- 综合排序
- 最热优先
- 最新优先
- 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
42550发布于 2021-04-28 - 来自专栏图形学与OpenGL
实验2 关系可视化
了解关系可视化知识，了解和学习散点图、饼图、堆叠柱形图、板块层级图和直方图等常见图表类型； 2. 学习图形语法方式绘图； 3. 学习与巩固R+Illustrator可视化绘图模式。 二. 用R绘图，具体如下： （1）安装ggplot2包： 启动RStudio后，菜单栏点击Tools>Install Packages…中输入ggplot2，安装； （2）新建一个R Script文件； （4 ）启用ggplot2包： 在新建的R Script文件中输入下面代码来启用ggplot2包： library(ggplot2) 将光标放在上面代码所在行，点击菜单Code->Run Select Lines （4）数据整理： 通过以下两行代码来剔除掉华盛顿特区和全美平均值，并将剔除后的数据存入crime2变量中： crime2 <- crime[crime$state ! = “District of Columbia”,] crime2 <- crime2[crime2$state !
1.3K20发布于 2018-10-09 - 来自专栏叶子陪你玩编程
数据可视化-入门2
前面两个参数确定了面板的划分，例如 3， 2会将整个面板划分成 3 * 2 的方格，第三个参数取值范围是 [1, 3*2] 表示第几个Axes。 超过一位数，每个数字之间需要用逗号进行分隔，fig.addsubplot(2,21)和fig.addsubplot(2, 2, 1)都是可以的，fig.addsubplot(12, 2, 1)。 (2, 2, 1) plt.title('1') plt.imshow(image_1) plt.subplot(2, 2, 2) plt.title('2') plt.imshow(image_2) (-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* *3 for i in range(-20, 22, 2)] # 在绘图之前，显示创建一个2x2 Figure对象 fig, axes = plt.subplots(nrows=2, ncols=2)
71320发布于 2020-03-12 - 来自专栏web前端
smartClient 2--可视化组件
Foundation Components Event Handling Controls Forms Grids Trees Layout DataBinding Themes/Skins 2、 id=formLayoutFilling&skin=Simplicity&fontIncrease=1&sizeIncrease=2 四、样式修改： 1、更换系统皮肤：引用不同的css包 2、自定义样式： a. 在skin_styles.css和load_skin.js的文件底部重写样式（找到某个需要修改的类，例如button，在后面写上覆盖样式即可） 3、重构独立的组件内部的样式 五、可视化组件 数据源（数据源的定义格式类似SQL数据存储格式，区别在于：1）存储方式是XML或者js；2）必须定义数据类型；......）
1K90发布于 2018-01-09 - 来自专栏Mybatis学习
Tensorflow2——tensorboard可视化
下面通过手写数字数据集来介绍如何使用tensorboard可视化 可以两种方法，一种是再notebook里，还有一种是网页打开。 test_dataset=test_dataset.repeat().batch(128) model=tf.keras.Sequential() model.add(tf.keras.layers.Conv2D (16,(3,3),activation="relu",input_shape=(None,None,1))) model.add(tf.keras.layers.Conv2D(32,(3,3),activation ="relu")) model.add(tf.keras.layers.GlobalAveragePooling2D()) model.add(tf.keras.layers.Dense(10,activation
77120发布于 2021-06-21 - 来自专栏web前端
smartClient 2--可视化组件
Foundation Components Event Handling Controls Forms Grids Trees Layout DataBinding Themes/Skins 2、 id=formLayoutFilling&skin=Simplicity&fontIncrease=1&sizeIncrease=2 四、样式修改： 1、更换系统皮肤：引用不同的css包 2、自定义样式： a. 在skin_styles.css和load_skin.js的文件底部重写样式（找到某个需要修改的类，例如button，在后面写上覆盖样式即可） 3、重构独立的组件内部的样式 五、可视化组件 数据源（数据源的定义格式类似SQL数据存储格式，区别在于：1）存储方式是XML或者js；2）必须定义数据类型；......）
62300发布于 2018-07-31 - 来自专栏萌兔it
ECharts可视化（2）—— 组件库小解
2. 调色盘：给定一组颜色（通过一个数据定义），图形、系列自动从中选择颜色。 ? 3. 1）我们可以设置left/right/top/bottom/width/height六个量，设置绝对值、百分比和位置描述 绝对值：绝对的数值，如100 百分比：如100% 位置描述：如center等 2）
1.2K20发布于 2019-07-26 - 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
88630编辑于 2022-04-28 - 来自专栏优雅R
「R」ggplot2数据可视化
下面这个链接是我之前对《R for data science》这本书可视化开始部分做的 Jupyter notebook 笔记，有兴趣的读者可以阅读。 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。 几何对象是用以呈现数据的几何图形对象，如条形、线条和点。 这些数据集提供了各种可视化的挑战。 ggplot2 初探 在ggplot2中，图是采用串联起来（+）号函数创建的。每个函数修改属于自己的部分。 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
12.5K10发布于 2020-07-03 - 来自专栏医学和生信笔记
R语言聚类分析可视化(2)
之前的推文使用默认的plot函数进行聚类树的可视化，详情请点击:R语言聚类分析(1)，今天继续扩展聚类树的可视化。 默认的聚类树可视化函数已经非常好用，有非常多的自定义设置，可以轻松实现好看的聚类树可视化。 FALSE, lwd = 2) # add text in margin mtext(0:5, side = 2, at = 0:5, line = 1, col = "#A38630", las = 2) plot of chunk unnamed-chunk-8 par(op) 如果对默认的可视化效果不满意，可以先用as.dendrogram()转化一下，再画图可以指定更多细节 ，可以参考之前的几篇推文： R语言可视化聚类树 R语言画好看的聚类树 又是聚类分析可视化 树状数据/层次数据可视化 参考资料 R帮助文档 https://r-graph-gallery.com/31-custom-colors-in-dendrogram.html
88020编辑于 2023-02-14 - 来自专栏java闲聊
SpringBoot Swagger2 可视化API
导入依赖 <dependency> <groupId>io.springfox</groupId> <artifactId>springfox-swagger2< <artifactId>springfox-swagger-ui</artifactId> <version>2.2.2</version> </dependency> 2. 配置 @Configuration @EnableSwagger2 public class SwaggerConfig { @Bean public Docket createRestApi () { return new Docket(DocumentationType.SWAGGER_2) .apiInfo(apiInfo( apiInfo() { return new ApiInfoBuilder() .title("Spring Boot中使用Swagger2构建
1.3K60发布于 2018-06-06 - 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。 import matplotlib.pyplot as plt import seaborn as sns; sns.set() tips = sns.load_dataset("tips") """ 案例2： 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 ，palette="Set2", """ sns.scatterplot(x="total_bill", y="tip", hue="day", size="smoker 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
25.8K23发布于 2019-09-16 - 来自专栏生信学习
cellchat-(2)信号通路可视化-上
上一篇学习了用cellchat进行单数据集的细胞通讯分析，接下来学习不同可视化方式。 注： 上一篇忘写保存cellchat对象的代码，在cellchat <- aggregateNet(cellchat)这步之后即可保存供后续可视化操作： #保存数据 readr::write_rds(cellchat , 'data/cellchat_pbmc3k.rds') 可视化方式： 对于单数据集的细胞通讯分析，我们一般会先看测序样本中所有类型的细胞间相互作用的数量和强度，和感兴趣的细胞类型与哪些细胞相互作用较多 为了满足这些需求就要利用好不同的可视化方式进行信息挖掘或者结果展示。这节先学习单个信号通路的可视化。主要用到以下四种图： 层次图 网络图 和弦图 热图 1. 可以指定展示一个信号通路中的特定配体受体ITGB2_ICAM2间的细胞通讯。
2.5K20编辑于 2023-08-06 - 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。 (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() ? #加载包 library(ggplot2) library(ggpubr) #作图 ggplot(iris,aes(x=Species,y=Sepal.Length,color=Species))+ #加载包 library(ggplot2) library(ggpubr) library(RColorBrewer) #作图 ggplot(iris,aes(x=Species,y=Sepal.Length
3.2K10发布于 2020-07-06 - 来自专栏生信学习
cellchat-(2)信号通路可视化-下
上一篇学习了单个配体受体或信号通路的可视化方式，这篇学习多个配体受体对和信号通路及相应基因表达水平的可视化。主要分三部分：气泡图和弦图小提琴图1. "MHC-I", remove.isolate = FALSE)# 查看指定受体配体对在所有细胞间的作用netVisual_bubble( cellchat, # sources.use = 2, c(1, 3, 5), pairLR.use = extractEnrichedLR(cellchat, signaling = "MHC-I"), remove.isolate = FALSE)2. # 某种细胞作为source的相互作用netVisual_chord_gene( cellchat, sources.use = 2, targets.use = c(1, 3, 5), lab.cex = 30)# 某种细胞作为target的相互作用netVisual_chord_gene( cellchat, sources.use = c(1, 3, 5), targets.use = 2,
1.3K00编辑于 2023-12-16 - 来自专栏数据科学（冷冻工厂）
Matplotlib可视化50图：气泡图（2）
Canada by Citizenship', skiprows=range(20), skipfooter=2) years = list(range(1980, 2014)) 可视化 为了看看区别，让我们先绘制散点图。
2K40编辑于 2023-02-27 - 来自专栏DrugScience
OpenMM.No.2.可视化界面以及力场
OpenMM.No.2.可视化界面 创建openmm脚本的一种方法是从上面给出的示例开始，并对其进行自定义以满足实际需求，但是还有一个更简单的选择。 2.或者，可以将OPENMMDEFAULTPLATFORM环境变量设置为要使用的平台的名称。 这将覆盖默认选项。 3.最后，在创建模拟时，可以在脚本中显式指定Platform对象。 (alternative) amber14/RNA.OL3.xml RNA amber14/lipid17.xml Lipid amber14/tip3p.xml TIP3P water model[2] carbohydrates, and small molecules charmm36/water.xml Default CHARMM water model (a modified version of TIP3P[2] File Water Model tip3p.xml TIP3P water model[2] tip3pfb.xml TIP3P-FB water model[3] tip4pew.xml TIP4P-Ew
1.8K41发布于 2021-03-16 - 来自专栏数据森麟
地图可视化绘制 | R-ggplot2 NC地图文件可视化
nc数据的可视化绘制 由于我们使用的是ggplot2进行绘制，所以我们直接使用raster包进行nc文件的读取(其实也是调用ncdf4包进行处理)，数据我们就使用昨天分享数据的数据：数据(代码)分享 | ggplot2可视化绘制 在使用ggplot2进行绘制之前，我们需要将raster包读取的结果转换成data.frame，方便绘图： dset01_df <- as.data.frame(dset01, 当然我们也可以更换颜色条颜色，可视化效果如下： ? 此外，我们还可以设置不同投影的可视化绘制效果：结果如下： ? 我们也放出没有删除NA值的可视化结果： ? 总结 这一期我们还是分享了可视化绘制技巧，希望对大家绘制空间nc网格数据有所帮助，而Python 处理及可视化的绘制操作打算和空间插值的放在一起，尝试使用视频的形式分享给大家~
3.2K20发布于 2021-01-25 - 来自专栏数据 学术 商业 新闻
地图可视化绘制 | R-ggplot2 NC地图文件可视化
nc数据的可视化绘制 由于我们使用的是ggplot2进行绘制，所以我们直接使用raster包进行nc文件的读取(其实也是调用ncdf4包进行处理)，数据我们就使用昨天分享数据的数据：数据(代码)分享 | ggplot2可视化绘制 在使用ggplot2进行绘制之前，我们需要将raster包读取的结果转换成data.frame，方便绘图： dset01_df <- as.data.frame(dset01, 当然我们也可以更换颜色条颜色，可视化效果如下： ? 此外，我们还可以设置不同投影的可视化绘制效果：结果如下： ? 我们也放出没有删除NA值的可视化结果： ? 总结 这一期我们还是分享了可视化绘制技巧，希望对大家绘制空间nc网格数据有所帮助，而Python 处理及可视化的绘制操作打算和空间插值的放在一起，尝试使用视频的形式分享给大家~
2.9K30发布于 2021-02-22 - 来自专栏机器学习原理
深度学习（2）——tensorflow可视化TensorFlow变量作用域TensorFlow可视化示例
前言：主要介绍一下，TensorFlow变量作用域和可视化，变量作用域能更好底可视化展示数据流图 TensorFlow变量作用域 通过tf.Variable我们可以创建变量，但是当模型复杂的时候，需要构建大量的变 * r1 + b2 # # return r1, w1, b1, r2, w2, b2 # # # # 下面两行代码还是属于图的构建 # x = tf.constant(3, dtype=tf.float32 )) TensorFlow可视化 TensorFlow提供了一套可视化工具：TensorBoard，在通过pip安装TensorFlow的情况 下，默认也会安装TensorBoard。 可视化的界面如下： ? ? sess.run([merged_summary,sum],feed_dict={i:j}) writer.add_summary(summary, j) print(r_x) 可视化运行结果如下
68250发布于 2018-06-20
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