变化的相互作用和相互影响,从而可以总结获得一些结论和经验。2)可对比多组数据在同一个时间的大小。

    特点:折线数量不能过多,会导致图表可读性变差。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    2、范围面积图

    简介:范围面积图 用来展示持续性数据,可很好地表示趋势、累积、减少以及变化。

    特点:展示两个连续变量的差值的变化趋势。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    3、普通面积图

    简介:普通面积图是在折线图的基础上进化而来,也很方便来体现事物随时间或其他有序类别而变化的趋势。由于有面积填充,所以比折线图更能体现趋势变化。

    特点:面积线最好不要超过五条。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    4、散点图

    简介:散点图 可以显示数据集群的形状,分析数据的分布。通过观察散点的分布,可以推断变量的相关性,在FineBI中可以通过数据拟合完成。

    特点:散点图在有比较多数据时,才能更好的体现数据分布。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    5、瀑布图

    简介:瀑布图 显示加上或减去值时的累计汇总,通常用于分析一系列正值和负值对初始值(例如,净收入)的影响。

    特点:通过悬空的柱形图,可以更直观的展现数据的增减变化。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    四、分布类

    1、散点图

    简介:散点图 可以显示数据集群的形状,分析数据的分布。通过观察散点的分布,可以推断变量的相关性。

    特点:散点图在有比较多数据时,才能更好的体现数据分布。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    2、热力区域图

    简介:热力区域图 以特殊高亮的方式展示坐标范围内各个点的权重情况。

    特点:效果柔化,不适合精确的数据表达,主要用于看分布。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    五、其他类

    1、地图

    简介:地图组件即使将数据反映在地理位置上,FineBI 提供多种地图组件,包括 热力地图 、区域地图、流向地图、点地图等。

    特点:非常直观的观察不同区域的数据关系。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    2、漏斗图

    简介:漏斗图 又称倒三角图,漏斗图从上到下,有逻辑上的顺序关系,经常用于流程分析,比如分析哪个环节的流失率异常。

    特点:上下之间必须是有逻辑顺序关系的,若是无逻辑关系建议使用柱形图对比。

    24个简单、好看的可视化图表用法介绍!数据分析小白必看

     

    展开全文
  • 数据统计分析多曲线图表分析实现基本需求分析假设在怪兽出没的年岁,加上年关在即,需要统计分析各个道路卡口车流量出入统计,主要从车流量和车牌地角度出发。如图所示的业务需求:道路卡口-车流量分析:道路卡口-...

    89cf2c30913418507111ab812d21c500.png

    数据统计分析

    多曲线图表分析实现

    基本需求分析

    假设在怪兽出没的年岁,加上年关在即,需要统计分析各个道路卡口车流量出入统计,主要从车流量和车牌地角度出发。如图所示的业务需求:

    道路卡口-车流量分析:

    c4911921db3a0585fbdad640a674eab8.png

    道路卡口-车牌地分析:

    cc87f5a3202a8d78673933209750774c.png主要从车流量和车牌地2个纬度去分析与统计对应的流量数据

    横向与纵向分析:X轴和Y轴各自有3条曲线[总数=进关数+出关数]

    不同的时间纬度:按天统计[默认当天以及最近30天]和按月统计

    不同道路卡口统计:不同卡口以及卡口组统计数据

    业务需求分析道路卡口-车流量分析

    d9c05516ddfb16c1369dd53a4f1245f6.png统计时间维度:按天统计[最近30天和当前某天的统计数据]和按月统计

    横向对比分析:以采集时间为X轴,展示某一天的整点和半小时时刻的车辆进关与出关数量,以及车流量总数

    纵向对比分析:以车流量为Y轴,展示某一天的整点和半小时时刻的车辆进关与出关数量,以及车流量总数

    图表数据指标:车流量总数, 进关暑数量以及出关数量道路卡口-车牌地分析

    218b0b9e304a65c00adef5b898570d1e.png统计时间维度:按天统计[最近30天和当前某天的统计数据]和按月统计

    横向对比分析:以车牌归属地为X轴,展示对应所属地区的相关车辆进关与出关数量,以及车流量总数

    纵向对比分析:以车流量为Y轴,展示对应所属地区的相关车辆进关与出关数量,以及车流量总数

    图表数据指标:车流量总数, 进关暑数量以及出关数量

    数据排序:按照风险等级排序,对应的车牌流量分析

    编码逻辑分析与实现定义图表分析数据模型[Analysis Model]// 定义数据模型

    Map dataModel =Maps.newConcurrentMap();

    // 定义X与Y轴数据模型

    Map dataMap = Maps.newConcurrentMap();

    // 车流量总数

    dataModel.put("total", dataMap);

    // 进关总数

    dataModel.put("enter", dataMap);

    // 出关总数

    dataModel.put("leave", dataMap);确定X轴与Y轴坐标系数据:// 定义X与Y轴数据模型

    Map dataMap = Maps.newConcurrentMap();

    // 定义X轴数据模型

    List xList = Lists.newLinkedList();

    // 定义Y轴数据模型

    List yList = Lists.newLinkedList();

    // 定义指标数据模型

    BigDecimal count = BigDecimal.ZERO;

    // .... ToDO 业务代码实现

    dataMap.put("xAxis",xlist);

    dataMap.put("yAxis",yList);

    dataMap.put("count",count.intValue());[⚠️注意事项]

    1.上述模型属于复合型数据分析列表数据模型

    2.简单数据模型分析,一般只用:// 定义X与Y轴数据模型

    Map dataMap = Maps.newConcurrentMap();

    // 定义X轴数据模型

    List xList = Lists.newLinkedList();

    // 定义Y轴数据模型

    List yList = Lists.newLinkedList();

    // .... ToDO 业务代码实现

    dataMap.put("xAxis",xlist);

    dataMap.put("yAxis",yList);

    饼状图表分析实现

    假设在怪兽出没的年岁,加上年关在即,需要统计分析各个道路卡口车流量出入的占比,主要从风险等级和风险区角度出发。如图所示的业务需求:

    风险等级分析

    5ad98ef7ea5d809cea69b9934976ff28.png主要从风险等级[高,中,低]统计分析数据的占比

    统计时间维度:按照天统计[当天],按照周统计[最近七天]以及按照月统计[最近30天的数据]

    风险区域比例

    a635ad769016d23a1151818eba17f20c.png主要从风险区域维度统计车牌归属地分析数据的占比

    统计时间维度:按照天统计[当天],按照周统计[最近七天]以及按照月统计[最近30天的数据]版权声明:本文为博主原创文章,遵循相关版权协议,如若转载或者分享请附上原文出处链接和链接来源。

    展开全文
  • 通过数据分析提升产品质量,提高产品合格率、成品率则是企业发展的下一步抓手。 一、制造业质量数据分析遇到的难点: 1、产品质量缺陷追溯周期长,找寻规律较慢。 2、数据跨工厂/跨车间/跨业务系统,只做数据...
  • 需要说明的是,这次演示的图表几乎都是用Tableau制作的「因自身学习的原因」,不再是Excel制作的图表。其中有部分图,仍旧能用Excel制作,有部分已经不适合使用Excel制作了。树状图(TreeMap)功能&应用场景主要...
  • 出于尊重原创者版权和劳动的考虑,在开头标注原文出处。笔者在此处转载和摘录,是为了使自己的这个专栏的体系更加系统...作为数据分析师,常常会遇到这样一个挑战:我们认识到数据可视化的必要性,但缺乏数据可视化...
  • 是最常用的可视化工具,操作简单,只需将图表插入到单元格中即可显示出来,并且还可以根据需要添加一些辅助项,使图表更加易懂。 PowerBI / TableAU 目前在市面上有很多同种类型的数据可视化工具,它们都有一些...
  • 我们在数据分析时需要对一些分析结果进行数据图表展示,什么样的数据分析方法需要用哪种图进行展示,才能清晰、准确地表达主题和内容,如何用数据说话,是数据分析工作的一项重要内容。 我们一般根据数据间的关系来...
  • 做数据分析,一定会用到的12类实用图表 “辅助线画的花里胡哨,题目做不出来就是白搭。” 放在职场上也是一样。 漂亮≠好。数据可视化的本质就是为了有效地传达信息,所以对于数据分析来说,图表的实用性永远在第一...
  • 这是学习笔记的第2381篇文章 最近一直在想怎么分析一下个人的行程数据,看看能够从行程数据里面分析出点什么来。最开始我的期望还是蛮高的,有如下的一些预期:根据出行时间范围,可以基本确定...
  • Excel数据分析从入门到精通(十)28个图表对比分析1.结构分析-圆环图2.结构分析-树状图3.结构分析-旭日图4.结构分析-饼图5.结构分析-瀑布图 1.结构分析-圆环图 适用于项目较少的情况 有表格如下 自行车份额 ...
  • 1. 为什么要做杜邦分析表2. 做杜邦分析表的思路3. 做杜邦分析表的步骤为什么要做杜邦分析表找到影响一个指标的相关因素有哪些;如果要分析趋势,还需要结合多维度动态趋势图例:做全店... 增长幅度=(最近日期-对比日...
  • 阅读本文大约需要 3 分钟 ...言归正传,经过了01-03这3篇文章的积累,相信大家对Python数据分析也有了一定的认知,今天OF向大家介绍轻松学Python数据分析系列的第4部分:数据可视化图表(1读取.
  • “这完全不是我想要的数据可视化图,各个部门的数据的关联性完全没体现出来,我要的是一份公司完整的图表,你这零零散散,我怎么看?”办公室传来王总愤怒的声音。 曹丽低声地说:“王总,我来给你讲解一下,各图表...
  • 本周分成两个章节,第一章主要讲解推荐系统的分析机制介绍,数据分析方法,数据分析流程六大步骤,数据分析工具,数据分析常用图表,互联网企业常用数据分析指标第二章学习数据分析常用工具Excel 的数据类型和函数...
  • 展开全部第一步:e68a84e8a2ad3231313335323631343130323136353331333361313366下载Tableau 软件,可以下载tableau public(这是免费的,不过文件都要存在网上),也可以下载tableau desktop 可以试用14天。...
  • CBC-pad 无PBES1:—— PBES2:实例SM4-CBC-pad 盐值salt >= 64比特 >= 64比特 迭代次数c >= 1000 >= 1024 备注 仅使用PBES2 2.4 PBMAC参数对比 表2.4 PBMAC参数对比 (1. RFC8018等同采用PKCS#5 v2.1,故合并;2. ...
  • (1) 绘制正整数频率使用 tabulate(X) (2)
  • 数据图表简介

    2021-11-16 22:51:43
    1.图表在数据分析中的作用 (1)表达形象化 使用图表可以化冗长为简洁,化抽象为具体,化深奥为形象,使读者或听众更容易理解主题和观点。 (2)突出重点 通过对图表中数据的颜色和字体等信息的特别设置,可以...
  • 目录 环形跑道图表制作与解析 操作方法: 1、添加辅助列 2、制作环形跑道图表 3、美化环形跑道图表 环形跑道图表制作与解析 操作方法: Tip:在做环形跑道图表前,需要添加两个辅助列,一列用来计算新的销售额,一...
  • 整套分析流程都在脑子过了一遍,动手分析数据时却发现没有能用的数据分析图表!还不是因为你的分析场景细分了,但数据分析图表却还是原来的基础款,没有针对细化后的。以前,使用基础款数据分析图表就能解决大部分...
  • Tableau基础图表制作

    2021-11-15 20:07:15
    目录 文章目录 一、Tableau介绍 二、数据连接 1.连接类型 2.连接方式 3.提取方式 ...三、基础图表制作 ...Tableau作为一款BI分析工具,不仅容易上手,美观直接,用它将大量数据拖放到数字“画布”上,..
  • 都说数据可视化是数据分析的最后一公里,这年头,会数据可视在互联网到底有多吃香?小编这就来给大家科普一下,曾经在某招聘软件上看到字节跳动、腾讯等大厂在招聘要求里面明确写明应聘者需要掌握数据可视化,开出...
  • 点上方蓝字人工智能算法与Python大数据获取更多干货在右上方···设为星标★,第一时间获取资源仅做学术分享,如有侵权,联系删除转载于 :量子位「你要悄悄学Python,然后惊艳所有...
  • 这篇记录了热词的情感趋势分析图表展示,数据库中每个热词都有一个情感分析,为积极,中性或消极,统计了数据库中热词的情感数量,用echarts的柱状图和扇形图展示情感比例,并对比了微博和知乎的情感比例。...
  • 起因很久以前,就有个想法,就是自动分析微博的数据,但是之前一直想的是网页版展示,flask想学了好久都没学,偶然的一次看到了一篇关于python处理pptx的文章,再加上同窗三年的室友在毕业后竟然主动提出和我互粉...
  • 数据对比分析法,看这篇就够了!

    千次阅读 2021-04-22 18:15:28
    任何事物都有对立面,站在不同的角度去分析问题,不仅是数据分析的方法,也是各行各业都会用到的思维模式。今天就来聊一下对比分析。01时间上的对比1纵比同一空间条件下,对不同时期数据的比较。如下...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 94,471
精华内容 37,788
关键字:

对比分析图表