- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
数据可视化工具d3_前端3d可视化
学习D3的站点 建议 第1章 D3简介 近年来，可视化越来越流行，许多报刊杂志、门户网站、新闻媒体都大量使用可视化技术，使得复杂的数据和文字变得十分容易理解，有一句谚语“一张图片价值于一千个字” 各种数据可视化工具也如井喷式地发展，D3 正是其中的佼佼者。D3 的全称是（Data-Driven Documents），顾名思义可以知道是一个被数据驱动的文档。 下图展示了 D3 与其它可视化工具的区别： 如何理解布局 从上面的图可以看到，布局的作用是：将不适合用于绘图的数据转换成了适合用于绘图的数据。 这些布局的作用都是将某种数据转换成另一种数据，而转换后的数据是利于可视化的。 在数据可视化中，地图是很重要的一部分。
14.2K40编辑于 2022-11-10 - 来自专栏blackheart的专栏
3.HTTPS工作流程
本篇并不关注SSL/TLS具体是如何工作的，只是抽象的解释下HTTPS的一个工作流程。 2. HTTPS 工作流程 ? 以上只是一个抽象的HTTPS的一个工作流程，实际上SSL/TLS所做的工作远不止这这些，更详细的解释请参考这篇文章：http://www.infoq.com/cn/articles/HTTPS-Connection-Jeff-Moser 3.
1.6K50发布于 2018-01-19 - 来自专栏优雅R
「R」数据可视化3 : 热图
在生物信息领域我们常常使用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。本系列文章将介绍多种基于不同R包的作图方法，希望能够帮助到各位读者。 什么是热图(Heatmap) 热图是一个以颜色变化来显示数据的矩阵。Toussaint Loua在1873年就曾使用过热图来绘制对巴黎各区的社会学统计。 ? heatmap.2函数和我们之前要求的数据类型不太一样，这个函数输入数据要求是个矩阵（matrix）。 这两种数据类型有什么差别呢？matrix中的值只能是一个格式，比如都是字符型。而dataframe可以同时支持不同的类型比如数值型和字符型。 ? 但是我们这里的数据是做相关性，所以这些线的意义就不是那么大。图例中也类似，展示了不同颜色对应的值大小，而蓝色的实线是根据数据分布做的密度曲线，虚线是平均值。
2.6K10发布于 2020-07-02 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。 连线建立逻辑 用鼠标连接节点出入口，定义执行顺序 支持单链路、多分支、并行子流程结构 3. 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
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 工作流（Workflow），就是“业务过程的部分或整体在计算机应用环境下的自动化”，它主要解决的是“使在多个参与者之间按照某种预定义的规则传递文档、信息或任务的过程自动进行，从而实现某个预期的业务目标 ，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 工作流框架有：Jbpm、OSWorkflow、ActiveBPEL、YAWL等 https://blog.csdn.net/qq_36414013/article/details/72903762
2.1K10发布于 2021-06-17 - 来自专栏Corley的开发笔记
Python数据分析实战（3）Python实现数据可视化
文章目录 一、数据可视化介绍 二、matplotlib和pandas画图 1.matplotlib简介和简单使用 2.matplotlib常见作图类型 3.使用pandas画图 4.pandas中绘图与 matplotlib结合使用 三、订单数据分析展示 四、Titanic灾难数据分析显示 一、数据可视化介绍 数据可视化是指将数据放在可视环境中、进一步理解数据的技术，可以通过它更加详细地了解隐藏在数据表面之下的模式 Python提供了很多数据可视化的库： matplotlib 是Python基础的画图库，官网为https://matplotlib.org/，在案例地址https://matplotlib.org/ 进行数据可视化如下： tips = pd.read_csv('tips.csv') # 各数据点的百分比 party_counts = pd.crosstab(tips.day, tips['size' 可视化如下： fig, axes = plt.subplots(2, 1) df.plot(ax=axes[0]) df2.plot(ax=axes[1]) axes[0].set_title('3points
5.3K20发布于 2020-08-31 - 来自专栏CDA数据分析师
3个超好用的数据可视化图表
CDA数据分析师 出品 编译：Mika 今天我想跟大家分享三个关于可视化故事，这些简单易懂的可视化图表大大改变了我的生活和工作状态，让我能更好的用数据表达出自己的观点。 该可视化图标还能比较不同的客户群、群组、营销活动等数据。还可以很好地显示单位经济效益随时间的发展情况。 不过选择合适的可视化是很重要的，好的图表能在沟通时起到事半功倍的效果。这适用于所有的可视化任务，我总是到处玩，看看我想讲的故事是什么样的。 当然，这一切的前提是有足够的数据支撑、架构、以及工具。 否则产生的可视化反而会传递错误的观点。 出色的可视化需要高质量的数据和洞察力，你不可能完全避免偏见和混乱的数据，这也是我们在工作中需要注意的。 参考链接： https://towardsdatascience.com/3-visualizations-that-changed-my-life-554b7f83e473
90700编辑于 2022-01-19 - 来自专栏数据猿
Python Seaborn (3) 分布数据集的可视化
直方图通过在数据的范围内切成数据片段，然后绘制每个数据片段中的观察次数，来表示整体数据的分布。 为了说明这一点，我们删除密度曲线并添加了地毯图，每个观察点绘制一个小的垂直刻度。 拟合参数分布 还可以使用distplot()将参数分布拟合到数据集，并可视化地评估其与观察数据的对应关系： ? 绘制双变量分布 在绘制两个变量的双变量分布也是有用的。 双变量分布的最熟悉的可视化方式无疑是散点图，其中每个观察结果以x和y值表示。这是两个方面的地毯图。 核密度估计 使用上述内核密度估计程序可视化双变量分布也是可行的。在seaborn中，这种图用等高线图显示，可以在jointplot()中作为样式传入参数使用： ? jointplot()在绘制后返回JointGrid对象，您可以使用它来添加更多图层或调整可视化的其他方面： ?
2.6K10发布于 2019-03-06 - 来自专栏javascript趣味编程
3 基于HTML5的数据可视化
什么是数据可视化？ 答：浅显的说，就是把数据变成图表，让数据更加直观。 常见的可视化图形？ 答：例如云图(Contour图)、矢量图等。如下为云图，和等值图类似。 如下为流场，表示流体流动方向： 下图叠加了云图和矢量图： 为什么使用HTML5做数据可视化？ 答：便于教学演示，便于快速开发。
1K00发布于 2018-08-08 - 来自专栏图形学与OpenGL
实验3 地理空间数据可视化
了解地理空间数据可视化知识，了解和学习地理空间数据可视化三种典型可视化方式，即点、线与区域。 2. 学习并掌握获取地图上位置信息的方法。 3. 根据《鲜活的数据》第8章8.2.3介绍的方法与提供的数据，在R中绘制基本地图与散点图，并存为PDF文件； 3. 将上一步所得的PDF文件，导入Illustrator，以教材图8-10为模板，并在图中增加中国的数据，完成图8-10，并添上自己的署名，最终成图请以中文版为参考。图8-10英文版如下图所示： ? 再次提醒：最终成图是在参考图8-10的基础上，增加中国的数据。 三.
1.4K20发布于 2018-10-09 - 来自专栏时悦的学习笔记
3.Oracle Data Guard 工作流程
Data Guard作为Oracle提供的一个高可用及灾备解决方案,理解并可以实施它对于DBA来说是非常重要套的技能 上节讲了一些Data Guard的一些概念和参数，这节讲述Data Guard整个的工作流程 事务生成redo数据至log buffer 2. RFS进程 注意：NSSn在12c才出现，之前版本使用LNS 进程 备库端: 3. 事务生成redo数据至log buffer 2. LGWR进程将log buffer的数据写入Online redo log 3. standby_archive_dest会生效 如都未设置Oracle会自动将standby_archive_dest设置为$ORACLE_HOME/dbs/arch 路径 ---- 好了，关于Oracle Data Guard的工作流程就这么多了
63120发布于 2020-08-19 - 来自专栏全栈程序员必看
Git工作流实战-超级干货（3）
Git 工作流实战 工作流实战 1、常见案例 基本功能 张三、李四克隆代码 张三克隆远程仓库代码 李四克隆远程仓库代码 张三、李四修改代码 张三拉取分支 feature/001 李四拉取分支 feature 代码实战 张三、李四修改 master 分支的同一行代码 李四推送代码失败处理 解决冲突 重新推送 画图实战 新建项目 面向版本稳定迭代项目的中小型团队的 GitFlow 工作流实战 工作流实战 ) before pushing again. hint: See the 'Note about fast-forwards' in 'git push --help' for details. （3） git init git remote add origin http://192.168.125.6/OA/demo1.git touch test1.txt touch test2.txt （3） release/v1.0.0 git add --all git commit -m 'fix bug by zhangsan' git push origin release/v1.0.0 （3）
61820编辑于 2022-06-29 - 来自专栏数字孪生可视化
从零开始学习3D可视化之数据对接（3）
MQTT是一个轻量级协议，使用MQTT协议的中心是broker（服务器/代理），客户端通过订阅消息和发布消息进行数据交互。 3.MQTT数据对接。 一个简单示例如下： 功能：通过MQTT方式读取数据并将数据挂接到物体（car01）身上，当温度>30℃时，car01变红。
点击【开启读取】进行数据读取，读取到的数据将在数据详情面板进行显示，当温度值大于30℃时，车辆设置红色效果，点击【关闭读取】停止数据读取！") url，可修改为自己的服务地址 this.socketUrl = 'wss://www.3dmmd.cn:8086'; // 连接 this.stompClient = null; // this.initConnection 作为一种低开销、低带宽占用的即时通讯协议，使其在物联网3D可视化等方面有较广泛的应用。 —————————————————49720发布于 2021-07-23 - 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。 ? ? 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 以 上是3种不同的数据处理基本流程，当然，这些都不是固定不变的，我们可以根据自己的具体需要来进行选择。
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。 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 主管、经理审批后如果请假天数超过大于或者等于3天则需要副总审批后再人事最后审批，请假天数小于3天，则人事最后审批。流程结束。 三、流程设计权限设置。
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。 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. 反馈入口 您可通过下方链接或点击文末「阅读原文」免费申请公测，我们将在 3 个工作日内完成审批，并通过短信和站内信通知您，感谢您的支持。
4K30发布于 2021-01-22 - 来自专栏数据分析与可视化
数据可视化(3)-Seaborn系列 | 折线图lineplot()
本篇是《Seaborn系列》文章的第3篇-折线图。 ['sex'].apply(lambda x: fun(x)) #展示前5条数据 df[:5] [kuj35jdk3b.png] import pandas as pd import matplotlib.pyplot ['sex'].apply(lambda x: fun(x)) """ 案例2：绘制带有误差带的单线图，显示置信区间 """ dd=[df['s1'],df['s2'],df['s3'],df['s4' ]] ax = sns.lineplot(data=dd) plt.show() [gbn3hjkjnb.png] import pandas as pd import matplotlib.pyplot data=wide_df) plt.show() [fyhrpd50h0.png] 案例地址 案例代码已上传：Githubhttps://github.com/Vambooo/SeabornCN 整理制作：数据分析与可视化学研社
25.7K12发布于 2019-09-16
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