- 综合排序
- 最热优先
- 最新优先
- 来自专栏叶子陪你玩编程
数据可视化-入门2
(-20, 22, 2)] y2 = [15*i for i in range(-20, 22, 2)] # 传入数据到plot 折线图类型图表 plt.plot(x, y1) plt.plot(x, 解释： 很容易理解，准备好数据，直接多次调用plt.plot()就可以了，和上文绘制单个图形是一样的方法。 (2, 2, 1) plt.title('1') plt.imshow(image_1) plt.subplot(2, 2, 2) plt.title('2') plt.imshow(image_2) 代码： import matplotlib.pyplot as plt # 数据准备 x = [i for i in range(-20, 22, 2)] y1 = [i**2 for i in range (-20, 22, 2)] y2 = [i*2 for i in range(-20, 22, 2)] y3 = [-i*2-5 for i in range(-20, 22, 2)] y4 = [i*
63820发布于 2020-03-12 - 来自专栏Java实战博客
Grafana 数据可视化 2 Linux安装
自己前往：https://grafana.com/grafana/download 下载自己的服务器系统类型
81030编辑于 2022-04-28 - 来自专栏优雅R
「R」ggplot2数据可视化
我们先了解下 ggplot2 的格式与术语。 格式与术语 数据格式 对ggplot2来说，数据的结构是一成不变的：它要求是“长”格式的数据框，而不是相反的“宽格式”。 当数据为长格式时，每行表示一个条目。其所属的分组不由它们在矩阵中的位置决定，而是在一个单独的列中指定。 术语 数据是我们想要可视化的对象。它包含了若干变量，变量存储于数据框的每一列。 最后一个是car包中的Salaries数据集，它包含大学教授的收入信息，并用来探索性别差异对它们收入的影响。这些数据集提供了各种可视化的挑战。 Salaries by yrs.png 统计函数： ggplot2包中含有大量统计函数来计算所需的量，从而生产更多的可视化数据。通常情况下，几何函数隐式地调用统计函数，我们不需要直接处理这些问题。 x='', y='',fill='Gender') theme(legend.position=c(.1,.8)) # 图例的左上角分别距离左侧边缘10%，底部边缘80% 标尺 ggplot2包使用标尺把数据空间的观察值映射到可视化的空间中
10.8K10发布于 2020-07-03 - 来自专栏数据分析与可视化
数据可视化(2)-Seaborn系列 | 散点图scatterplot()
本篇是《Seaborn系列》文章的第2篇-散点图。 size：数据中的名称 作用：根据指定的名称(列名)，根据该列中的数据值的大小生成具有不同大小的效果。可以是分类或数字。 style:数据中变量名称(比如：二维数据中的列名) 作用：对将生成具有不同破折号、或其他标记的变量进行分组。 产生颜色和大小不同的点的散点图 """ sns.scatterplot(x="total_bill", y="tip",hue="time", size="time",data=tips) plt.show() [7n8p2qebl2 sns.scatterplot(data=wide_df) plt.show() [pb5s0yzjdy.png] 案例地址 案例代码已上传：https://github.com/Vambooo/SeabornCN 整理制作：数据分析与可视化学研社
25.7K23发布于 2019-09-16 - 来自专栏优雅R
「R」数据可视化2 : 箱形图
本文作者蒋刘一琦 在生物领域我们常常使用R语言对数据可视化。在对数据可视化的时候，我们需要明确想要展示的信息，从而选择最为合适的图突出该信息。 主要用于反映原始数据分布的特征，并且可以进行多组数据分布特征的比较。 箱形图怎么画 (1) 需要什么格式的数据 我们需要的数据只要两列，一列为x，一列为y。本次我们使用R中提供的iris数据。 ? (2) 如何使用ggplot2做箱形图 利用ggplot2画图的核心命令是geom_boxplot。我们先来尝试做一个最最基础也是最丑的boxplot图。 #加载包 library(ggplot2) #作图 ggplot(iris,aes(x=Species,y=Sepal.Length))+ geom_boxplot() ?
2.8K10发布于 2020-07-06 - 来自专栏人工智能
机器学习工作流程（第2部分） - 数据预处理
本译文自EROGOL 在 http://www.erogol.com 发表的 ML WORK-FLOW (Part2) - Data Preprocessing ，文中版权、图像代码的数据均归作者所有。 下面详细介绍了我提出的机器学习工作流程的第一步讨论，即数据预处理。 数据预处理是一个重要的步骤，其中的主要目的是提高原始数据质量，然后再深入研究技术问题。 我也在工作流程中说过，数据预处理是ML以外的统计工作。也就是是说，数据预处理需要在做出任何可能的决定之前进行良好的数据推理和分析。这些组件不是ML课程的主题，而是一个统计数据。 我们可以将数据预处理分成5个不同的部分; 数据集成 数据清理 数据转换 数据离散化 数据减少 数据集成 将来自不同来源的不同格式数据转换成之后要使用的统一格式。 这些工具使您能够从单一视角到达不同的来源，并将数据与已定义的均一化数据流合并。令人遗憾的是，数据集成本身递归地包括其他标题。
1.6K00发布于 2017-12-22 - 来自专栏终码一生
推荐2个Springboot的工作流项目，轻松搞定工作流！
今天主要推荐两个工作流的springboot项目，开源项目中有具体的部署操作文档，核心表结构说明，都可以帮助理解工作流原理，其实大厂华为阿里里面的工作流虽然号称自研（很多都是参考开源），跟开源工作流的原理差不多的 工作流出问题比较高频的是配置出现低级问题，比如少一个符号或大小写不规范，别问我怎么知道的（玩工作流好几年了），工作流玩熟悉了，开发效率是极快的。 自带的用户、角色功能，因为过于简单，转而自行实现一个用户、角色、权限的三级结构，用户到角色，角色到权限均为多对多映射，持久层框架使用mybatis的collection和association标签嵌套实现； 2. ，使用业务号（businessKey）建立关联流程数据和业务数据的桥梁，使其相互可以访问,业务数据的主键即为业务号； 5.本系统所有表单均使用普通表单，而不是activiti的动态表单和外置表单，这样做是为了分表存放业务数据和流程数据 12.效果图： 2 RuoYi-vue 4.x + flowable 基RuoYi-vue 4.x + flowable 6.5 的工作流管理 ~ 一直想学习和入门flowable, 期间大量面向百度编程解决了很多问题
3K40编辑于 2022-04-15 可视化拖拽玩转 Claude Code 工作流
基于 VS Code 的 cc-wf-studio 插件彻底改变这一现状，用可视化画布+节点拖拽，轻松搭建分支判断、Skill 调用、MCP 工具联动、多 Agent 协同的完整工作流，导出后一条命令即可全自动执行 支持中文界面、一键导出可执行命令，可把复杂开发、测试、运维流程变成标准化工作流，大幅降低编排门槛与执行成本。 从左侧拖拽所需节点到画布： Prompt：输入任务描述 Skill：直接调用已安装技能 MCP Tool：联动外部工具能力 Condition：实现分支判断 Ask User：插入人工确认步骤 2. 关键模块用法 Skill 快速调用 节点直接读取本地已安装 Skills 下拉选择即可调用，无需手写配置 MCP 工具集成 支持对接各类 MCP 服务 文件操作、数据库、API 请求、设计稿解析均可纳入流程 把 Claude Code 的强大能力装进可视化画布，让复杂 AI 工作流变得直观、可控、可沉淀。
6400编辑于 2026-04-17- 来自专栏一个会写诗的程序员的博客
jBPM 工作流引擎可视化编辑器
logic into reusable assets such as cases, processes, decision tables and more. business processes (BPMN2) case management (BPMN2 and CMMN) decision management (DMN) business rules (DRL) business optimisation JBPM，是一款开源的工作流产品，功能强大、小巧灵活。 JBPM采用XML结构的流程描述语言JPDL来描述工作流程 JBPM使用Hibernate作为持久层工具，可以在各大主流数据库中使用 官网：http://www.jboss.org/jbpm/ JBPM3 ，或者促使此目标的实现” 简单的说，就是将工作的流程通过程序管理起来，以表单审核和任务办理为主体，实现办公自动化 工作流框架，将业务流程管理起来， 所有业务流程操作，围绕工作流框架进行， 基于表单提交和任务办理
2.1K10发布于 2021-06-17 - 来自专栏快乐八哥
数据可视化-EChart2.0使用总结2
4.散点图-Scatter Chart 适合场景：三维数据集，但是只有两个维度需要比较。比较的是X轴和Y轴的数据，第三个数据是一个名称。 特点：在大量数据下呈现出散点图，会对数据居中展现在哪一块有一个宏观的展示，比如一个学校里面男生和女生，体重和身高的分布情况。 Demo截图： ? demo地址：http://echarts.baidu.com/doc/example/scatter2.html 说明：无 6.雷达图-Radar Chart 适合场景：适合多维数据，最好是大于三维以上 数据点最多6个，否则无法识别。 特点：无 Demo截图： ?
1.3K60发布于 2018-01-18 - 来自专栏Pou光明
Qt 2D数据可视化之QCharts
下方是3D可视化模块，下次有机会再分享。 Demo平台：Win10、 Qt 5.12.1、 MinGW 7.3.0 64-bit ? 1 pro中添加charts模块 QT += charts 2. QBarSet *set0 = new QBarSet("Jane"); QBarSet *set1 = new QBarSet("John"); QBarSet *set2 << 3 << 4 << 5 << 6; *set1 << 5 << 0 << 0 << 4 << 0 << 7; *set2 << 3 << 5 << 8 << 13 << 8 << 小结 Qt 2D数据可视化方面多提供一种思路。
1.8K10发布于 2019-12-19 - 来自专栏PPV课数据科学社区
R数据可视化之ggplot2 (一)
学完R语言的基本操作后,我们还可以继续学习R的几大著名而且使用强大的包,今天讲其中的一个,就是ggplot2,至于这个包的评价和地位,我就不多说了,感兴趣可以百度,它绝对是数据可视化的利器,好了,我们先来开始简单介绍一下这个包 先说说我们人手工作图的方式,1,先画一个坐标轴,2,然后根据数据在图上画图形3,在基础的图形上加一些注释,或加一些对比.基本上这就是我们作图的方式,那么ggplot2就跟这差不多了,1.先设定坐标轴和数据 2,选择要画图形的类型3,添加一些图形,4,丰富一下图形的信息.ggplot2根据这个步骤,把每一步当做一个图层,每一个图层我们都可以设定一些参数. 首先需要加载ggplot2包 library(ggplot2) library(gcookbook) #主要用于获取数据集,若你用自己的数据集便可以不加载 1.画点线图. 绘制频数条形图 qplot: 版本改掉了一些参数,暂时未知 ggplot: ggplot(BOD, aes(x=Time, y=demand)) + geom_bar(stat="identity") #当为数据框时
2.5K120发布于 2018-04-23 - 来自专栏数据小魔方
Python数据可视化与basemap数据地图系列2——点线图
numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.basemap import Basemap %matplotlib inline 2、 导入制作点线的数据源： province_city = pd.read_csv("D:/R/rstudy/Province/chinaprovincecity.csv",encoding = "gbk" len(new_data)#对线段分组设置不同的色值Type_Dict = { "A": "#C72E29", "B": "#016392", "C": "#be9c2e ,ax = ax1) map.readshapefile("D:/R/rstudy/CHN_adm/bou2_4p","china",drawbounds=True) map.drawcoastlines 案例二——美国各州航线频次可视化： 从plotly官网下载数据源： air = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets
3.3K20发布于 2018-07-25 - 来自专栏数据科学与人工智能
数据科学工作流程
[导读]我们做出数据产品的过程一般是比较规范化的，通常称这个过程为：方法论、产品生命周期或者工作流程。 当然数据科学的工作也有很多选择，就像没有一套通用的开发软件工程一样，但我们会努力设计出一套尽可能适用的工作流程。 ? ? 以下是CRISP-DM的6个步骤： 1.理解业务核心 2.理解数据关系 3.数据准备 4.建立模型模 5.评价优化 6.具体实施 02 •数据科学项目生命周期 ---- 数据科学项目生命周期的理论更加工程化了 它的步骤为： 1.数据采集 2.数据准备 3.假设和建模 4.评估和解释 5.部署 6.具体操作 7.循环优化 03 •数据科学工作流程 ---- 在PhilipGuo的博士论文 《DataScienceWorkflow:OverviewandChallenges》中，描述了数据科学的这一部分，它的步骤为： 1.数据准备 2.数据分析 3.结果反馈 4.方法传播
1.3K70发布于 2018-02-28 - 来自专栏Spark学习技巧
数据科学的工作流程
本文浪尖主要讲讲数据分析企业内的工作流程。 随着，云计算使得计算能力的提示，大数据技术的飞速发展，数据也是备受企业重视，企业内部都是在想法设法的得到你的数据，分析你，然后从这个过程中获利。 强调一点，不仅是从数据分析的结果中获利，比如推荐系统等，而且从数据采集到展示，企业都是可以获利的。由此可见，数据的重要性。 数据科学的工作流程 现在企业中标准的数据分析过程如下： 首先，我们生活在这个世界中。在这个世界上，有很多人在从事各种各样的活动。 在拿到这份干净的数据后，我们应该先做一些探索性数据分析。在这个过程中，我们或许 会发现数据并不是那么干净，数据可能含有重复值、缺失值或者荒谬的异常值，有些数据 未被记录或被错误地记录。 数据科学的基本技术架构支持 这部分不多说，直接上个宜人贷的反欺诈平台架构图。 数据科学家在数据科学工作流程中的角色 到目前为止，所有这一切仿佛不需要人工干预，奇迹般地发生了。
1.7K60发布于 2018-03-20 - 来自专栏用户7004369的专栏
如何利用快速开发平台可视化开发工作流
XJR开发平台的工作流是整合activity工作流引擎的图形化流程设计器，通过可视化配置界面。基于B/S结构，纯浏览器应用，只需要拖拽组件，拼接流程，就能实现各层的审批。 既能实现OA办公系统内部工作流之间的数据整合，如借款与报销、预算与决算等，又能实现OA办公系统工作流与其他业务系统之间的数据整合，如HR、ERP、CRM等。 在OA办公系统中，每个人都会用的请假流程，我们拿请假申请流程来举例，看看如何利用XJR快速开发平台进行可视化设计流程？ 建立工作流程前我们需要先通过XJR快速开发平台的可视化表单设计先设计设计出请假表单。前面有文章详细介绍过了，在这里不详细讲解了。 一、点击后台工作流程→流程设计 二、用流程设计器画出请假流程图，XJR快速开发平台的流程设计器是整合activtity开发，采用可视化编辑工作流引擎，辅助研发人员设计专业的流程功能，像我这种只会办公软件的人都可轻易上手
2.1K00发布于 2020-03-03 - 来自专栏大数据与微服务架构
大数据工作流Oozie
提供Hadoop任务的调度和管理，不仅可以管理MapReduce任务，还可以管理pig、hive、sqoop、spark等任务，Oozie就是一个基于hadoop的工作流引擎。 两个主要组件： 工作流定义组件:一系列Action个的列表（Action就是一个任务节点，eg：MapReduce任务、pig任务、hive任务等） 调度器组件：可调度的WorkFlow（workflow 就是定义一个DAG的任务图，而调度器可以决定在某个时间或符合条件执行DAG（有向无环图 Direct Acyclic Graph）任务图） Oozie工作流定义中的两种节点： 控制流节点：用于定义逻辑判断 ，eg：start、end、控制流程执行路径 动作节点：用户执行任务节点：hadoop任务、Oozie子流程 定义一个完整Oozie工作流需编写3个文件 1、workflow.xml:（必需）定义工作流任务 （需放到HDFS上） 2、config-default：（可选） 包括所有工作流共享的属性值 3、job.properties： （必需）针对每个工作流的属性值
61430发布于 2020-04-11 - 来自专栏云深之无迹
Python可视化.2
import matplotlib.pyplot as plt x = np.linspace(0.5, 10, 1000) y = np.cos(x) plt.plot(x, y, ls='-', lw=2, 绘图函数先看最下面的解释： 格式：plt.plot(x, y, ls='-', lw=2, label='xxx', color='g' ) x：x轴上的值 y：y轴上的值 ls：线条风格 (linestyle linewidth) label：标签文本 可以直接进行更改 可以设置划线的样式 小短线 点划线 圆点 变色 我没有改对应的文字 这样的图，我们在下篇文章一行一行代码来解释 f(x)=|sin(4x)^2
37450发布于 2021-04-28 - 来自专栏灵墨AI探索室
借助AI助手分析LlamaIndex的工作流可视化
引言 接续上次的讨论，我们上次主要分析了LlamaIndex工作流的核心流程，当前还剩下一行代码需要关注，那就是关于工作流的可视化。 今天我们的目标是深入理解这一可视化部分的主要流程，并且对其大体的实现方式进行简要的了解和探讨。 Network是啥 pyvis 是一个功能强大的 Python 库，专门用于创建动态和交互式的网络可视化图形。 该库中的核心组件是 Network 类，通过这一类，用户不仅可以构建复杂的网络结构，添加各种节点和边，还可以灵活地设置网络的布局和样式，以满足不同的可视化需求。 总结 在本文的最后，我们总结了LlamaIndex工作流的可视化部分的实现和细节，重点分析了如何利用Python中的pyvis库和Java中的图形库，分别在两种语言中构建和展示网络图。
46520编辑于 2024-12-02 - 来自专栏Tencent Serverless 官方专栏
可视化编排云服务，工作流 ASW 开始公测！
ASW 简介 应用与服务编排工作流（Application Services Workflow，ASW）是对腾讯云服务进行可视化编排，组合成工作流模板的应用程序集成类产品。 同时，您将无需编写代码，只需用可视化编排的方式快速构建自动化工作流模板，并实例化为任务去执行，或发布为服务接口提供对外访问。 可视化编排 ASW 将各类云服务的 API 以视图组件的形式展现，支持通过拖拽组件，可视化地编排工作流模板。可根据需求实现云服务的自由组合，提供满足复杂业务场景的工作流服务。 2. 音视频商品理解 基于短视频、直播带货趋势，对视频中出现的商品进行标签提取，助力智能导购和 KOL（Key Opinion Leader）商业价值评估。 ? 3. 将各类云服务组件以可视化编排组合的方式组成工作流模板，并集成为服务，为云端用户提供便捷、低成本的云上开发服务。 ? 6.
4K30发布于 2021-01-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号