精华内容
下载资源
问答
  • 差异分析是基础数据分析手段,在进行样本间差异比较的时候经常被用到。所以无论是中文核心期刊还是SCI论文,常常需要绘制差异分析柱形图。显著性标记柱形图是在差异分析柱形图的基础上添加显著性标识,可以直观的...
    差异分析是基础数据分析手段,在进行样本间差异比较的时候经常被用到。所以无论是中文核心期刊还是SCI论文,常常需要绘制差异分析柱形图。显著性标记柱形图是在差异分析柱形图的基础上添加显著性标识,可以直观的呈现不同样本间的差异关系和差异显著性。在不同品种的表型差异分析或样本间基因表达量统计中均被经常使用。图形由柱形图、误差线和显著性标识三部分组成。柱形图表示样本的表型或表达量数值;误差线代表每个样本存在的潜在误差;显著性标识代表样本间差异的显著程度(图1)。 9af0e383879f631f53a645b8736fb24a.pngc08ffa42727cb34da2accb600deb8697.png图1 差异分析柱形图 在日常的实验中,我们会获得大量样本的表型或表达量数据,如果用Excel一个一个进行t检验然后P上显著性标识,既繁琐又耗时,并且还有可能一次性需要输出多张图,如果不会使用R语言就很难操作了。一想到进行一个差异分析都这么麻烦,还不得不做,就感觉头秃。98d86edeefe236a434ef0731e7746428.png不过没关系,Omicshare Tools可以帮你“一分钟”实现差异分析并在柱形图上添加显著线。一起来看一下如何操作吧。

    操作步骤

    1

    进入工具

    3ee04e9116283b5105b7b83bbef46fda.png  2aed41be239484bc8998affcfd1d6598.png图2 显著性标记柱形图工具图标差异分析工具分为两种,两组数据之间差异分析进入“显著性标记柱形图(两组)”;多组数据间两两进行差异分析进入“显著性标记柱形图(多组)”。工具地址:https://www.omicshare.com/tools/Home/Soft/2_groups_sig复制前往以上链接或点击,登录Omicshare云平台→“我的软件”→搜索“显著性标记柱形图”

    2

    输入文件

    点击图标进入后跳转至操作界面。界面包含“数据输入”与“调整参数”两部分,其中需要输入的两个文件为txt格式,可以用excel表另存为txt格式。fcc83d7e7ef7827a882c34470427d31e.png图3 输入文件页面输入两组数据:输入的表格为差异检验表,第一列是不同样本的名称,之后每一行为该样本每个重复的数据,输入的样本为两组。但是要注意的是,每次至少要输入三次重复。 
    A288.93276.81527.85……
    B924.31746.8651.47……
    图4 输入两组数据的表格输入多组数据:与输入两组数据的格式相同,不同的是每次输入的多组样本。 
    A288.93276.81527.85......
    B924.31746.8651.47......
    C321.4351.64388.41......
    图5 输入多组数据的表格 

    3

    参数调整

    通过参数调整可以对输出图形做简单修改:统计检验方法选择:可以选择T检验或wilcoxon秩和检验。输入图片的标题。输入x轴和y轴的标题。需要注意的是,每个标题必须是英文,要不然无法显示。8c564d06c76e721cb1b7db69653a4ad7.gif图6 作图相关参数

    4

    输出结果

    在Omicshare云平台提交任务后会输出结果压缩包,包含结果表格与柱形图两个部分内容。结果表格表头从左到右表示比较组、P值、显著性和分析方法。*代表显著性,ns代表组间无差异。
    comparep.formatp.signifmethod
    A-vs-B0.023*T-test
    图7 两组差异分析结果表格
    comparep.formatp.signifmethod
    A-vs-B0.023*T-test
    A-vs-C0.722nsT-test
    B-vs-C0.025*T-test
    图8 多组差异分析结果表格输出图形 8f7ea679ddf9f3f26c54f6918ee8010a.png图9 显著性标识柱形图(两组)db0e1194d0fc683c2923eb0b68d27dc1.png图10 显著性标识柱形图(多组)图形解读:横坐标为两个比较组名称,纵坐标为比较组数据的平均值。*代表显著性,*代表p值小于0.05.**代表p值小于0.01,***代表p值小于0.001,以此类推。Omicshare Tools 包含78个实用的小工具,一键操作,可以帮您快速、便捷的进行图形绘制和数据分析,会员还免费呢,快来Omicshare试试呀!参考文献[1] Ting Z , Pengbo X , Wenxiu W , et al. Arabidopsis G-Protein βSubunit AGB1 Interacts with BES1 to Regulate Brassinosteroid Signaling and CellElongation[J]. Frontiers in Plant Science, 2018, 8:2225.[2] 代资举, 王新涛, 杨青, et al. 玉米雄穗分枝数主效QTL定位及qTBN5近等基因系构建[J]. 作物学报, 2018,v.44(08):27-35.474de9f606ee77e2c68b5b89cf94a1ba.gif实用科研工具推荐      
    详实生信软件教程分享
    前沿创新组学文章解读
    独家生信视频教程发布1833a5d31289b4e542d22355381eb124.gif
    展开全文
  • 今天给大家讲讲芯片数据分析中常见的一些图的作用,让大家伙儿知道它们在BB些啥。箱式图(Box plot)基因芯片的原始数据是需要进行标准化处理的,主要目的是消除由于实验技术(如荧光标记效率、扫描参数的设置、空间...

    ba45e6973084638f624f28717fbfc6a0.gif

    今天给大家讲讲芯片数据分析中常见的一些图的作用,让大家伙儿知道它们在BB些啥。

    箱式图(Box plot)

    基因芯片的原始数据是需要进行标准化处理的,主要目的是消除由于实验技术(如荧光标记效率、扫描参数的设置、空间位置的差异等)所导致的基因表达量的变化,让各个样本和平行实验的数据处于相同的水平,使得基因表达数据真实地反映测量样品的生物学差异。

    箱式图反映的是标准化前后的基因表达数据情况,标准化后,整体数据的中位数会处于同一水平线上(见下方右图),这表明标准化的结果很好。常用的芯片间数据标准化方法有Quantile Normalization和Global Normalization。

    3dd7e8bf48314af05375d6ee6af1a242.png

    散点图(Scatter plot)

    芯片数据的散点图常用于评估两组数据总体分布集中趋势,是由芯片分析的原始数据经过标准化处理,转化为log2的对数后,在一个二维直角坐标系平面中绘制而成的。如果集中趋势不好,则表明芯片数据处理的不好(一般是标准化,归一化做的不好)。散点图中每个点代表一个探针信号,X轴Y轴数值分别对应该探针信号在不同样本中的强弱(下图X轴是Ctrl组,Y轴是Exp组),图中的绿线是Fold change的阈值线(一般是±2),即绿线之外的点在信号强弱(基因表达量)上是具有显著差异的。

    93cf601750652f2e161dbe0821ca1835.png

    聚类分析(Hierarchical cluster)图

    聚类分析是为了寻找数据之间的相似性进行分类。基因芯片数据分析中比较常用的是分层聚类,它是利用一系列计算,首先找到关系最近(基因表达行为具有相关性等)的两群合并,再找关系相近两群再合并,直到所有的群合并到一个组中。用挑选的差异基因的表达情况来计算样本之间的相关性,对差异基因进行聚类分析可以全面地直观地展示样品之间的关系及差异情况(见下图)。一般来说,同一类样本能通过聚类出现在同一个簇(cluster)中(如果同一类样本,比如实验组3个样本,不能被聚类,则说明芯片分析的结果不好),聚在同一个簇的基因可能具有类似的生物学功能。下图就是比较常见的聚类分析的热图(Heat map)。

    82100e011b76d18f6d0bd604933e0d71.png

    1、色表,表示由蓝到红对应到基因表达量的变化,蓝色表示低表达,红色表示高表达;

    2、树状图,X轴方向是样本的聚类,Y轴方向是基因的聚类;

    3、每个色块代表一个基因的表达量,X轴对应所属样本,Y轴对应基因名称。

    火山图(Volcano plot)

    火山图就是长得像火山喷发的图(本宫真的没在瞎BB)。火山图在一张图中显示了两个重要的指标,Fold change和P-value,可以非常直观且合理地筛选出在两样本间发生差异表达的基因。比如下图,X轴是log(Fold change),Y轴为-log(P-value),设置FC和P-value的阈值筛选差异基因,那些红点表示的就是差异基因

    6960484136a35a893f1cf2a69307c860.png

    GO图

    在上次的文章(有关生物信息学你必须要知道的)中提到基因本体论(Gene ontology, GO)是对基因功能的注释,它由许多个词条构成,而这些词条是有层次的,它们具有从属关系,所以这些词条构成了一个有向无环图。GO的最顶层是细胞组分(Cellular Component, CC),分子功能(Molecular Function, MF)和生物学过程(Biological Process, BP)这三个词条。下图就是一个GO富集分析的结果。

    0b753c1b1530dc4579c48e7a2a724def.png

    维恩图(Venn diagrams)

    维恩图用于显示元素集合重叠区域,举个应用的例子吧,芯片分析筛选出的差异表达基因是一个集合,数据库中查询的疾病相关基因是一个集合,我们把这两个集合取一个交集,这个交集中的基因就是我们可能会感兴趣的基因。下图中,作者定义了4个集合,4个集合均取交集的结果为0,所以作者只能退而求其次,选3个集合的交集。

    9f3a93974fd526b50decb8493a8f29b0.png

    文中插图的来源文献:

    1、Exploring functions of long noncoding RNAs across multiple cancers through co-expression network

    2、Microarray profiling analysis of long non-coding RNAs expression in tendinopathy: identification for potential biomarkers and mechanisms

    3、Identification of differentially expressed genes and small molecule drugs for the treatment of tendinopathy using microarray analysis

    4、

    最后,再给大家推荐两篇文章练练手:

    1、Circulating microRNA-150-5p as a novel biomarker for advanced heart failure: A genome-wide prospective study

    2、Genome-wide analysis of long noncoding RNA (lncRNA) expression in colorectal cancer tissues from patients with liver metastasis

    没有下载权限的童鞋可以去SCI-HUB下载(http://www.sci-hub.io/)。

    54db80ede557621e441206d5e1e830aa.png

    908b1d60eefc5f302f3ab66704bbb6f4.png

    6546fabab2af3a5c2fe2189f962afd54.png

    f133ae7b1b36a53beddb0a80eed1f197.gif

    展开全文
  • 接上篇:Tao:数据可视化2-时序数据和比例型数据​zhuanlan.zhihu.com本篇讲另外两种数据类型的可视化方法:对比数据和分布型数据

    e21088614bba4b86c9f86a667799ad84.png

    接上篇:

    Tao:数据可视化2-时序数据和比例型数据zhuanlan.zhihu.com
    c6ed95a12539b608d6f67f968bec25de.png

    本篇讲另外两种数据类型的可视化方法:对比型数据和分布型数据

    展开全文
  • 旋风图是较为常用的数据对比图表,这种“背靠背”式的图表可以更直观地对比两组数据。基本形态的制作第一步首先选取数据(数据我自己编的,以此为例)插入簇状条形图之后你会得到这样一个簇状条形图注意如果你觉得...

    旋风图是较为常用的数据对比图表,这种“背靠背”式的图表可以更直观地对比两组数据。

    4e34c1e2948096df0dcd4c7068645995.png

    基本形态的制作

    第一步

    首先选取数据(数据我自己编的,以此为例)插入簇状条形图

    56b35becd7805ce77ae28a39890740ce.png

    之后你会得到这样一个簇状条形图

    85ba6a9506286304c8cf932b774adef8.png

    注意

    如果你觉得需要将纵坐标年份的顺序进行逆序,在第一步就需要调整好。

    右击纵坐标年份轴设置坐标轴格式,在设置坐标轴格式中选择逆序类别

    在这里我们就用默认的顺序。

    第二步

    旋风图的一大特点就是两个条形往不同的方向发展,在簇状条形图中实现这个的前提是先将两组条形分别放置在不同的坐标轴上。

    选中任意一个条形 (我选的是B地区销量),右击选择设置数据系列格式

    94a998bc17afecf18caea8c6fa323ae7.png

    在弹出的数据系列格式界面中选择次坐标轴

    21eb88bd5c67c8e13e199b5f30bf48db.png

    设置次坐标轴可以将另一组数值(B地区销量)放置于次坐标轴上。

    由于两组数据分别放在了不同的轴上,所以两组数据重合在了一起。

    4ac4431c3418671bb4c2f1a9c56e12a8.png

    第三步

    两个条形放置在不同的坐标轴后,下一步就该考虑如何让两个条形方向相反。因为上一步我们将B地区销量放置于次坐标轴上,A地区销量在主坐标上,所以可以让其中一个坐标轴的顺序反过来,另一个不变,两个条形刚好往相反的方向延申,为旋风图的基本形态做好准备。

    请注意,在这里我们把主坐标轴进行逆序操作而不是次坐标轴,原因我后面会说明

    右击主坐标轴,选择设置坐标轴格式

    ef8599f31ba490adfe6c09826ef52ed0.png

    设置坐标轴格式界面中的坐标轴选项里选择逆序刻度值

    f23280ac32a0459b5a08ae287999d0da.png

    此时你会得到主坐标轴顺序相反,两组数据走势方向相反且部分重叠在一起的条形图表。

    7e83a7a7abcd375cf64347575b6b4172.png

    第四步

    关键步骤,关键步骤,关键步骤。

    虽然现在两个条形的方向相反,但我们的目的是两个条形从中间分别向左右延申,从而形成类似旋风的图形进行对比。也就是说坐标轴正中间的值应该是0,坐标轴的数值分别从中间的0向两边延申。根据这个思路,两个坐标轴的范围应该设置为-100000到100000 (坐标轴边界最大值为+100000,最小值为-100000,即±边界最大值,这里的最大值根据数据情况而定,在本例中,100000比较合适),使0刚好在坐标轴的正中间且左右两边为等值。

    所以,在上一步的设置坐标轴格式界面中,先将主坐标轴的边界的最大值与最小值分别改为100000和-100000

    02533b8eabe4ff958760bebde9545e81.png

    同理,将次坐标轴按照同样的方法设置,得到旋风图的基本形态。

    8701154ccfde9e8f829ea539e2d88740.png

    细节处理

    第五步

    由于后面会在图表上加入数据标签,所以主次坐标轴在这一步就可以删除了。

    分别点击主次坐标轴,按Delete键删除即可。

    这样你会得到一个更简洁的图表。

    66c4ff1d3f9cd60c99046db01ade1f54.png

    注意

    当然如果你想保留坐标轴也是可以的,不过你可能发现了,两个坐标轴的负值很让人揪心,不过可以通过数字格式来纠正,这里简单说一下。

    以主坐标轴为例

    右击主坐标轴设置坐标轴格式,在数字格式代码中输入0;0(英文格式),点击添加。这样坐标轴的负值就消失了。

    稍微解释下。0;0第一个数值代表正数格式,第二个代表负数格式,在这里负数的格式与正数一样去除了负号,所以显示的效果与正数一致。

    同理,在次坐标轴进行相同的设置,这样主次两个坐标轴的值都是正常的了。

    第六步

    中间轴的年份感觉很奇怪,我们可以把它移到左侧。

    右击中间的年份轴,点击设置坐标轴格式

    1e5d8d9f5b34bb17c4a8d5cbd2d94d9f.png

    设置坐标轴格式界面中,将标签里的标签位置改为

    29f7b3bfa7d6b9946732d1e2dd85f1e1.png

    嗯,此时的图表看起来正常了一些。

    d2756ff7a41909107d3e22fb27040007.png

    第七步

    接下来我们让图表背景更加干净简洁。

    我们先来移除年份坐标轴中的线条。

    在上一步的设置坐标轴格式界面中,接着点击填充与线条 (小油漆桶的标志),在线条中选择无线条

    63eff2435a844007034e498b99514cf0.png

    接着再删除图表中的网格线。

    点击灰色的任一网格线 (最好别点最两边和中间的线),按Delete键删除。

    你会得到一个更干净简洁的图表。

    1c82e1529169e868c21e36b480c1641d.png

    第八步

    此时条形形状过窄不太美观,我们可以将条形适量放宽,把它们喂胖。

    点击任一条形,上一步中的设置坐标轴格式界面切换为设置数据系列格式,在设置数据系列格式中点击系列选项 (三根柱形的Logo) ,将间隙宽度改为90% (当然你要是觉得其他值更好也可以)

    54ec1eb9ff7dc68cb119abd6dfe69915.png

    同理,在另一组条形中应用相同的设置。

    两组条形就这样被你喂胖了。

    d57a80608baf237b5cb9f5b5f6165f03.png

    第九步

    现在为条形添加数据标签。

    点击图表的空白处,点击图表旁的加号,鼠标滑到数据标签然后点击后面对应的三角形,在这里数据标签内比较合适 (当然根据具体情况决定)。

    6bb30d5edc9a659e94b96a33259f7c2b.png

    此时你会得到一张带有数据标签的图表。

    嗯,它现在变得有灵魂了

    df59890db9541fadf8200472ad1d8689.png

    第十步

    最后调整下数据标签的颜色大小,修改图表标题,调整标题和图例的位置,再重新修改下两组条形的颜色。

    大功告成

    4e34c1e2948096df0dcd4c7068645995.png

    The One More Thing

    对了,差点忘了一件事。

    现在可以解释下为什么只让主坐标轴逆序而不是次坐标轴。

    其实,主次坐标轴谁逆序都可以,都可以做出一样的效果。这是我第一次做出来的效果,设置的是次坐标轴逆序,不过,图例的顺序与实际图表的顺序是相反的。

    250b36ae32b4f7600ed98c54cf7dd5af.png

    虽然没什么大碍,但总感觉很变扭而且对阅读体验有一定的影响。

    所以我稍微研究了下,问题就出在次坐标轴的逆序。

    简单解释下,这张图中一共两组数据,无论将谁置于次坐标轴上,肯定都有一个放置在主坐标轴上。图例的顺序是以主坐标轴为主的,也就是说放置在次坐标轴上的条形,图例顺序一定在最后 (也就是第二个)。正常坐标轴次序是从左往右,如果将次坐标轴设置为逆序,次坐标轴上的条形一定往左边延申,正好与图例相反。相反,如果将主坐标轴设置为逆序就不同了,主坐标轴上的条形将向左延申且它的图例肯定是排在第一位的,图例顺序与图表顺序正好吻合。

    ef3a522f3db593b172493d9bf5519ba2.png

    当然,说这些只是想提醒大家,要多注意这样的小细节。

    洃小强

    展开全文
  • 可视化学习小组第一周:解构数据可视化【数据科学家学习小组】之数据可视化(第一期)第一周(20191111-20191117)​mp.weixin.qq.com完整的数据可视化过程可以分为四个步骤:确定数据可视化的主题;提炼可视化主题的...
  • 不同的展示方法,其效果往往差异巨大。这里我将结合近期的一些阅读和实践,试图给出一些方法,希望能帮助到你。1. 展示之前的思考在正式开始展示数据之前,希望你去思考几个问题。这些问题将有利于你后面的一些选择...
  • 使用DESeq2进行两组间的差异分析

    千次阅读 2018-09-26 19:58:00
    欢迎关注”生信修炼手册”!DESeq2 接受raw count的定量表格,然后根据样本分组进行差异分析,具体步骤如下1. 读取数据读取基因的表达量表格和样本的分组信息两个文件,其中表达量...
  • 使用limma进行两组间的差异分析

    千次阅读 2018-10-03 19:32:00
    欢迎关注”生信修炼手册”!limma这个R包可以用于分析芯片数据,也可以分析NGS测序的数据,其核心是通过线性模型去估算不同分组中基因表达量的均值和方差,从而进行差异分析。limma也是...
  • 为了找出报表里多出了哪些数据,需要将报表数据与系统数据进行对比。 报表里的数据量大,手动对比浪费时间,所以找到这个使用VLOOKUP函数的方法。 下面统一抽象表示为表A,表B。 情况:表A的数据大于表B数据。 ...
  • 欢迎关注”生信修炼手册”!edgeR 接受raw count的定量表格,然后根据样本分组进行差异分析,具体步骤如下1. 读取文件需要读取基因在所有样本中的表达量文件,示例如下gene_...
  • 本文总结了数据分析和可视化中非常实用的几种图表,并以不同情景进行分组。01 为什么图表在科学出版物中很重要?复杂的数据有时可能难以用简洁的文字解释清楚,但却可以通过图表的形式予以直观...
  • 按照常规操作,我可能需要给你讲一下考试介绍和考情分析,但是那些百度能搜到的废话我确实不想写。那么, 我们直接进入正题。以上有吹拉弹唱视频版,以下润物无声文字版,根据个人喜好酌情观看。我个人建议先看视频再...
  • 可视化不是单纯的数据展示,其真正价值是设计出可以被读者轻松理解的数据展示。数据与合适的图形结合,不仅能够让复杂的统计数字...1、 柱状图适用场景:以柱子的高度用来比较两个或以上数值之间的差异。优点:人...
  • 分析: 首先进行t检验分析三组之间是否有差异,如果没有差异,则结束,如果有,则说明三组之间最少有两组差异 进行多重比较分析到底是哪几组之间有差异 操作步骤: 数据输入 单因素方差分析 成绩选入因变量,方法...
  • 在高通量测序分析领域中,最常用的是两组间的比较,展示的方式有火山图、曼哈顿图等,而三组互相两两比较需要展示三个图吗?就没有更好的展示方式了吗?三元图的引入解决了这一问题。近年来,常用于展示三组间的...
  • 抽象:对比两组数据X,Y(假设都符合正态分布),均值差异是否显著。 例:试验组结果对比对照组结果。 方法: 利用统计学假设检验,结合python脚本自动化出结果。 流程: 先利用levene检验,检验两总体的方差齐性,...
  • 本文来源:小麦研究联盟今天跟大家详细总结一下我们农业试验数据统计中常用的 量,图,和线。如果不想看下边长篇大论,请看小编给您总结的懒人包:标准差:群体的标准差是...右边的图大家应该比较熟悉,它的意义是判...
  • 数据来源:样本均值,顺序统计量,样本中位数, 样本方差,样本标准差,直方图,核密度估计曲线,经验分布函数图,箱形图;matlab实现 (1)检验每组数据是否服从正态分布; 第一组数据利用Matlab编译程序如下...
  • SPSS比较两组数据有无显著性差异 独立样本T检验

    万次阅读 多人点赞 2021-01-15 12:08:26
    输入两组需要检验有无显著性... 0.05,两组数据的方差无显著差异,可以认为两个独立样本的方差一致 平均值等同性t检验,第五列Sig.(双尾)=0.786 在满足方差齐性的条件下,sig = 0.786 > 0.05,可以认为A、B组数据均
  • 这两组分数原始分分布不同,但平均数都是70,转化为Z分数后,可以分别看到这两组数据各自分数的相对位置,注意是各自的,也就是说如果你直接单看这两组的Z分数,通过这两组的Z分数比较这两组差异是没有意义的。...
  • python-两组数的差异

    千次阅读 2019-02-13 12:49:26
    两组数的差异(10分) 题目内容: 给出两组相同数量的整数,求这两组整数的差异估算,即:对应数差值平方之和。 第一组为a1, a2....an 第二组为b1, b2....bn 求 (a1-b1)^2+(a2-b2)^2+....+(an-bn)^2   输入...
  • Excel图表的作用非常重要,...如上图所示,我们需要通过每款产品的销量和转化率做柱状图来展示数据对比。因为销量是百分数,转化率是百分比,所以数据维度上面两组数据相差很大。通过这两组差异数据如果只是做柱状图...
  • 该检验需要符合随机分布的假定,也就是说,两组个案数据间的差异无其他人为的影响因素。 需要注意的是,“独立样本T检验”检验的是两组个案,而不是两个变量,因此需要构建个案组数据;另外,其分组变量需用数值...
  • 对于一部分研究对象(这部分研究对象称之为实验组)施加这种新方法(我们称之为干预),另一部分研究对象(这部分研究对象称之为对照组)不施加新方法,最后用数据对比两组差异,用来证明这种方法的有效性。...
  • Excel数据分析总结 excel提供的数据分析功能! 对两个正态总体样本均值之差进行检验:excel提供了z检验-双样本平均差检验 对两个正态总体方差进行比较需要用方差比:excel提供了F检验-双样本方差检验 excel未提供单...
  • //这里我县循环的是取回来的数据,因为towZb是元数据,可能会没有值 for (var i = 0; i ; i++) { //创建开关 var flag = true; for (var j = 0; j ; j++) { //如果id相等修改开关 if (row[i].datapool_id == ...
  • 如图1所示,可以看到,独立样本T检验仅包含了检验变量,因此,需要使用个案组数据进行检验,而其分组变量是作为标识两组个案使用的。接下来,我们通过示例数据学习下操作。 图1:独立样本T检验 一、选择变量 ...
  • 第一组: 98.9 6.6 90.5 675.2 ...求实现下面需求结果的C#实现代码(或更好的说明数据变化的算法代码也行): 输出新增 : 91.8 50 87.8 88.88 输出改变: 90.5 -300 输出消失(可能有多行): 76.7 45.8

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 11,477
精华内容 4,590
关键字:

两组数据对比差异分析