- 综合排序
- 最热优先
- 最新优先
- 来自专栏优雅R
「R」数据可视化10：面积图
什么是面积图 面积图是一种源于折线图但是改变了其展现方式的图形。具体地，它通过一定的区域面积来表示数据大小，利用不同的颜色或者线条来区别不同组的数据。 William Playfair，苏格兰工程师和政治经济学家，是图形化统计方法的创始人，是面积图的发明人，除此之外他还发明了折线图、条形图、饼图等。 他发表于1786年的著作The Commercial and Political Atlas中使用了面积图： ? 让我们来看一个维基百科给的例子： ? 凭借谷歌翻译，了解到这张图（图中为德语）主要是展示了1991-2015年德国移民的情况，图中不同颜色就代表着不同的移民类别，而面积大小就代表的移民数量。 通过上述例子可以看出面积图和折线图很相似，在很多时候两者可以相互替代，以丰富数据可视化的形式。
1.3K40发布于 2020-07-02 - 来自专栏DeepHub IMBA
10种常用的图算法直观可视化解释
在这篇文章中，我将简要地解释10个对分析和应用非常有用的基本图形算法。 首先，让我们介绍图。 什么是图? 图由一组有限的顶点或节点和一组连接这些顶点的边组成。 下面给出了一些与图相关的基本定义。您可以参考图1中的示例。 图着色 ? 图着色在保证一定条件下给图的元素分配颜色。顶点着色是最常用的图形着色技术。在顶点着色中，我们尝试用k种颜色给图的顶点着色，任何两个相邻的顶点都不应该有相同的颜色。 图10显示了一个确定网络的最大流量和最终流量值的动画示例。 算法 Ford-Fulkerson算法、Edmonds-Karp算法、Dinic的算法 应用 用于航空公司调度，安排航班机组人员。 图11显示了获得一个二分图的完全匹配的动画，该二分图有两组顶点，分别用橙色和蓝色表示。
7.6K11发布于 2020-09-04 - 来自专栏数据分析与可视化
数据可视化(10)-Seaborn系列 | 盒形图boxplot()
盒形图 盒形图又称箱图，主要用来显示与类别相关的数据分布。 orient:方向：v或者h 作用：设置图的绘制方向(垂直或水平)， 如何选择：一般是根据输入变量的数据类型(dtype)推断出来。 matplotlib.pyplot as plt # 设置样式风格 sns.set(style="whitegrid") # 构建数据 tips = sns.load_dataset("tips") """ 案例1： 横向的箱图 .7); plt.show() [vqetcbucuu.png] 案例地址 案例代码已上传：Github https://github.com/Vambooo/SeabornCN 整理制作：数据分析与可视化学研社
3.3K00发布于 2019-10-02 - 来自专栏技术教程
图数据可视化
图数据可视化是一种将节点（实体） 和边（关系） 组成的网络结构以图形方式直观呈现的技术，广泛应用于社交网络分析、知识图谱、生物信息学、网络安全、推荐系统等领域。 Three.jsWebGL库3D图渲染（如力导向球体）沉浸式大规模网络Neo4j Bloom图数据库插件直接连接Neo4j，实时查询可视化知识图谱交互探索PyVisPython库基于Vis.js，Jupyter 知识图谱：可视化实体关系（如公司股权穿透）。网络安全：攻击路径分析，异常登录检测（密集边）。推荐系统：用户-商品二部图，揭示关联模式。 六、 进阶方向时序图可视化：动态展示网络演化（如Gephi的Timeline）。AI辅助布局：用GNN学习节点位置（如Deep Graph Mapper）。 通过合理选择布局策略、视觉编码和交互设计，图可视化能将复杂的网络关系转化为可操作的洞察。若需要具体工具实现代码（如D3力导向图）或某场景的解决方案，可进一步说明需求！
75920编辑于 2025-07-05 - 来自专栏算法channel
历时 1 个月，做了 10 个 Python 可视化动图，用心且精美...
10个图都提供代码下载，方法见文末。 1. 柱状图 带颜色渐变的柱状图，精美好看： ? 2. 折线图 带有标注点，充满科技感的折线图： ? 3. 柱状图+折线图 这个柱状图和折线图的组合，清晰无比，可以直接用到你的项目中： ? 4 雷达图 多能力评价雷达图，使用pyecharts轻松实现轮播功能： ? 6 线图 描述出发点到其他点的关系、流动图，线条颜色代表数值大小，应用于网络流等可视化场景： ? 10 Map图 全国大学分布的Map图，颜色接近橙红的块表示此省大学最多，详情参照左下角的VisualMap条： ? 后期会持续打造更多可视化精品作品，欢迎关注「可视化之美」视频号。 如想获取全部源码，只需在下面公众号里回复 geo
92830发布于 2020-10-23 - 来自专栏数据科学（冷冻工厂）
Matplotlib可视化50图：气泡图（2）
导读 本文[1]将学习如何使用 Python 的 Matplotlib 库通过示例绘制气泡图。 简介 气泡图是散点图的改进版本。在散点图中，有两个维度 x 和 y。 这样，气泡图比二维散点图在视觉上提供了更多信息。 数据准备 对于本教程，我将使用包含加拿大移民信息的数据集。它拥有从 1980 年到 2013 年的数据，其中包括来自 195 个国家/地区的移民人数。 years = list(range(1980, 2014)) 可视化 为了看看区别，让我们先绘制散点图。 plt.xlabel("Years", size=14) plt.ylabel("Number of immigrants", size=14) plt.show() scatter 现在，绘制气泡图。
1.8K40编辑于 2023-02-27 - 来自专栏R语言可视化
可视化—Upset图绘制
可视化—Upset图绘制我们在可视化集合之间关系的时候，常常会绘制韦恩图。但随着集合的增多，韦恩图显示的关系会越来越复杂，很难一眼看出其中的信息。 ；使用 point.size 和 line.size 来设置矩阵点图中点和线的大小；mainbar.y.label和 sets.x.label 可以设置柱状图和条形图的轴标签；text.scale 包含 text.scale 参数值的顺序为：- 柱状图的轴标签和刻度- 条形图的轴标签和刻度- 集合名称- 柱子上方表示交集大小的数值2.展示所需要的集合upset(fromList(input_list), unit(c(0, 0, 0, 0), "cm") ) p}my_density <- function(data, x, y) { data$decades <- data[, y] %/% 10 * 10 data <- data[which(data$decades >= 1970), ] p <- ggplot(data, aes_string(x)) + geom_density
1.1K10编辑于 2024-11-01 - 来自专栏图灵技术域
图结构可视化JavaScript
包括社交网络，知识图谱在内的图数据结构需要通过可视化才能明确其中的关系。 下面给出思知提供的一个简单图数据结构呈现的js代码，其中的关系矩阵可以自己定义，包含四个属性： source target rela type JavaScript <style>.link { fill ") .attr("id", "resolved") .attr("markerUnits","userSpaceOnUse") .attr("viewBox", "0 -5 10 10") .attr("refX",32) .attr("refY", -1) .attr("markerWidth", 12) .attr("markerHeight d3.select(this).append('tspan') .attr('x',0) .attr('y',10
1.7K50发布于 2021-05-21 - 来自专栏R语言可视化
可视化—KEGG气泡图和桑葚图绘制
可视化—KEGG气泡图和桑葚图绘制最近太忙了，其实有很多很多笔记需要整理，无奈实在没有时间进行。今天看到其他小伙伴的代码里绘制的KEGG气泡图和桑葚图觉得特别好看，就仔细扒一扒，写一篇笔记。 ，其中包括：数据处理点图（气泡图）绘制桑基图（Sankey Diagram）绘制拼图合并导出为 PDF 和 PNG 格式# 加载必要的R包library(tidyverse) # 数据处理# devtools ") %>% unique() %>% rev(), paste(df$Gene, " ") %>% unique() %>% rev()))# 使用cols4all自定义调色板（可视化调色板 flow.color = 'grey80', # 流线边缘颜色 node.fill = mycol, # 节点填充颜色 smooth = 10 ，在右侧为点图留出空间p5 <- p4 + theme(plot.margin = unit(c(0, 5, 0, -2), units = "cm"))p5# 使用cowplot将桑基图和dot plot
1.4K10编辑于 2025-06-30 - 来自专栏Python进阶之路
python pyecharts数据可视化 玫瑰图、柱形图、饼图、环图
=25, font_weight='bold', color='red', ), pos_left="90%", pos_top="10 area_list) area_dic = dict(area_count) # 两个列表对应 行政区 对应的酒店数量 area = [x for x in list(area_dic.keys())][0:10 ] nums = [y for y in list(area_dic.values())][:10] # 定制风格 bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.MACARONS FF4500', '#00FA9A', '#191970', '#9932CC'] random.shuffle(colors) # 配置y轴数据 Baritem y = [] for i in range(10 opts.MarkLineOpts( data=[ opts.MarkLineItem(type_="average", name="平均值")])) bar.render("行政区酒店数量最多的Top10
13K54发布于 2020-09-17 - 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 ---- 2016年的广州春运 ---- 广州南站载客，人数top10路线 ---- 广州春运迁出人口归属地 ---- 每早拥堵的上班线路 ---- 愉快的购物人群（多点） ---- 愉快的购物人群 （单点） ---- 通勤效果 ---- 单点轨迹（购物） ---- 单点轨迹（上班） 区域人群密度实时监控(景点) 区域人群密度实时监控(全国) 血脉交通图 发布者：全栈程序员栈长，转载请注明出处
89050编辑于 2022-09-27 - 来自专栏nnngu
数据结构10 图
那么关于图，我将从以下几点进行总结： 1、图的定义 2、图相关的概念和术语 3、图的创建和遍历 1、图的定义 什么是图呢？ 图是一种复杂的非线性结构。 图G由两个集合V(顶点Vertex)和E(边Edge)组成，定义为G=(V，E) 2、图相关的概念和术语 2-1、无向图和有向图 对于一个图，若每条边都是没有方向的，则称该图为无向图。图示如下： ? 有向图的顶点集和边集分别表示为： V(G)={V1，V2，V3} E(G)={1，V2>，2，V3>，3，V1>，1，V3>} 2-2、无向完全图和有向完全图 我们将具有n(n-1)/2条边的无向图称为无向完全图 2-6、连通图(无向图) 连通图是指图G中任意两个顶点Vi和Vj都连通，则称为连通图。比如图(b)就是连通图。下面是一个非连通图的例子： ? 上图中，因为V5和V6是单独的，所以是非连通图。 2-7、强连通图(有向图) 强连通图是对于有向图而言的，与无向图的连通图类似。 2-8、网 带”权值”的连通图称为网。如图所示： ?
97770发布于 2018-03-15 - 来自专栏好奇心Log
Python可视化 | 风玫瑰图可视化示例
μg⋅m^(-3)",size=8) cb.ax.tick_params(labelsize=8) plt.title("King's Park(0716-0718)",y=1,size=10
3.3K20发布于 2020-12-22 - 来自专栏超级码力
可视化 | 10 张 3D 建模图还原「巴黎圣母院」火灾细节
3D 模型精不精确我不清楚，倒是搜到了非常棒的巴黎圣母院可视化案例。 ? 这个网页用了一个巴黎圣母院的 3D 模型还原了火灾时的情况和上次我介绍的人大代表可视化案例一样，也是一气呵成，一镜到底，看得非常爽。下面我给大家介绍一下这个可视化案例主要说了什么。 ? 可视化网址的链接是： https://www.nytimes.com/interactive/2019/04/17/world/europe/notre-dame-cathedral-fire-spread.html 因为文章 GIF 图有尺寸限制，我做不了太大的动图。更细致丝滑的体验还是得打开网站亲自感受。总之我划上滑下好多次，就是为了看起巴黎圣母院的建模细节。 ----
1.1K30发布于 2020-07-07 - 来自专栏CDA数据分析师
一图胜千言！这10种可视化技术你必须知道
当数据科学家应用可视化技术后，数据的分布情况以及分析的重点将清楚而直观地展现在他们眼前。这种感觉异常奇妙！ 数据可视化技术主要有两大功能： 1. 将分析结果更加清晰地展现出来。 2. 本文将会介绍到十种可视化技术。以后，无论你是想让大家认可理论，还是为了规划项目的下一步计划，这些可视化方法都能帮助你分析数据。 ? 1. 直方图 首先来了解一下直方图。 如果数据类别过多的话，无论是条形图还是饼状图，可视化的效果都不会太好。在这种情况下，可以考虑只对前几项最大值进行可视化处理。 10. 高维图 在分析高维数据时，需要同时对四项、五项，甚至更多的相关数据进行可视化处理。因此，为了达到这个目的，可以利用上文所讲过的任何一个可视化技术，先构建一个二维或者三维模型。 相关链接： https://towardsdatascience.com/10-viz-every-ds-should-know-4e4118f26fc3
1.3K10发布于 2019-07-30 - 来自专栏图灵技术域
可视化图布局算法简介
OpenOrd OpenOrd是一个面向大规模图布局的开源算法，来自论文OpenOrd:An Open-Source Toolbox for Large Graph Layout，这是一种力-导向的布局算法 ，专门用于处理非常大的图结构。 只有节点被绘制了出来，图被着色以说明全局结构的纠缠tangling。 右边（c）中显示了正确绘制的图结构，使用OpenOrd的多级版本生成。 ? Yifan Hu的主页：http://www.yifanhu.net/index.html 参考 北京大学图可视化：http://vis.pku.edu.cn/graphvis/zh-cn/index.html
2.8K10发布于 2021-05-21 - 来自专栏R语言可视化
R语言可视化—饼图
R语言可视化—饼图 今天开始进行R语言可视化的练习，主要参照的是文献《Preoperative immune landscape predisposes adverse outcome in hepatocellular 今天复现文章中的Fig.1A，即饼图绘制。 或饼图）的堆叠位置中的显示方式。 , 10, 10, 10, 7, 16, 29, 11, 6) Colors <- c('#bebdbd', '#bbe165', '#6e8a3c', '#546a2e', , 10, 10, 10, 7, 16, 29, 11, 6), c('#bebdbd', '#bbe165', '#6e8a3c', '#546a2e',
4.4K10编辑于 2024-08-15 - 来自专栏生信小驿站
python可视化(1)--箱图
carbon.png
1.1K40发布于 2018-10-08 - 来自专栏采云轩
图可视化探索与实践
背景科普 随着公司业务扩大，数据日益复杂，当下非常需要一种对用户理解更简便、交互更友好的数据关系的可视化产品，围绕这个场景，本文带你深入浅出前端如何开发图可视化（不含树图）。 前端技术探索 市面上常见的可视化框架，在图分析场景的丰富性、二开复杂度antv比echarts更理想，因此采用antv体系。 layout: { type: 'random', width: 300, height: 300, }, }); Graphin Graphin 是基于 G6引擎 的图可视化工具 内置的可视化布局算法，更符合关系可视分析领域的解决方案。 from 'react'; import Graphin, { Utils, GraphinContext } from '@antv/graphin'; const data = Utils.mock(10
92820编辑于 2023-09-01 - 来自专栏育种数据分析之放飞自我
GWAS分析中可视化：QQ图和曼哈顿图
下面介绍一下常用的可视化方法，包括：qqman和cmplot两个包。 ---- 相关软件，比如gapit，rMVP，都会自动出图，而GEMMA，GCTA则是需要后期自己作图。 无论是软件自动出图，还是需要自己作图，学习根据GWAS结果手动作图都是必须的。 我们一般使用qqman作图和cmplot两个包画GWAS的QQ图和曼哈顿图，后者颜色更漂亮。 这篇博客，介绍一下这两个包如何画GWAS的结果可视化图。 第一个是qqman， 因为这个软件函数很方便。 Default -log10(1e-5). Default -log10(5e-8). Set to FALSE to disable. ❞ cmplot作图 我们用同样的数据，使用cmplot作图。
2K10编辑于 2022-12-13
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