- 综合排序
- 最热优先
- 最新优先
- 来自专栏Coding Is Fun
再次迁徙到 WordPress
再次迁徙到 WordPress 经历了几个月的时间，我也从业余选手变成了即将退役的业余选手，又决定将博客换成由 Wordpress 强力驱动的卡慢博客了。 得益于 ByeTyp 插件的帮助，内容无痛迁徙。 旧的博客依然在旧的虚拟主机上跑着，而本站目前运行在一年不超过十刀的垃圾 vps 上，希望体验不会太差。 旧的虚拟主机已经过期了。
63010编辑于 2022-09-23 - 来自专栏服务端技术杂谈
：UBER数据大迁徙
数据大迁移的日期定为万圣节（10月31日），而这恰是交通量会非常高的一天。
2.8K70发布于 2018-04-16 - 来自专栏PPV课数据科学社区
大数据视角下的春运迁徙图 来看看你的城市的迁徙半径
今年春节期间，百度做了一个可视化很高的专题【百度迁徙】，讲春运期间各地区的人口迁徙情况。动态图，图很漂亮，也很直观。 每个地区4张图，第一张是大年三十晚8：00的迁徙图，此时还在路上奔波的人一定是归心似箭一族；第二张是初一早上10:00的迁徙图，初一大早就忙什么呢？ 第三、四张图是初四、初六10:00的迁徙图，这应该是回归的时间。 初一10:00也是这样，背后可能是旅游的原因吧。初四、初六进京的范围缩小。最后一张图像不像一只飞翔的风筝？ 10、乌鲁木齐 乌鲁木齐的图漂亮吧。貌似省会城市都喜欢往乌鲁木齐跑（橙色线条），而乌鲁木齐人只喜欢去中西部的城市看风景（黄色线条城市大多在橙色线条上方）。像什么呢？
3.3K40发布于 2018-04-20 - 来自专栏木溪知识加油站
从Eclipse项目迁徙至AndroidStudio
下面分享一段Eclipse项目迁徙至Android Studio过程，如下以"ppt"形式展出： ? 01 ? 02 ? 1 ? 2 ? 3 ? 4 ? 5 ? 6 ? 7 ? 8 ? 9 ? 10 ? 11 ? 12 ? 13 ? 14 在下图中我们有可能会遇到文件多余的情况，导致编译打包apk失败 ?
61720发布于 2019-08-09 - 来自专栏CDA数据分析师
Excel制作中国迁徙数据地图
2014年春节，百度发布了基于大数据的可视化产品春运迁徙地图（http://qianxi.baidu.com/），在中国地图上直观地看到各城市间的人流迁徙，经央视报道使用，一时惊艳。 这种炫酷的迁徙地图可视化形式，直观又形象，科技感十足，赢得哇声一片。 ? Excel能做这种地图吗？当然不能，一个普通的办公软件和一个最新的大数据可视化产品是无法相比的。 受其启发，本贴讲解用Excel制作基于中国地图的迁徙地图/流向地图的方法。下图是最后的目标样式。 ? 作图思路 迁徙射线可用散点图绘制，迁徙数量可用气泡图绘制。 还可把射线按数值大小设置为不同的粗细来可视化数值。以上都需要用到vba，有兴趣的读者可继续。 ，推荐2：大数据可视化工具tableau。
5.6K100发布于 2018-02-23 - 来自专栏用户10004205的专栏
使用贝塞尔曲线制作迁徙图
class Foo : MonoBehaviour { private void Start() { //通过起点(0,0,0)、控制点(0,7,5)、终点(0,0,10 Vector3[] points = new Vector3(0f, 7f, 5f).GenerateBeizer(Vector3.zero, new Vector3(0f, 0f, 10f
52710编辑于 2022-08-29 - 来自专栏网络爬虫
通过人口迁徙观察城市发展
由于人口的迁徙会对个城市的发展产生重大的影响，因此建议小伙伴们在就业、安家进行选择的时候，密切关注全国重点区域、重点城市的人口变化情况，综合趋势分析做好规划。
36910发布于 2021-08-11 - 来自专栏向治洪
抢滩数字时代，2023年人才迁徙报告
脉脉人才智库发布《抢滩数字时代·人才迁徙报告2023》，通过平台大数据分析，盘点2022年最受关注的人才趋势，为人才求职和招聘提供前沿洞察。
64430编辑于 2023-07-24 - 来自专栏大数据文摘
【深度】另类视角看百度迁徙图
【CCTV的赞誉】摘自CCTV晚间新闻 今天全国春运已经进入第10天，越来越多的人通过海陆空不同的方式往家里赶。36亿春运大军里面哪条返乡之路最热？ 如果要说明“逆向迁徙正在改变着今年的春运"，至少应该拿些数据说话，到底今年春运这段时间有多少人“逆向”，有多少老人“逆向”？而不是仅凭火车站一线人员的某些“特别”发现。 而且，“逆向迁徙”这词可不是今年才开始用，搜搜百度“春运 逆向迁徙”，满眼都是去年春运的文章！所以建议，新闻应该严谨的要传达准确含义，应多做功课，不能只做“新”而不用“心”！ 百度迁徙确实做了一些东西，海量数据的小时级处理，一定的可视化技术。但无论从项目思想、还是可视化的主体而言，都不是什么创新的东西，类似的、雷同的东西，相信从业者几年前就见过。 什么时候回，怎么中转，怎么抢到票，怎么避开中途可能的异常情况，甚至配套的黄牛识别问题，这些都是和大数据息息相关的，怎样采集更广泛的外部数据，怎样构建模型发挥大数据的分析及预测价值，怎么通过大数据产品的可视化技术连接用户
1.2K60发布于 2018-05-18 - 来自专栏Tz一号
Echarts大数据可视化物流航向省份流向迁徙动态图，开发全解+完美参数注释
; option = { backgroundColor: '#404a59', // 地图背景颜色 title: { text: '迁徙图 ] [5,10,5,10] left:"center", // 组件离容器左侧的距离,'left', 'center', 'right','20%' top // 绝对的像素值[10, 10] offset: [30, 40], //是否对文字进行偏移。默认不偏移。 这样单一的数字，也可以用数组分开表示宽和高，例如 [20, 10] 表示标记宽为20，高为10。 这样单一的数字，也可以用数组分开表示宽和高，例如 [20, 10] 表示标记宽为20，高为10。
3.7K10发布于 2020-09-10 - 来自专栏大数据文摘
百度迁徙用到了哪些技术？
作者：承哲 作者公众号：shouxifayanzhe 作者微博：http://weibo.com/intper 摘自：虎嗅 最近一朋友问我百度迁徙图到底是怎么弄出来的？ 百度迁徙的数据从哪里来？ 好了，现在再谈最后一个问题了，有了这样的技术后，百度迁徙的数据从哪里来。 数据来源一：地图用户。 最后，百度用这些定位数据的变化在春节期间做出了很diao的“百度迁徙”。 结语 百度迁徙图非常有意思，我们看到的是一个最后呈现的完整数据图，但是在这背后确有十分复杂的高精尖技术做支撑，远比我们想象中的复杂。 同时我们也看到地理定位技术最先发源于军事，最后又由于移动时代的商业发展诉求得到了更为深入的发展，所以顺着这次百度迁徙我们也再次看到了驱动技术发展的本质—恐惧与欲望。
70170发布于 2018-05-23 - 来自专栏Qt项目实战
Qt编写地图综合应用2-迁徙图
一、前言 在很多web系统中，尤其是大屏系统中，经常可以看到类似于飞机迁徙图的效果，这个在echart中也是最常用的一个效果，迁徙图既可以是一个飞机也可以是其他形状，然后有一条动态的移动轨迹来表示流向， 一般都是多个点流向一个点，也可以做成一个点流向多个点，是个多对多的关系，常用来表示人口迁徙、动物迁徙、黑客攻击、病毒攻击、数据流向、产品流向等。 迁徙图和上一篇的闪烁点图类似，也需要提供三个基本要素：城市名称集合、城市经纬度集合、中心点城市经纬度，至于城市点的颜色和迁徙流向箭头的颜色，都可以单独设置，echart对每个类对象都竭尽全力的提供了各种各样的属性 二、功能特点 同时支持闪烁点图、迁徙图、区域地图、仪表盘等。 可以设置标题、提示信息、背景颜色、文字颜色、线条颜色、区域颜色等各种颜色。 可设置城市的名称、值、经纬度 集合。
1K00发布于 2020-04-05 - 来自专栏Python数据分析实例
精选 10 款 Python 可视化工具
作者：Lty美丽人生 链接：https://blog.csdn.net/weixin_44208569 今天我们会介绍一下10个适用于多个学科的Python数据可视化库，其中有名气很大的也有鲜为人知的 1、matplotlib 两个直方图 matplotlib 是Python可视化程序库的泰斗。经过十几年它任然是Python使用者最常用的画图库。 由于 matplotlib 是第一个 Python 可视化程序库，有许多别的程序库都是建立在它的基础上或者直接调用它。 不过因为大部分Python的可视化工具不提供地图，有一个专职画地图的工具也是挺方便的。 开发者: Aleksey Bilogur 更多资料：https://github.com/ResidentMario/missingno 10、Leather Chart grid with consistent
1.6K20编辑于 2022-04-08 - 来自专栏优雅R
「R」数据可视化10：面积图
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 - 来自专栏量化投资与机器学习
10年可视化：A股春节效应
A股春节效应 综合各大研究报告，我们引用兴业金工定义的“春节月”：即包含春节假期在内的4周时间，即春节休市前的5个交易日和春节开市后的10个交易日。 通过10日我们也可以发现各指数节前节后的表现也存在明显的差异：大盘指数节前表现要优于节后表现，而小盘指数的节后表现却优于节前表现，这也与前面分析得到的结果一致。 春节前后10个交易日上涨概率较大，其中节后上涨概率近九成。 ? 从2010年至2019年，沪深300指数在春节前后各时间段内的平均涨幅均超过1%。 ? 就中小板指而言，节前5日的收益整体上要优于节前10日收益，说明越临近春节，表现越好，春节效应越显著；节后10日收益要优于节前5日收益，说明节后效应持续时间较长。 ? 创业板指节后平均涨幅大于节前，且在春节前5个交易日和春节后10个交易日内上涨概率超过80%。
63510发布于 2020-02-20 - 来自专栏PPV课数据科学社区
百度迁徙--带您看春运大数据
一张图，尽显中国春运迁徙实景。 这张图，显现中国当下民生现状。 百度迁徙，是目前最接地气的大数据。 在百度上有11,900,000个搜索，而在微博上有找到 138556 条结果，在微信朋友圈里，百度迁徙也是大家讨论的热点。大数据这个词并不多少见，但是为何百度迁徙受到如此大的关注呢？ 从百度迁徙中，可以看到很多动态的迁徙状况。 据央视提供的数据，30多年来，中国的春运大军从1亿多人次到36亿人次。 如此巨大的数据让人一下子摸不到头脑，而通过百度迁徙则可以清晰地看到实时的迁徙状态，比如哪一条线路最热、哪个城市最受欢迎等等，今年有一个最热的现象是，逆向过年，也就是老人们加入春运到孩子工作的地方过年。 我认为，百度迁徙只不过是借助春运、回家过年这种当口发布的，百度内部还有更加“独家”的大数据分析，而不仅仅只是迁徙，坐等进一步发布。
1.5K40发布于 2018-04-18 - 来自专栏Python in AI-IOT
高质量编码-小区今日实时累积用水
由wanderGIS这个大牛的兼容Arcgis JS API编写的EchartsLayer做的百度迁徙可视化启发，我们可以在地图上实现一个小区今日实时累积用水的可视化效果。 image.png image.png image.png image.png 控制开启迁徙图的 HTML如下：
而且每次随机采样10个小区刷新echarts，实际生产中需要根据特定模式轮换，保证一定周期内所有小区的数据都可以利用迁徙图可视化到地图上。 function refreshRegionEcharts() { var data = _.map(_.sample(_.keys(geoCoords), 10), function (item ) { return { 'name': item, 'value': _.random(10, 100) };69440发布于 2019-05-29来自专栏腾讯位置服务助你开启“上帝视角” 数据可视化组件全新上线
在这个数据大爆炸的时代，将数据以可视化的方式呈现出来，无疑可以让人更快的发现数据规律，提升业务决策的效率。 01 组件类型丰富 满足多种场景 实际的业务场景多种多样，为此，腾讯位置服务精心提炼并发布了4个最常用的可视化类型：散点图、热力图、迁徙图、区域图，涵盖点、线、面多种类型，确保可以满足大部分场景的需要。 3） 迁徙图：迁徙图是在两点之间绘制弧线进行连接，并配以动画呈现移动效果的图像，主要用于展示不同地点之间人员、物品、车辆等流动的方向，具体场景如春节期间返乡人员迁徙图、某水产市场商品销售流向图等。 改变参数后 其他的可视化组件同样提供了灵活的参数配置，比如可以改变迁徙路线的宽度、颜色，用以表示两地联系的紧密程度，具体可登录官网文档查看。 目前散点图和热力图支持10万条数据量、迁徙图和区域图支持1万条数据量的展现。 另外，我们的研发同学还为开发者精心准备了4个demo，大家在手机端识别二维码即可直接观看效果，是不是很贴心？
1K20发布于 2019-03-20来自专栏GPUS开发者利用NVIDIA迁徙学习工具包加速智能视频分析
希望加速其深度学习应用程序开发的开发人员可以使用ResNet-10、ResNet-18、ResNet-50、GoogLeNet、VGG-16和VGG-19等预先训练的深度学习模型作为基础，以适应其自定义数据集 他们可以在迁徙学习工具包(Transfer Learning Toolkit)的帮助下对模型进行增量式的再训练，以进行对象检测和图像分类用例。 图1的流程图显示了NVIDIA如何为经过预训练的模型启用逐步迁徙学习，并为IVA应用程序开发人员提供了端到端的深度学习工作流。 提供迁徙工具以帮助用户准备输入数据。 ? (图1:使用迁移学习工具包的工作流) 对于计算机视觉使用的例子，模型的内存占用需要是紧凑的。 tlt_pretrained_model/resnet50.hdf5" batch_size_per_gpu:64 n_epochs:15 n_workers:16 step_size:10
1.2K20发布于 2018-12-25来自专栏华章科技大数据迁徙图：逃离北上广，他们竟然去了这里！
艾普大数据对“逃离北上广深人群”采用了如下定义：从北京、上海、广州、深圳离开后，迁徙至省会城市或热点二线城市，并在该城市驻留超过两个月的人群。 从北上广深人群迁徙图和北上广深人群流入城市TOP10图可看出，逃离一线城市的人群，主要流向了重庆、杭州、成都、厦门、苏州等地。 ? 图1-北上广深人群迁徙图 ? 图2-北上广深人群流入城市TOP10 | 重庆成最受青睐城市 除了反映从北上广深逃离人群整体流向的迁徙图外，艾普大数据还针对北京、上海、广州、深圳四大城市，分别研究了其逃离人群流向城市的分布情况。 图3-北京人口流向城市TOP10 ? 图4-上海人口流向城市TOP10 ? 图5-广州人口流向城市TOP10 ? 图6-深圳人口流向城市TOP10 ? 图10-上海流出人口年龄分布 ? 图11-广州流出人口年龄分布 ?
78230发布于 2018-08-16
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