精华内容
下载资源
问答
  • NBA数据的Echarts 数据分析图表

    千次阅读 2019-06-02 23:28:39
    1、数据 NBA 猛龙队和勇士队 2、软件 Echarts Gallery 3、代码 已在GitHub共享 对NBA数据进行简单Echarts分析 4、截图

    1、数据

    NBA 猛龙队和勇士队

    2、软件

    Echarts Gallery

    3、代码

    已在GitHub共享

    对NBA数据进行简单Echarts分析

    4、截图

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    展开全文
  • 使用Superset创建数据分析图表

    万次阅读 2018-06-01 00:44:25
    条件准备 安装superset ...登陆superset界面,选择数据源(Sources)->数据库(Databases) 点击右上角加号(Add a new record) 填写表单,主要填写以下内容: – 数据库(自定义) – SQLAlch...

    条件准备

    Superset增加MySql数据库

    • 登陆superset界面,选择数据源(Sources)->数据库(Databases)
    • 点击右上角加号(Add a new record)
    • 填写表单,主要填写以下内容:
      – 数据库(自定义)
      – SQLAlchemy URI(mysql://username:passwd@ip:port/school)
    • 点击测试连接(Test Connection),退出“Seems OK!”说明数据库连接正常
    • 点击表单最下面的保存(Save)
    • 查看数据库记录,可进行查看、编辑、删除操作
      备注:如果是采用docker安装的mysql,其ip可以通过以下命令获取
    docker inspect –format=’{{range .NetworkSettings.Networks}}{{.IPAddress}}{{end}}’ 容器id

    superset界面

    填写表单

    数据库

    创建一个数据表(Table)

    • 登陆superset界面,选择数据源(Sources)->数据表(Tables)
    • 点击右上角加号(Add a new record)
    • 选择数据库(Database)->上一步添加的数据库
    • 表名(Table Name)->数据库中的表
    • 点击表单最下面的保存(Save)
    • 查看数据表记录,可进行查看、编辑、删除操作

    创建数据库表
    填写数据表表单
    查看数据表

    创建一个图表

    • 登陆superset界面,选择图表(Charts)
    • 点击右上角加号(Add a new record)
    • 选择数据源(datasource)->上一步新增的数据表
    • 选择图表类型(Choose a visualization type)->饼图(Pie Chart)
    • 创建新图表(Create new slice)
    • 选择Query为”COUNT(*)”,选择Group by为”sex”(意思是查询所有数据,并按照sex来分组)
    • 点击左上角Run Query
    • 点击左上角Save,可将图表保存到看板(Dashboards)中
      图表
      饼图
      备注:我在school数据库中有一个student的数据表(具有sex属性),并在其中插入两个数据,所以饼图正确统计了数据表中的内容

    作者个人网站原文链接:使用Superset创建数据分析图表

    展开全文
  • 柱状图、饼状图、折线图、散点图,数据分析图表有很多,用excel就可以生成,但是本文我想告诉你的是,通过这些图表该怎么分析? 常见的6种数据分析图表及应用方式: 1.柱状图:用于比较 柱状图是最基础的一种...

    作者| 诸葛君

    你知道哪些做数据分析的图表?柱状图、饼状图、折线图、散点图,数据分析图表有很多,用excel就可以生成,但是本文我想告诉你的是,通过这些图表该怎么做分析?

    常见的6种数据分析图表及应用方式:

    1.柱状图:用于做比较
    在这里插入图片描述
    柱状图是最基础的一种图表,通过柱子来表现数据的高度,进而比较不同数据之间的差异,一眼可以看到数据量的大小对比,一般来说,柱状图的横轴是时间轴,纵轴是数据轴。

    但柱状图并不是万能的,需要基于某一个主题比较数据量的变化,比如不同月份的新增用户,不同渠道的新增用户,但如果将活跃用户、留存用户、新增用户这三个维度放在一张柱状图里比较,就没有太大意义。

    2.折线图:看数据变化的趋势

    折线图一般基于时间维度看数据量的变化趋势,发现整体走向和单体突出数据,比如通过折线图可以看出全年的新增用户变化情况,找出数据变化的高点和低点,而柱状图则用来对比不同高点之间的变化,进而找原因。

    折线图可以将不同纬度的数据放在一起比较,比如新增用户、活跃用户、流失用户三条用户变化曲线放在一起,就可以观察三者之间的彼此影响,例如新增用户量大时有没有对活跃用户带来提升,流失情况是否严重,进而得出活动效果的综合评价。

    3.饼状图:用来看各部分的占比

    饼状图和柱状图在应用上有一定的重合,例如不同渠道带来的新增用户量,饼状图和柱状图都可以表现,但饼状图看的是单一渠道转化用户的占比,柱状图更容易发现不同渠道转化用户的差距。

    饼状图的应用重点在于发现单体因素在整体因素中的占比,例如活跃用户在整体用户中的占比,但如果用多个单体因素做饼状图,可能导致数据特征不明显。

    4.散点图:用于2维数据的比较

    散点图可以用于3维数据的表现,同时可以进行2维数据的比较。例如将不同活动带来的新增用户和留存用户进行比较时,横轴为留存用户,纵轴为新增用户,而点则表示不同的活动主题。

    从而可以看出不同活动主题的用户转化和留存情况,一般我们将数据大的维度作为纵轴,更有利于屏幕的展示。

    5.气泡图:用户3维数据的比较

    气泡图是对散点图的升级,通过散点图中点的大小来表现第三维数据,例如将上文案例中,横轴为留存用户,纵轴为新增用户,点为活动主题,而点的大小为活跃用户数量,活跃用户越高的活动点越大,可以看出不同活动在新增、留存和活跃3个维度的数据差异。

    6.雷达图:思维以上数据的对比

    雷达图可以应用于多维度数据对比,比如在分析不同用户的行为特征时,我们可以从启动次数、使用时长、购物次数、浏览商品数量、下单金额等多个维度进行分析,那么反映到图表上就可以看出不同用户群组特征在不同维度的差异。

    雷达图一方面可以发现不同群组用户的特征对比,另一方面可以总结不同用户的特征,例如还是以上几个维度,我们可以以1个指标为关键指标,如下单金额指标,观察出下单金额高的用户在浏览商品数量、使用时长等方面的表现,进而找到提升下单金额的方法,如提高用户的商品浏览数量。

    总结:数据分析的图表多种多样,不同图表之间也可以进行组合分析,如将柱状图和折线图组合,折线图反应的是整体变化趋势,柱状图反应的是关键节点的数据差异,可以从一张图标上观察到两个维度的数据对比。

    展开全文
  • 可视化数据分析图表设计必学技巧

    千次阅读 2019-12-10 20:07:27
    这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的...,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入...

    前言

    图表,是数据可视化项目中最常见、最基础的元素,而在不同的数据结构下选择不同的图表,就会产生不同的效果,它的选择和使用,往往是制作可视化数据分析图表最重要的一步。合适地选择图表,不仅能够更加清晰明了地呈现数据之间的态势和逻辑,同时在也更加符合人体视觉感官的体验。
    (声明:以下数据纯属虚构并无实际意义)

    1、表格(多维度多指标)

    表格是最传统的数据展现方式,它所承载的信息多而密集,可以同时分析多维度、多指标数据,适合对数据敏感的人群使用。虽然表格能看到具体的数值,但是不能直观看到趋势、比重。

    例图1(简单表):
    在这里插入图片描述
    例图2(交叉表):
    在这里插入图片描述
    使用表格时需要记住一点,要让设计融入背景,让数据占据核心地位,不要让厚重的边框和阴影与数据争夺用户的注意力。 相反,使用窄边框或者干脆去掉边框,来突出数据。

    2、柱状图(类别比较)

    柱状图是使用频率最高的图表,甚至没有之一,使用场景又能被分成以下几个:

    数据视图:
    在这里插入图片描述
    适用场景(各个类别做对比):
    1.反映时间趋势,与折线图比较的话,柱状图更能体现出每一个数据的
    细节部分;
    2.同个时间下,不同类目/类别数据的比较,反映出类别之间的差异;
    3.数据不会很多的情况下,例如2~8个序列的时候,如果要比较,可以
    优先使用“柱状图”,超过这个序列的时候,选择折线图,或者动态图表
    每次只展示一部分数据;
    4.同项目多时间段,使用“簇状柱形图“。

    优点:人眼对高度较敏感,直观各组数据差异性,强调个体与个体之间的比较。

    局限:分类过多则无法展示数据特点。

    总结:
    2~8个序列,需要比较的时候使用柱状图;

    需求:
    1.请绘制2014年六大一线城市的营收对比图(单位:百亿)
    2.请绘制2018~2019年六大一线城市的营收对比图(单位:百亿)

    柱状图主要配置:
    网格线、系列重叠、间隙宽度、数据标签

    例图1:
    在这里插入图片描述
    例图2:
    在这里插入图片描述
    维度:2 度量:1+

    3、条形图(类别比较)

    与柱状图对应的就是条形图,如果比较一组或多组数据、优先观察数据的分布、类别名称比较长等,优先使用条形图,展示效果会比柱状图要好不少。文字从左到右理解,结构与人们阅读习惯比较相似,容易阅读。

    数据视图:
    在这里插入图片描述
    适用场景(各个类别做对比):
    1.同一事物在不同时间的变化优先使用条形图,其次才是柱状图
    2.用数量来观察各种信息大小的时候使用条形图;
    3.类别名称比较长的时候优先使用条形图而不是柱状图,这样能让类别
    名称完整显示出来;
    4.多项目多时间,使用“簇状条形图“;
    5.不能排序的项目优先使用“条形图”然后才是“柱状图。

    局限:分类过多则无法展示数据特点。
     
    总结:
    同一事物不同时间,观察数据分布,类别名称比较长的时候使用条形图
    跟直方图类似,适用于频率统计。

    需求:
    1.请绘制“学猫叫”的热度分布图
    2.请绘制网易云七大神曲“9/10月”热度分布图

    条形图主要配置:
    网格线、系列重叠、间隙宽度、数据标签、逆序类别

    例图1:
    在这里插入图片描述
    例图2:
    在这里插入图片描述
    维度:0 度量:1

    4、饼图/圆环图(占比分析)

    如果是要统计数据的占比情况,那么就选择饼图,或者是圆环图,这个系列的图表能很清晰地展示数据的占比情况,当两个数据大小差不多时,难以察觉。

    数据视图:
    在这里插入图片描述
    适用场景(占比分析情况):
    展示数据分布,需要统计占比分析的情况,数据不用转换成百分比,直接使用原始数据即可

    优点: 直观显示各项占总体的占比,分布情况,强调整体与个体间的比较。

    局限:分类过多,则扇形越小,无法展现图表。

    需求:
    请绘制“2019年6大手机出货量占比图”,参考“例图1”,并且将
    iPhone xs"系列扇形分离;

    注意:
    1.数据系列一般在1~8个,超过8个,饼图会变得非常拥挤,数据差异不
    很大的情况下可以使用饼图/圆环图
    2.数据差异较大的时候,除非为了突出,要不然可以使用“条形图“来实
    现对比;
    3.饼图尽量不要分离太多扇区,分离扇区起到突出重点的作用,分离过多
    则无意义;
    4.圆环图不要分离任何扇区,因为突出意义不大,圆环图一般用于仪表盘
    的数据显示,在后面的误程中会讲解到。

    饼图/圆环图主要配置:
    图例、数据标签

    例图1:
    在这里插入图片描述
    例图2:
    在这里插入图片描述
    维度:1 度量:1

    5、散点图(双变量分析)

    散点图能直观精确反映数据之间的相关性,一般在回归分析会用到,最常见的是用于分析数据之间的关联,有以下几种联系:
    在这里插入图片描述适用场景(XY双变量分析):
    XY两个变量之间的关联与联系,例如:身高/体重、广告投放/收入等等,如果需要分析变量之间的关系,则使用散点图。

    优缺点:
    1.可以用于展示数据的分布和聚合的情况;
    2.适合展示比较大的数据;
    3.看上去比较乱,数据细节不明显,只能看到相关、分布、聚合等信息。

    例图1:
    在这里插入图片描述
    例图2:
    在这里插入图片描述
    例图3:
    在这里插入图片描述
    维度:0+,作为颜色 度量:2

    6、气泡图(三变量分析)

    在散点图的基础上,如果数据的维度增加多一维,那么就可以使用气泡图,气泡图的性质与散点图接近,但是不适合展示大量数据,一般也可以用来观察少量数据的分布情况。

    数据视图:
    在这里插入图片描述
    适用场景(XZ三变量分析):
    XYZ三个变量之间的关联与联系,例如:身高/体重/年龄、广告投放/收入/转换比等等,如果需要分析三变量之间的关系,则使用气泡图

    优点: 直观反映数据集中情况,对离散数据线性回归等曲线预测性的拟合辅助作用

    局限:数据量小的时候会比较混乱。

    需求:
    请绘制“身高-体重-年龄”相关气泡图,并分析“气泡图”与“散点图
    的差异;

    注意:
    1.如果数据差异极大,那么可以考虑将气泡进行一定的缩放,让数据看起来不会这么夸张
    2.气泡图不适合大量数据,大量数据会让气泡图丧失意义,数据尽量在1~8个左右,与柱状图、条形图相似;
    3.气泡图也不能展示细节,只能用来简单观察分析数据,一般在数据汇报
    处代替表格。

    气泡图主要配置:
    网格线、敔据标签、坐标轴标題、气泡大小、大小表示、水平坐标轴刻度线、负数气泡为“白色异常值

    例图1:
    在这里插入图片描述
    与散点图一样,也可以绘制多组数据系列。
    例图2:
    在这里插入图片描述
    维度:1+,作为颜色 度量:3,其中1个是气 泡大小

    7、雷达图(多属性分析)

    如果数据的维度暴增,变成了4~10维的话,那么要对比他们的差异,使用雷达图是最佳的,但是雷达图有一个限制,就是数据量不能很大,并且尽量让数据归一化进行对比(同数据量对比),否则会丧失意义。

    数据视图:
    在这里插入图片描述
    适用场景(同对象或者多对象多属性分析):
    1.雷达图适用于多维数据(四维以上),并且每个维度可以排序的场景,
    数据系列一般在1~3个左右,太多的话很难辨别。
    2.用来了解各项指标变动情况以及好坏分析。
    3.数据可排序。

    局限:分类过多或变量过多,会比较混乱。

    需求:
    请绘制“学员A/B十大水平能力测试”雷达图,并且分析“雷达图”与
    条形图”在使用上的一些异同

    注意:
    1.数据系列一般在1~3个左右,超过的话,辨别会有难度;
    2.维度一般在10维以下,太多的话,雷达图就像一个圆,辨别也会有难度;
    3.使用雷达图的数据,必须支持排序,如果不能排序就没有意义,因为不能排序的数据并不属于同一类可对比数据,例如月份作为维度。

    雷达图主要配置:
    网格线、Y轴坐标轴线条

    例图1:
    在这里插入图片描述
    例图2:
    在这里插入图片描述
    除了以上的注意事项之外,雷达图由于是全部连接在一起的,这就要求数据之间没有什么关联,并且可排序,如下就是错误示范:
    在这里插入图片描述
    错误示例:
    在这里插入图片描述
    维度:1+ 度量:1+

    8、折线图(趋势分析)

    如果数据量比较大,并且数据是沿着某个方向进行有规律变化的,那么就可以使用折线图,它用线条将相关数据连接起来,能直观看出随着x轴变化,y轴是怎样的变化趋势。

    数据视图:
    数据量较大不便展示,请直接例图。

    适用场景(反应整体的趋势):
    观察一个或者多个数据指标连续变化的趋势
    根据需要与之前的周期进行同比数据分析
    反应数据在一个有序的变量上的变化,可以清晰展示数据的增减趋势
    增减的速率、增减的规律、峰值等等。

    需求:
    1.请绘制“东京/伦敦平均气温”变化趋势图
    2.请绘制余额宝2013~2018年收益率变化的趋势

    注意:
    在每张图表中不能一次展示太多折线图,否则数据会非常混乱,折线图
    的数量在1~3条即可

    优点:
    1.能很好展示数据沿某个维度的变化趋势
    2.能比较多组数据在同个维度上的趋势;
    3.与散点图一致,适合展示大量数据,如果数据量大,选择不带标记,数
    据量少,选择带标记的折线图。

    局限:无序的类别无法展示数据特点。

    折线图主要配置:
    网格线、Y轴坐标轴线条

    少量数据反应数据细节和趋势:
    在这里插入图片描述数据量大的时候,可以看出整体的趋势,例如下图余额宝七日年化收益率的变化:
    在这里插入图片描述
    维度:1+,可对比
    度量:1+
    时间维度:X轴

    9、面积图(趋势分析)

    面积图是折线图的变种。 面积图更注重数据类别之间随着时间趋势的变化关系。
    在这里插入图片描述
    适用场景:面积图除了可以像折线图一样表达变化趋势,还可以通过层叠的阴影面积反映差距变化。

    优点:颜色的填充可以更好的突出趋势信息。

    相似图表:
      · 数据监控面积图:用于显示每个数值所占大小随时间或类别变化的趋势线,展示的是部分与整体的关系。比如服务器CPU、内存等监控场景。
      · 横向面积图:用横向面积来展示趋势信息。只是与竖向面积图的不同展现样式。

    10、组合图(不同数量级)

    更新于2019年12月10日,未完待续。。。

    展开全文
  • 常用的数据分析图表及方法介绍

    千次阅读 2019-01-21 21:46:07
    也许你是一位管理客户的负责人,当你看到客户响应率降低,你想知道原因;...下面我们就来谈谈最常用的数据分析图表及方法。 一、基本图表分析 1.对比分析 •预警分析 用预警色、图标集等方式对关键指标...
  • 在PPT制作中,将原本复杂散乱的数据,以图表的形式表现出来,可以让观众迅速看懂数据信息,懂得演示者的意思。本次办公资源分享的PPT数据图表模板选取了大家常用的数据图表类型,比如条形图、饼形图、环状图、曲线图...
  • 如何用Smartbi做数据可视化分析图表

    千次阅读 2020-07-10 11:22:45
    信息的质量很大程度上依赖于其表达方式,同样的,对数据进行数据分析后,结果可视化可以帮助用户更好地理解数据信息,挖掘数据价值。数据可视化的本质就是视觉对话,数据可视化将数据分析技术与图形技术结合,清晰...
  • 数据分析图表解读——生信part

    千次阅读 2019-03-14 16:34:08
    数据经过分析,将 物种分类树和分类丰度通过软件 GraPhlAn( http://huttenhower.sph.harvard.edu/GraPhlAn )进行绘制,可以展示: 物种之间的进化关系、不同样本之间的物种分布丰度、最高分布样本信息 等信息。 ...
  • ECharts基础视频教程--大数据分析图表

    万次阅读 热门讨论 2016-06-24 11:30:32
    ECharts,缩写来自Enterprise Charts,商业级数据图表,一个纯Javascript的图表库,可以流畅的运行在PC和移动设备上,兼容当前绝大部分浏览器(IE6/7/8/9/10/11,chrome,firefox,Safari等),底层依赖轻量级的...
  • 几种常见的数据可视化分析图表

    千次阅读 2019-08-22 16:55:17
    数据可视化的数据分析图表,借助于可视化的大屏,将数据以图表的形式进行汇总分析,加快着用户对于数据的接受时间,同时对于整体的布局美观,也是一种合理化的设计。如何设计数据可视化分析图表,又有哪些数据可视化...
  • 整理了部分数据分析图表

    千次阅读 2017-10-03 18:31:19
    整理了部分常见图表。 另外如何将excel转变为MarkDown能识别的表格? 直接将表格复制到下面这个网页转换即可。 http://pressbin.com/tools/excel_to_html_table/index.html 序号 图表名 做法 用途 描述 ...
  • 虽说配色是设计师的专业范畴,而且对于专业的设计师来说,配色也...俗话说,不会配色的数据分析师不是好员工。好看的图表配色方案应该是不刺眼的,颜色过渡自然,不会使用大量的禁忌色,让人能觉得更加舒适和谐。 ...
  • PySpark处理数据图表分析

    万次阅读 2016-04-23 01:57:58
    PySpark处理数据图表分析         PySpark简介 官方对PySpark的释义为:“PySpark is the Python API for Spark”。 也就是说pyspark为Spark提供的Python编程接口。Spark使用py4j来实现python与...
  • excel数据分析常用图表制作案例

    千次阅读 2019-11-07 13:07:26
    图1:excel柱状图加图片展示制作,柱状图+折线图混合使用 图2:excel制作桶装水图(水银图),柱状图+柱状图混合使用 图3:excel制作人体柱状图,层叠缩放图 ...图4:excel制作仪表盘制作,圆环图 + 扇形图混合...
  • Python数据分析:手把手教你用Pandas生成可视化图表

    万次阅读 多人点赞 2018-03-16 18:56:32
    作为数据分析工具的集大成者,pandas作者曾说,pandas中的可视化功能比plt更加简便和功能强大。实际上,如果是对图表细节有极高要求,那么建议大家使用matplotlib通过底层图表模块进行编码。当然,我们大部分人在...
  • 巧用Superset大数据分析平台搞定各类图表

    万次阅读 热门讨论 2017-07-13 13:23:21
    介绍Superset的中文翻译是快船,而Superset其实是一个自助式数据分析工具,它的主要目标是简化我们的数据探索分析操作,它的强大之处在于整个过程一气呵成,几乎不用片刻的等待。 部署docker方式(推荐)docker ...
  • python小白,在“一心学”公众号学习了一点疫情数据分析可视化的课程,记录下来,供小白参考。 目录 一、基本数据的查看和初步处理...第一章内容发布在(使用Python制作疫情数据分析可视化图表(一))https://blog....
  • 数据分析之常见图表类型与应用

    千次阅读 2020-06-26 00:39:12
    纬度Y轴,更倾向于洞察数据,在不同类别下的数据规律 纬度:1+,Y轴 度量:2 客户消费维度: 消费金额和消费次数的关系 消费金额和最后一次距今消费天数的关系 消费次数和最后一次距今消费天数的关系 客户其他消费...
  • python小白,在“一心学”公众号学习了一点疫情数据分析可视化的课程,记录下来,供小白参考。 目录 一、基本数据的查看和初步...第一、二章内容发布在(使用Python制作疫情数据分析可视化图表(一),https://blo...
  • 如何选择正确的图表类型 图表那么多,该选哪一个?(附终极选择指南) 一张图告诉你如何选择合适的图表(一) 一张图告诉你如何选择合适的图表(二) 如何选择最佳展示图表...
  • Excel学习笔记一Excel图表数据分析

    千次阅读 2014-10-24 00:56:55
    但Excel提供的功能对于我们这些非专业人士已经足够了,通过透视表一些多维分析,通过应用商店找一些炫的图表,通过插件一些简单的数据分析,通过VBA和不厌其烦的调试也可以一些”专业“的图表,这也是我们的...
  • 智分析是一款面向业务用户的自助分析云平台,只需要会Excel,就能摆脱束缚、自由分析,真正做到让人人都是数据分析师。 Excel用户的云神器 使用您熟悉的Excel,不用学习复杂的新软件。 Excel直连数据库,不用在各种...
  • DataViz数据可视化分析工具中的南丁格尔图也叫南丁格尔玫瑰图、鸡冠花图或极坐标区域图。是由弗洛伦斯·南丁格尔发明的。南丁格尔是英国护士和统计学家,出生于意大利的一个英国上流社会的家庭。虽然出身贵族...
  • 1、安装库: pip install pyecharts 2、词云: shape参数用来调整词云形状, word_size_ragne限定字体大小范围,更多参数请参考API ...3、统计图表(饼状图,条形图,折线图): shape参数用来调整...
  • 大数据时代,数据驱动决策。处理不好庞大、复杂的数据,其价值将大打折扣。 那如何缩短数据与用户的距离?让用户一眼Get到重点?让老板为你的汇报方案...基于分类 / 时间的数据对比,通常需用到比较型图表。用户通...
  • 在数据可视化领域我们经常使用各种图表来形象直观的展现数据,业务人员或者数据分析人员可以通过图表分析公司业务的经营状况,发现公司经营过程中潜在的隐患,还可以通过图表挖掘其中潜在的价值。那么常见的图标有...
  • 如何在vue项目中实现图表进行数据分析

    千次阅读 热门讨论 2019-07-04 20:51:33
    第一种方式 :vue-schart 1.安装vue-schart插件 npm i vue - schart - ...查看配置文件中package....下一篇博客小编给大家介绍,图标如何绑定数据,实现真的数据分析,博客链接如下: vue中v-chart实现数据绑定

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 127,176
精华内容 50,870
关键字:

如何做数据分析图表