- 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11：PCA和PCoA图
其实不论是PCoA还是PCA图均是用散点图来展示结果PCoA和PCA的结果，PCoA和PCA准确来讲是数据降维分析方法。
3.1K11发布于 2020-07-03 - 来自专栏数据分析与可视化
数据可视化(11)-Seaborn系列 | 小提琴图violinplot()
小提琴图 该函数是用来绘制箱形图和核密度估计组合图。 小提琴形图(violin plot)的作用与盒形图(box plot)和whidker plot的作用类似，它显示了一个或多个分类变量的几个级别的定量数据的分布，我们可以通过观察来比较这些分布。 与盒形图不同，因为盒形图的所有绘图组件都对应于实际数据点,小提琴形图具有底层分布的核密度估计。 如果是框，画一个微型箱图。 如果是四分位数，则绘制分布的四分位数。如果point或stick， 则显示每个基础数据点。 =4, aspect=.7); [inhhin46ey.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
14.3K10发布于 2019-10-02 - 来自专栏大数据文摘
11张图带你走过数据可视化的前生今世
正所谓“前人栽树，后人乘凉”，我们站在了他们的肩膀上，才有了今天比较炫酷的可视化技术。 今天，大数据文摘先请大家看看11张静态的数据可视化图，然后请大家看看一段展示动态数据可视化的视频。 通过今天的可视化展示，相信大家更能体会到数字世界中艺术的重要性！ 在大数据时代和信息过载的今天，数据可视化无疑是筛选并呈现复杂数据的最有效方式。 单张数据可视化图就可以是无价之宝。 是否好奇数据可视化是怎样随着时间发展起来的？ 接下来，我们将展示来自不同但有重要意义的历史阶段的11张独特的数据可视化图。 下面将为大家展示11张经典数据可视化图。 1. 地图——第一张世界地图 ? Anaximander在公元前550年制作的第一张世界地图。 11.三维图——人口变化图 ? 这张由Luigi Perozzo绘制的3D图展示了1750年到1875年间瑞典人口变化的情况。该图制作于1879年。
1.1K150发布于 2018-05-22 - 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 - 来自专栏机器学习/数据可视化
pyecharts-11-绘制饼图
Pyecharts-11-绘制饼图 饼图在实际的工作还是会经常使用，能够很清晰的显示各类数据和占比情况，曾经在工作中绘制了环饼图和多饼图的结合。 本文中介绍的是如何利用Pyecharts绘制饼图和进阶的环状饼图和玫瑰图 基本案例 位置和颜色 图例滚动 环形饼图 多饼图 玫瑰图 ? 环形饼图 x_data = ["直接访问", "邮件营销", "联盟广告", "视频广告", "搜索引擎"] y_data = [335, 310, 234, 135, 1548] c = ( , radius=[60, 80], ) .add( "", [list(z) for z in zip(["惊悚", "其他"], [11 环状饼图 本案例讲解的是如何绘制环状饼图（内嵌饼图） import pyecharts.options as opts from pyecharts.charts import Pie from pyecharts.globals
4K20发布于 2021-03-01 - 来自专栏数据小魔方
sparklines迷你图11——Composition(Stacked)
今天要分享的是sparklines迷你图系列12——Composition(Stacked)。 Stack中文含义为堆积，该图表也就是我们常用到的堆积图。 通过函数填充功能，可以做出一排整齐的堆积图。
68970发布于 2018-04-11 - 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), Action", "Drama"), active = T, query.name = "Emotional action") ) )5 属性图属性图 attribute.plots 参数用于执行属性图的绘制，包含 3 个字段：gridrows：设置属性图的空间大小，UpSet plot 默认为 100 X 100，如果设置为 50，则整个图形变成 150
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
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。 桑葚图的绘制主要用到了“ggsankey”这个R包参考资料：https://www.jianshu.com/p/9af18ffa37bf首先进行常规的kegg分析就行，然后拿到kk@result再进行绘图就可以了 ，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 ，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
文章目录 一、柱形图 代码如下： from pyecharts.charts import Bar from pyecharts.faker import Faker from pyecharts.globals () .add( "", [list(z) for z in zip(Faker.choose(), Faker.values())], # 饼图的中心 center=["50%", "50%"], # 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标 label_opts=opts.LabelOpts "rgba(255, 255, 255, 0.3)"), ) .render("customized_pie.html") ) 运行效果如下： [yn78beswuv.gif] 三、环图 False, inplace=True) # 提取数据 v = df['provinces'].values.tolist() d = df['num'].values.tolist() # 绘制饼图
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 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
89050编辑于 2022-09-27 - 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
3.3K20发布于 2020-12-22 - 来自专栏机器学习/数据可视化
Highcharts-11-饼图绘制大全
Highcharts-11-利用Highcharts绘制饼图 本文中介绍的是如何利用python-highcharts绘制各种饼图来满足不同的需求，主要包含： 基础饼图 单色+多色饼图制作 带上图例+数据的饼图 双层饼图的制作 扇形饼图 ? 双层饼图 上面介绍了各种单个饼图的制作，下面讲解如何利用python-highcharts制作双层饼图。看看整体的效果： ? ：利用Highcharts来进行绘图的确代码量很大，基本上画一个简单的饼图或者柱状图都需要大量的代码（相对其他自己使用的可视化库，比如pyecharts、plotly_express等）。 但是它的强大之处，应该是在于结合前端的知识，绘制更多动态效果的图形，让图形的可视化效果更美观?
2.1K30发布于 2021-03-08 - 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 - 来自专栏北野茶缸子的专栏
67-R可视化11-用ggrepel更加美观的添加标记（火山图的实现）
参考： Examples • ggrepel (slowkow.com)[1] 前言 上一讲我们提到了66-R可视化10-自由的在ggplot上添加文本（柱状图加计数）[2] 可是，有的时候，并不是所有的 ) + ggtitle("hjust = 1") gridExtra::grid.arrange(p1, p2, p3, ncol = 3) 柱状图标记文本的新思路 我先前写过：66-R可视化 参考资料 [1]Examples • ggrepel (slowkow.com): https://ggrepel.slowkow.com/articles/examples.html [2]66-R可视化 10-自由的在ggplot上添加文本（柱状图加计数）: 66-R可视化10-自由的在ggplot上添加文本（柱状图加计数）.md [3]66-R可视化10-自由的在ggplot上添加文本（柱状图加计数） : 66-R可视化10-自由的在ggplot上添加文本（柱状图加计数）.md [4]Examples • ggrepel (slowkow.com): https://ggrepel.slowkow.com
5.1K30编辑于 2021-12-17 - 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。 T2", "T3/4", "Mixed") Values<- c(15, 10, 10, 10, 10, 7, 16, 29, 11 "T3/4", "Mixed"), c(15, 10, 10, 10, 10, 7, 16, 29, 11
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）。 图遍历：通过遍历节点和边，可以在图中进行查询、分析和操作。 图常用的数据结构 在 antv 的 G6 中，图数据结构可以通过 JSON 格式定义。 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。
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
大家好，我是邓飞，对于GWAS分析结果，第一个要看的是曼哈顿图，看看有没有显著性的点，没有显著性的点，项目白做了！第二个要看的是QQ图，比较翘就非常理想。 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。 「qq图绘制」 CMplot(dat,plot.type = "q",threshold = 0.05) 对比一下cmplot和qqman的QQ图：可以看到，cmplot的QQ图更好看，而且还有置信区间
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