- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据科学（冷冻工厂）
空间单细胞｜Slide-seq分析、可视化与整合(2)
数据集 在本文中，我们将对利用Slide-seq v2技术获得的小鼠海马区数据集进行深入分析。 为了方便数据获取，您可以利用我们的SeuratData包，具体操作示例如下。 Moran's I能够计算整体的空间自相关性，并提供一个类似于相关系数的统计值，用以衡量特征与空间位置的相关程度。这允许我们根据特征表达的空间变异性进行排序。 另外，虽然不是强制要求，但安装可选的Rfast2包（通过运行install.packages('Rfast2')）可以显著提高计算效率，从而减少运行时间。 VariableFeatures(slide.seq)[1:1000], selection.method = "moransi", x.cuts = 100, y.cuts = 100) 现在我们可视化 second_type") p1 | p2
57710编辑于 2024-07-26 - 来自专栏庄闪闪的R语言手册
空间地理数据可视化之 ggplot2 包及其拓展
点击下方公众号，回复资料分享，收获惊喜 前言 上次 R 可视乎主要讲述了《Geospatial Health Data》[1]一书中关于空间地理数据可视化用 R 包制作地图的基础内容，参见 R可视乎｜空间地理数据可视化 本篇将继续介绍空间地理数据可视化的 R 包和函数。 例子：创建一个 1974 年北卡罗来纳州婴儿猝死的地图，如下所示（其中 map 数据可在上篇公众号（R可视乎｜空间地理数据可视化（1））第 4 部分图形文件中找到相关代码）： library(ggplot2 本篇是空间地理数据可视化系列的第二期，主要由 林华师 制作。本系列的宗旨是带你系统学习如何使用 R 对空间地理数据进行可视化。下一期将会继续介绍其他可视化的 R 包，敬请期待。 Rmarkdown 视频新增两节视频（写轮眼幻灯片制作）需要视频内的文档，可在公众号回复【rmarkdown】 可视化推文推荐 R可视乎｜空间地理数据可视化（1） R可视乎|用R给心仪的对象表白吧
4.1K30发布于 2021-08-20 - 来自专栏数据 学术 商业 新闻
R-ggplot2+sf 核密度空间插值可视化绘制
核密度空间插值可视化绘制 、Python-Basemap核密度空间插值可视化绘制。 本期推文我们就介绍下使用R进行核密度估计、空间插值计算以及ggplot2+sf的可视化绘制操作。 2. sp包SpatialPoints、SpatialPixelsDataFrame方法将插值结果转网格再转空间df数据。 总结 这一篇推文我们详细介绍了R核密度估计、空间网格数据以及裁剪之后的可视化绘制结果，我们可以看出，R在操作空间数据上较Python 还是灵活下，特别是功能较为强大的sf包，此外，R在绘制地图可视化作品时 接下里，我将继续使用R和Python(两个版本)， 探索空间插值应用较为广泛的方法及对应的可视化结果，感受空间可视化带给我们的视觉盛宴！希望小伙伴们能够喜欢
2.4K20发布于 2021-02-22 - 来自专栏数据 学术 商业 新闻
R-gstat-ggplot2 IDW计算及空间插值可视化绘制
上一篇文章，我们使用了Python 自定义IDW插值函数进行了IDW空间插值及可视化的plotnine、Basemap的绘制方法(Python - IDW插值计算及可视化绘制)，本期推文我们将使用R-gstat 进行IDW插值计算和使用ggplot2进行可视化绘制，主要涉及的知识点如下： R-gstat包IDW插值计算 R-ggplot2 IDW插值结果可视化绘制 R-gstat包IDW插值计算 得益于优秀且丰富的 R语言第三方包，我们可以直接使用空间统计计算的R-gstat包实现包括IDW在内的多种插值方法，使用R-sf包完美绘制空间可视化绘制。 ggplot2 可视化IDW插值结果 经过上面的数据规整，我们直接可以进行可视化操作，代码如下： library(sf) library(tidyverse) library(ggspatial) library 下期，我们继续空间插值(克里金：Kriging)的计算及可视化绘制，还是Python和R的两个版本哦，大家敬请期待！
3.4K41发布于 2021-02-22 - 来自专栏数据科学（冷冻工厂）
空间单细胞｜10x Visium数据分析、可视化与整合(2)
引言 本文[1]介绍了使用Seurat分析具有空间分辨率的RNA测序数据的方法，重点在于将空间信息与分子数据相结合。 将包括以下常见于空间数据分析的任务： 数据标准化 降维和数据聚类 发现空间变异性特征 与单细胞RNA测序数据的整合 处理多个样本切片 降维;聚类;可视化 然后，可以使用与 scRNA-seq 分析相同的工作流程 （使用 DimPlot()）中可视化聚类结果，或者使用 SpatialDimPlot() 将聚类结果叠加在图像上。 = 3) p1 + p2 面对众多颜色，要弄清楚每个体素属于哪个簇可能会有些困难。 brain, assay = "SCT", features = VariableFeatures(brain)[1:1000], selection.method = "moransi") 现在可视化通过该度量识别的前
55211编辑于 2024-07-16 - 来自专栏数据小魔方
空间数据可视化笔记——simple features空间对象基础
---- 当今互联网和大数据发展的如此迅猛，大量的运营与业务数据需要通过可视化呈现来给商业分析人员提供有价值的决策信息，而地理信息与空间数据可视化则是可视化分析中至关重要而且门槛较高的一类。 但是R语言和Python等免费开源软件在近两年随着大数据热潮迅猛发展，其内部生态系统对空间数据可视化的支持越来越完善，而空间数据可视化的前沿应用技术和高性能存储方案随着硬件条件的改善都不再成问题。 3, 7 2, 6 1) Reading and writing（sf对象读写） setwd("E:/数据可视化/R/R语言学习笔记/数据可视化/ggplot2/地图可视化/sf") st_write( sf的接口，看官方的最新文档你会看到 多了一个geom_sf()几何对象函数，这就意味着ggplot2为这项sf新技术单独写了一套优化方案，今后的空间数据可视化再也不会是geom_ploygon()一家独大的天下了 左手用R右手Python系列12——空间数据可视化与数据地图 china_map=gp.GeoDataFrame.from_file("D:/***/bou2_4p.shp", encoding =
2K51发布于 2018-04-11 - 来自专栏数据处理
tensorflow变量命名空间与可视化
variable_scope 使用tf.variable_scope定义的命名空间，只要空间名称不同，定义的变量互不干挠，即使函数name参数相同 如果是在相同命名空间下， 如果是不可重用的(reuse name_scope 使用name_scope命名空间 get_variable不受name_scope命名空间约束 Variable受命名空间约束，但可以自己解决冲突 import tensorflow 总结两个命名空间的作用不同 variable_scope与get_variable搭配使用可以使得共享变量 name_scope主要用来tensorboard可视化 tensorboard可视化 加入命名空间，tensorboard可视化将非常有层次感，更清晰 ops.reset_default_graph() sess = tf.InteractiveSession() def practice_num_modify (): #将输入定义放入各自的命名空间中，从而使得tensorboard可以根据命名空间来整理可视化效果图上的节点 # 练习1: 构建简单的计算图 with tf.name_scope
1.2K60发布于 2018-06-07 - 来自专栏DBA随笔
InnoDB表空间介绍（2）
InnoDB表空间介绍（2） 之前的8月15号的文章中，对于Innodb的表空间做了一些介绍，当时重点介绍了表空间中最主要的两种类型：独立表空间和系统表空间。 系统表空间和独立表空间基本上是类似的，因为系统表空间是整个MySQL中所有表公用的一个数据页池子，所以它里面会额外记录一些有关整个MySQL服务的信息。 除此之外，系统表空间中的extent 1和extent 2这两个区的128个页面被称之为doublewrite buffer，也就是我们常说的双写缓冲区。 两次写的概念当时描述如下： 我们看到的doublewrite分为两个部分，其中一个是内存中的，大小为2MB，另外一部分是物理磁盘的共享表空间中的，也就是ibdata文件中的连续的128个数据页 ，128*16K，也就是2MB，在对缓冲池的脏数据进行刷盘的时候，并不会直接写到磁盘中，而是先将数据复制到内存中的doublewrite的缓存中，之后通过缓存，再分两次，每次1MB的写入共享表空间的物理磁盘上
81740发布于 2019-11-06 - 来自专栏数据 学术 商业 新闻
R-ggplot2 和rasterVis 实现空间栅格(Raster)数据的可视化绘制教程
主要内容如下： R-ggplot2 可视化绘制 R-rasterVis 可视化绘制 Arcgis 可视化结果展示 R-ggplot2 可视化绘制 由于对ggplot2的绘图体系还不是很了解，所以这一步花费很长时间 ，但也对ggplot2的绘图语法有了更深的理解。 话不多说，我们直接上代码，如下： # Raster_data_Vis.R library(ggplot2) library(raster) library(viridis) library(ggthemes Data_ning\\RStudio projects\\guanzhoulanduse\\gzlu.tif' test <- raster(datafold) #很关键的一步：将栅格数据转成可供ggplot2绘制的数据格式 具体的其他图层属性设置，大家可以直接查看官网：rasterVis官网 Arcgis 可视化结果展示 前面介绍了两种代码可视化的绘制教程，其实最开始我是使用Arcgis进行可视化展示的，不得不说，Arcgis
8K20发布于 2021-02-22 - 来自专栏凹凸玩数据
R可视化 | 地理信息空间（上）
第一版结果 1.1 地图的文件格式 shp数据结构： 1、分文件存储信息： name.dbf name.shp name.shx 2、获取渠道 https://gadm.org/download_country_v3 文件格式与函数方法关系图 1.5 上手实战 设计目的：进行地理文件的加载、数据转换及基础处理，将地理信息数据与业务数据的融合（sp与sf数据模型），添加地理标签，应用地理坐标轴，最终完成一个地理空间可视化的小 1、从阿里地图下载省级地图，加载并实现地图可视化，在绘图前先做一些准备工作： library("ggplot2") library("rgdal") library("sf") library("sp" dplyr') library("data.table") #fread函数用于读取CVS表格 library("ggrepel") rm(list = ls()) gc() setwd("D:/空间可视化与地理基础 《R语言数据可视化之美-专业图表绘制指南(增强版)》第11章 地理空间型图表: https://www.cnblogs.com/zzj420133722/p/13789195.html
1.5K31发布于 2020-10-27 - 来自专栏人工智能与演化计算成长与进阶
Tensorflow 命名空间与计算图可视化
计算图中的节点和边直接可视化，它会根据每个 Tensorflow 计算节点的命名空间来整理可视化得到效果图，使得神经网络的整体结构不会被过多的细节所淹没。 为了更好的组织可视化效果图中的计算节点，Tensorboard 支持通过 Tensorflow 命名空间来整理可视化效果图上的节点。 在 Tensorboard 的默认视图中，Tensorflow 计算图中同一个命名空间下的所有节点会被缩略为一个节点，而顶层命名空间的节点才会被显示在 Tensorboard 可视化效果图中。 比如 layerl 和 layer2 之间的边表示了 layer1 的输出将会作为 layer2 的输入。TensorBoard 可视化效果图的边上还标注了张量的维度信息。 除了手动的通过 TensorFlow 中的命名空间来调整 TensorBoard 的可视化效果图，TensorBoard 也会智能地调整可视化效果图上的节点.TensorFlow 中部分计算节点会有比较多的依赖关系
1.1K30发布于 2020-08-14 - 来自专栏数据科学（冷冻工厂）
空间转录组: 反卷积及可视化
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！ 首先，我们重命名 CARD 的空间坐标列。 AACAGGAAGAGCATAG-1 0 0 0 0.02 0 ## AACAGGATTCATAGTT-1 0 0 0 0.00 0 可视化 legend.key.height = unit(1, "lines")) & scale_color_gradientn(colors = pals::jet()) } 我们可以在 x-y 空间中对反卷积权重进行可视化 names(ids_no_stroma) <- rownames(ws) vis$RCTD_no_stroma <- factor(ids_no_stroma[colnames(vis)]) 我们可以在空间上可视化这三个注释
1.7K10编辑于 2025-09-17 - 来自专栏相约机器人
可视化流式地理空间数据
github.com/jgraham0325/streaming-visualization 现场演示： https://streaming-visualisation.appspot.com/ 用例 能够可视化流式地理空间数据可以解决实际问题的原因有很多 http://www.weatherbug.com/ 技术选择 有许多商业产品能够近乎实时地显示地理空间数据。 https://www.esri.com/arcgis-blog/products/arcgis-pro/real-time/real-time-data-arcgis-pro/ 2.Cesium：特别擅长可视化 https://leafletjs.com/ 2.OpenLayers：功能强大，开源但比其他更复杂。 结论 地理空间可视化数据可以解锁可能会错过的有价值的见解。只需极少的努力和慷慨的开源社区，就可以创建强大的可视化而无需花一分钱！
4.8K21发布于 2019-06-21 - 来自专栏庄闪闪的R语言手册
空间地理数据可视化之 mapview 包
这是《Geospatial Health Data》[1]一书中关于空间地理数据可视化 中所提到的最后一个 R 包，关于 mapview 包的更多内容，可进入mapview官网[2]探索学习。 1. 基本画图设置 mapview 包允许快速创建交互式可视化地图，以研究数据中的空间几何特征和变量。 本篇是空间地理数据可视化系列的第五期，主要由 林华师 制作。本系列的宗旨是带你系统学习如何使用 R 对空间地理数据进行可视化。 Rmarkdown 视频新增两节视频（写轮眼幻灯片制作）需要视频内的文档，可在公众号回复【rmarkdown】 可视化推文推荐 R可视乎｜空间地理数据可视化（1） 空间地理数据可视化之 ggplot2 包及其拓展 空间地理数据可视化之 tmap 包及其拓展
1.8K20发布于 2021-10-22 - 来自专栏用户6291251的专栏
空间数据可视化神器，Pydeck！
今天给大家介绍一款超赞的空间（地理）数据可视化神器：Pydeck。 Pydeck库通过deck.gl对数据进行空间可视化渲染，对3D的可视化支持非常强。 -symlink --overwrite --py pydeck jupyter nbextension enable --sys-prefix --py pydeck 接下来，就给大家介绍一下相关的可视化案例 " lng, lat = point in_lng_bounds = DOWNTOWN_BOUNDING_BOX[0] <= lng <= DOWNTOWN_BOUNDING_BOX[2] Specify a deck.gl ArcLayer arc_layer = pdk.Layer( "ArcLayer", data=df, get_width="S000 * 2" / 10000) * 2)", "128 * (start[2] / 10000)", "255 * (start[2] / 10000)", "255 * (1 - (start
2.5K50编辑于 2022-02-17 - 来自专栏凹凸玩数据
R可视化 | 地理信息空间（下）
作者：张同学 来源：凹凸数据 前文：R可视化 | 地理信息空间（上） 如果对R可视化感兴趣的同学，记得看下积分商城，限时300兑换R可视化书籍 ? 对上图实现的地图可视化，添加业务信息： 实现连续量的填充。 fill=long),colour = 'white')+ #加上城市名称标签 geom_text_repel(data=frame_data,aes(x=centroid1,y=centroid2, label=name))+ #加上业务信息（中心点经纬度信息） geom_text_repel(data=frame_data,aes(x=centroid1-0.25,y=centroid2+ 《R语言数据可视化之美-专业图表绘制指南(增强版)》第11章 地理空间型图表: https://www.cnblogs.com/zzj420133722/p/13789195.html
94210发布于 2020-10-27 - 来自专栏Real-Time Rendering
变换(Transform)(2)-坐标空间变换
那这个矩阵就很好写出来了： M_{Orthographic}=\begin{pmatrix}\frac{2}{r-l}&0&0&0\\0&\frac{2}{t-b}&0&0\\0&0&\frac{2}{ {l+r}{2}\\0&1&0&-\frac{b+t}{2}\\0&0&1&-\frac{n+f}{2}\\0&0&0&1\end{pmatrix} 唯一的区别在于缩放矩阵的z从\frac{2}{f 主要是将NDC的x坐标和y坐标映射到一个窗口中，假设窗口左下角为(x1, y1)，右上角为(x2, y2)。 那很容易想象，这其实就是个拉伸的过程。 x_{s}=\frac{(x+1)}2\times(x2-x1)+x1\\y_{s}=\frac{(y+1)}2\times(y2-y1)+y1 注意要先将NDC的x和y从-1, 1转换到0, 1。 至此，通过模型变换到屏幕变换，实现了将3D场景投影到了2D屏幕上。
86420编辑于 2024-08-24 课前准备---空间基因梯度2
作者，Evil Genius目前我们的课程已经上了20节课了，预计还有3周，我们本年度的课程就要全部结束了，大家都是硕士博士，并且身处国家重点单位、高校，多学点空间分析技能，自然对数据的分析很有帮助，并且输出一些高质量的分析文章 不知不觉都已经走了很多年了，其实我自己也没什么拿得出手的成果，唯一让我觉得自己走过这段过程的印记，大概就是经常写关于单细胞空间的“日记”吧。感觉课程上完，应该可以突破200万字了。 至于空间基因梯度，主要是有如下的运用。 对伤口损伤的小鼠大脑皮层（损伤后3天）进行空间转录组梯度分析中，空间梯度分析从损伤核心（深红色点）向周边（浅粉色）的区域内进行分析，其中还这涉及到基因调控的一些内容。 = TRUE)data <- Load10X_Spatial(data.dir = "/home/samples/DB/Spatial/data/ST/ST-liver<em>2</em>/",filename = "
22420编辑于 2024-08-05- 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
38450发布于 2021-04-28 - 来自专栏气象学家
Python-matplotlib 空间栅格数据可视化
python-matplotlib 在地理空间数据可视化绘制方面也还是有一定的优势的，为更新colorbar绘制应用范围，我们把gis,遥感等专业的需要常做的空间可视化图，试着用matplotlib 进行绘制 导入如下： from osgeo import gdal 读取一幅tif影像，分别获取其行、列和通道数： tif01 = r"F:\DataCharm\Python-matplotlib 空间数据可视化 该图有可能还缺少如横纵坐标等绘图参数，因为原始数据的坐标系需要转换成常规的经纬度信息，在这里就不进行展示了，后面的空间可视化绘制教程中会专门进行讲解。 03. 总结 这算是空间数据可视化绘制的第一篇推文了，感谢我的同学“小太阳”提供的数据。 这也算是gis等专业同学经常需要绘制的学术图表之一，接下来可视化绘制教程也会偏空间数据居多，当然，也会根据小伙伴的提问进行其他专题的讲解，最终目的，还是希望我的教程能能够帮助到您
8.6K41发布于 2020-08-10
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