- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(9-11)
EXPLAIN支持显示JOIN语句、UNION/UNION ALL、子查询语句的路由计划。其中：
25410编辑于 2025-03-12 - 来自专栏数据 学术 商业 新闻
Python-joypy和 R-ggridges 峰峦图制作
引言 有时写较多的处理过程反倒让读者没法耐着性子读完，本期推文及以后，关于可视化的推文，我直接明了给出教程和关键步骤解释下，若想详细了解，大家可进群讨论和在文末读者讨论中进行。 可视化代码如下： import matplotlib.pyplot as plt plt.rcParams['font.family'] = ['Times New Roman'] colors , ) ax = plt.gca() #设置x刻度为时间形式 x = np.arange(6) xlabel=['8-21','8-28','9-4','9- element_text(family = 'Poppins',face = 'bold'), axis.text.y = element_text(vjust = -2)) plot 可视化结果如下 更多有趣的可视化作品，大家可以去官网查看。 04. 总结 本期分别介绍了使用Python 和R 绘制峰峦图的结果，将主要的代码及对用结果展示出来，以便于大家快速阅读。
1.6K10发布于 2021-02-22 - 来自专栏路过君BLOG from CSDN
angular9 添加IE浏览器支持
默认模板没有启用IE浏览器支持 ng serve启动项目后，用IE浏览器打开为空白页 解决 修改browserslist，去掉前面的not not IE 9-11 # For IE 9-11 support
1.1K30发布于 2020-06-19 - 来自专栏肖洒的博客
【爬虫】（八）Python之爬虫和数据小解析
,,免修班 G00HA1012,科学道德与学风,0,是,2016秋,梁昌洪,南校区,,不分班 G00HA1010,中国特色社会主义理论与实践,2,是,2016秋,肖群,北校区,"J-201/星期一/(9- 514/星期一/(1-2)2,3,4,5,7,8,9,11,12,13,15,16,17,18",01 Z00MS1031,工程优化方法及应用,3,是,2016秋,寇晓丽,北校区,"J-205/星期四/(9- 11)2,4,5,7,8,9,10,11,13,14,15,16,17,18,19",01 Z08EE1011,算法设计技术与方法,3,是,2016秋,公茂果,北校区,"J-304/星期三/(9-11) 18J-304/星期五/(9-11)2,5,7,8,9,10,11,12,13,14,15,16,17,18,20",不分班 Z08TE1107,宽带无线通信,3,是,2016秋,盛敏,北校区,"J-204 2017春,白光斌,北校区,"体育馆/星期三/(5-6)2,3,4,5,6,7,8,9,10,11",02 Z08TE1222,扩频通信系统,2,否,2016秋,刘乃安,北校区,"J-205/星期二/(9-
57730发布于 2018-08-07 - 来自专栏计算机魔术师
【机器学习 | 可视化】回归可视化方案
欢迎大家订阅该文章收录专栏 [✨--- 《深入解析机器学习：从原理到应用的全面指南》 ---✨]@toc回归可视化方案在评估回归模型效果时，可以使用多种可视化方案来直观地比较实际值和预测值之间的差异。 以下是几种常见的回归模型评估可视化方案和相应的Python代码模板：对角线图：对角线图用于比较实际值和预测值之间的差异。 plt.xlabel('Actual Values')plt.ylabel('Residuals')plt.title('Residual Plot')plt.show()拟合曲线图：可以绘制拟合曲线来可视化模型的拟合效果 ', label='Predicted')plt.xlabel('X')plt.ylabel('Y')plt.title('Fitted Curve')plt.legend()plt.show()这些可视化方案提供了不同的角度和方法来评估回归模型的效果 根据数据和模型的特点，可以选择适合的可视化方案或结合多种方案来全面评估模型的性能。 到这里，如果还有什么疑问欢迎私信博主问题哦，博主会尽自己能力为你解答疑惑的！
87600编辑于 2023-11-29 - 来自专栏全栈程序员必看
SQL可视化工具_可视化工具tableau
SQLite的可视化工具 下载地址：https://sqlitestudio.pl/index.rvt?
2.5K10编辑于 2022-09-20 - 来自专栏医学和生信笔记
R可视化：R可视化教程来了！
从本周开始会每周推送1~2次高质量R可视化内容，本系列内容来自github上面超级火爆的R语言可视化项目：tidyTuesday。 tidyTuesday每周更新数据，大佬们会使用这些数据集自由创作出各种高质量的R语言可视化作品，是学习R语言数据分析和可视化极好的素材。 热情的小伙伴把这些内容整理到CSDN中，方便大家学习，每个例子会展示多个可视化方案，均配有完整源代码和数据（为了便于理解，部分重要步骤均添加了注解）。
1K30编辑于 2022-11-15 - 来自专栏计算机魔术师
【机器学习 | 可视化系列】可视化系列 之 决策树可视化
Embedding）是一种降维和可视化技术，用于将高维数据映射到二维或三维空间中。 因为t-SNE能够捕捉到复杂、非线性结构以及聚类效应，所以它通常被用于可视化高维数据集中不同类别或群组之间的分布关系。 决策树可视化scikit-learn（sklearn）的tree模块提供了一个方便的函数plot_tree，用于可视化决策树模型。 你可以使用以下步骤来使用plot_tree函数进行可视化（以iris数据集为例）：导入必要的库和模块：在Python脚本中，导入tree模块和matplotlib.pyplot库：可视化决策树：使用plot_tree 函数可视化决策树模型。
1K00编辑于 2023-11-29 - 来自专栏腾讯大数据可视化设计团队的专栏
遇见大数据可视化：可视化系统搭建
如何搭建数据可视化系统，使复杂和庞大数据用丰富的设计语言清晰表达，并形成鲜明的设计风格？我们把数据可视化的元素进行拆分并建立相应的规范体系。 a、明确目标 明确数据可视化的目标，通过数据可视化我们要解决什么样的问题，需要探索什么内容或陈述什么事实。 [1497331969668_374_1497331969874.jpg] 3.动效设计 目前越来越多的可视化展示的数据都是实时的，所以动效在可视化项目中的应用越来越广泛，动效设计肩负着承载更多信息和丰富画面效果的重要作用 a、 信息承载 在可视化设计中经常遇到，非常多的数据信息需要展示在一个大屏幕上。 保证可视化图的清晰辨识度，色调与明度变化需要有跨度。
11.3K50发布于 2017-06-13 - 来自专栏智能大数据分析
【数据可视化技术】数据可视化概述&工具
本章简单介绍数据可视化的发展历史、可视化工具分类，重点结合ECharts介绍Web可视化组件生成方法，并给出Java Web开发与相关大数据组件的数据集成，以展现数据可视化结果。 一、数据可视化概述 （一）基本概念 数据可视化，是指将结构或非结构化的数据转换成适当的可视化图表，然后将隐藏在数据中的信息直接展现在人们面前，是一种关于数据视觉表现形式的科学技术研究。 （三）基本方式 进入20世纪，数据可视化有了飞跃性的发展。数据可视化的方式可以分为面积与尺寸可视化、颜色可视化、图形可视化、地域空间可视化和概念可视化等。 二、数据可视化工具 根据可视化工具的使用方式使用用户的不同，可分为桌面数据可视化技术（如Excel、R可视化和Python可视化等）、在线数据可视化技术（Oracle BI、Superset SuperSet可以支持十几种可视化图表，用于将查询返回的数据做可视化展示，但是其可视化目前只支持每次可视化一张表，不支持join连接，且过于依赖数据库的快速响应。
1.7K10编辑于 2025-01-22 - 来自专栏全栈程序员必看
数据可视化编程实战_大数据可视化
以R可视化为桥梁 经常有对比R，Python和Julia之间的讨论，似乎R语言在这三者之中是最为逊色的，实则不可一概而论。 R语言在常规数据分析的场景下，如数据读入，预处理，整理，以及单机可视化方面表现出的优势，无论从用户体验，还是代码流畅度，令另两种语言略逊一筹。 本文将从统计学中最基本的密度曲线的绘制，来串讲一下题目中所涉及的R语言可视化中三个强大的可视化包的用法，以及之间的联系。 终于，可以引出第一个可视化包ggplot2了，这个包在统计学界名气很大，功能也极为成熟，是R语言可视化中不可回避的内容。 8 利用shiny生成 交互式可视化 shiny是R生态系统中一个准企业级的交互式可视化工具，在用户界面体验方面有极佳的表现。
9.9K20编辑于 2022-11-17 - 来自专栏VRPinea
6.12 VR扫描：约翰霍普金斯大学用AR图像引导，首次成功完成美国脊柱融合手术
xvision Spine System是首个用于外科手术的AR图像引导系统，支持外科医生在手术过程中可视化患者的三维脊柱解剖结构，以带来一种“x射线视觉”。 03 奥本未来联合SAP 为消费领域打造3D沉浸式创新互动 6月9-11日，2020 DEMO CHINA创新中国春季峰会在线上拉开帷幕。 VRPinea独家点评：据悉，品牌的线下门店也可设置3D沉浸式互动展柜，利用3D即时可视化技术，满足消费者对商品的定制需求。
68310发布于 2020-06-16 - 来自专栏好奇心Log
Python可视化 | 风玫瑰图可视化示例
https://github.com/python-windrose/windrose pip install windrose pip install git+https://github.com/python-windrose/windrose git clone https://github.com/python-windrose/windrose python setup.py install from windrose import WindroseAxes from matplotlib im
3.4K20发布于 2020-12-22 - 来自专栏民工哥技术之路
每天学一个 Linux 命令（98）：crontab
crontab -l no crontab for root 每小时的第5和第15分钟执行 5,15 * * * * command_name 在上午9点到11点的第5和第15分钟执行 5,15 9- 11 * * * command_name 每隔3天的上午9点到11点的第5和第15分钟执行 5,15 9-11 */3 * * command_name 每个星期一的上午9点到11点的第5和第15 分钟执行 5,15 9-11 * * 1 command_name 每月1、11、21日的14:45重启httpd 45 14 1,11,21 * * /etc/init.d/httpd restart
1K30发布于 2021-04-21 - 来自专栏全栈程序员必看
可视化篇：效果图_可视化建模
写在最前 在做可视化的时候，理解自己做的每个图形展示的意义，是多么的至关重要 每做一张图的时候，我都在想，该如何阐述图形背后的故事 下面是一些效果图，每张图，都只为更好地反应数据背后的那段故事
98050编辑于 2022-09-27 - 来自专栏大数据
数据可视化
今天我们来聊一波有趣的数据可视化。 首先，我们先讲一下我们今天要用到的数据。
3.1K80发布于 2018-01-29 - 来自专栏HT
ETC 可视化
）的数据进行丰富的可视化展示。 系统分析 ETC 可视化 ETC 门架系统一种高速不停车收费的设施。 管理者通过图扑 Hightopo 可视化管理平台进行人流监控可以建立人流预警机制。 停车位可视化 通过智慧化车位检测器，可实时更新车位使用情况，实现服务区车位信息可视化。 管线管理 管线可视化内容通常分为网络链路可视化、暖通管道可视化、电气线路可视化等管线类型的可视化展示。 、电池组、电池柜、电力监控通讯柜、开关柜、主控柜）等链路可视化功能。
2.5K10编辑于 2022-12-10 - 来自专栏光城(guangcity)
可视化PLA
可视化PLA 0.说在前面 1.实现 2.作者的话 0.说在前面 之前Perceptron Learning Algorithm这篇文章详细讲了感知机PLA算法。 前两天买了本统计学习方法，今天早上看了两章，其中第二章就是这个PLA，跟李老师的课程讲的基本一致，本节主要通过python实现这个感知机算法，并通过matlibplot可视化图形，以及终端打印出下图结果 【导包】 分别用于矩阵，表格数据打印，数据可视化。 】 # 可视化表2.1 pt = PrettyTable() pt.add_column("迭代次数",np.linspace(0,8,9,dtype=int)) pt.add_column("误分类点 2.1图 【最终结果可视化】 # 可视化 x = np.linspace(0, 7, 200) # 最终的函数表达式为w[0][0]*x+w[1][0]*y=0,推导后就是下面的式子 y = (-b -
60540发布于 2019-09-20 - 来自专栏R语言学习
tSNE可视化
t-SNE是一种用于探索高维数据的非线性降维算法，非常适合将高维数据降到二维或者三维，在使用散点图等基本图表进行可视化。 绘制t-SNE图 R中Rtsne包Rtsne（）函数能够实现对数据降维，结合geom_point()实现可视化 library(Rtsne) # Load package library(ggplot2
1.9K00发布于 2020-10-08 - 来自专栏祝威廉
用Docker玩转MLSQL系列(2)-操作excel和数据可视化
buy_age <5 then "3-5" when buy_age>=6 and buy_age <8 then "6-8" when buy_age>=9 and buy_age <11 then "9- clean_trade_with_baby ) pivot( sum(cast(buy_mount as long)) for age_group in ( "0-2","3-5","6-8","9- content as html,"" as dash from age_distr_dash as output 最后渲染的结果就会好看点： 总结 例子比较简单，但是我们将MLSQL对数据做分析和可视化的基本流程讲解了一下
1.3K40编辑于 2022-01-07
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