- 综合排序
- 最热优先
- 最新优先
- 来自专栏四火的唠叨
JavaScript 3D 图表
在说 3D 图表以前，首先要明确两个概念，一个是数据的维度，一个是呈现数据载体的维度。对于数据的维度，一维的数据呈现，但是呈现的载体是二维的平面图，比如饼图： 已经能够很清晰地观察到数据的分布情况。 一种，在当前二维图表的基础上，通过颜色、图形、数值的不同等等，来表示第三个维度的数据。 明确了这些概念以后，我再来介绍两则 JavaScript 的 3D 图表，它们都是为了呈现三维的数据，而不仅仅是看起来 3D 而已，大部分 JavaScript 的 3D 图表库都是基于 Canvas WebGL 是一种 3D 的绘图标准，有了它，JavaScript 就可以实现 OpenGL 标准能做的事情了，在 HTML5 Canvas 基础上，WebGL 允许硬件 3D 加速。 , glOptions); surfacePlot2.draw(data2, options, basicPlotOptions2, glOptions2); Demoparse 主要用来根据用户输入的公式
1.2K10编辑于 2022-07-15 - 来自专栏生信修炼手册
使用matplotlib绘制3D图表
除了绘制经典的二维图表外，matplotlib还支持绘制三维图表，通过mplot3d工具可以实现，只需要在axes对象中指定projection参数为3d即可，常见的折线图，散点图，柱状图，等高线图等都可以进行三维图表的绘制 ') >>> theta = np.linspace(-4 * np.pi, 4 * np.pi, 100) >>> z = np.linspace(-2, 2, 100) >>> r = z ** 2 2. 柱状图 示例如下 >>> fig = plt.figure() >>> ax = plt.axes(projection='3d') >>> yticks = [3, 2, 1] >>> for i in 除了以上基本类型外，matplotlib还支持更多的3D图表类型，具体用法请查看官方文档。 ·end·
1.4K10发布于 2020-09-23 - 来自专栏网络收集
图表4 饼图（2）
选中模式，表示是否支持多个选中，默认关闭，支持布尔值和字符串，字符串取值可选 ‘single’ ， ‘multiple’ ，分别表示单选还是多选
67310编辑于 2022-06-16 - 来自专栏python数据分析实践
Matplotlib数据关系型图表（2）
本节继续探讨数值关系型图表的绘制，主要探讨了气泡图、三维散点图、等高线图和曲面图的绘制方法。 一、数值关系型图表（2） 1.4 气泡图 气泡图是一种多变量图表，是散点图的变体，也可认为是散点图和百分比区域图的组合。 , projection = '3d') ax2.scatter(x, y, sizes, c = colors, cmap = 'jet', alpha = .6) #指定z值和大小为sizes数组 ax3 = fig.add_subplot(223, projection = '3d') ax3.scatter(x, y, sizes, s = sizes, c = colors, cmap = 'jet', alpha = .6) #旋转三维图，azim表示绕着Z轴旋转，elev表示绕着Y轴旋转 ax4 = fig.add_subplot(224, projection = '3d') ax4
1.7K30编辑于 2023-02-23 - 来自专栏python数据分析实践
Matplotlib数据分布型图表（2）
本文继续介绍数据分布型图表的绘制方法： 3 蜂巢图 蜂巢图使得每个类别数据点沿着X轴类别标签中心向两侧，同时向上均匀而对称地展开，整体较为美观，也能展现数据的分布规律。 现有一组数据（名称为df），记录了PM2.5不同季节的浓度，每个季节有100个，现用蜂巢图表示。 figsize = (12, 6)) ax = fig.add_subplot(121) #绘制蜂巢图，并绘制在ax画布上 g = sns.swarmplot(x = 'season', y = 'pm2_ ': 'k', 'color': 'b'}, kde_kws = {'color':'k', 'linestyle': '-'}, ax = ax2) ax2.set_title('Spring distrubtion 第一个四分位数（Q1）就是下四分位数，第二个四分位数（Q2）就是中位数，第三个四分位数（Q3）就是上四分位数。
1.2K20编辑于 2023-02-23 - 来自专栏完美Excel
Excel图表学习：漏斗图2
在前面的文章《Excel图表学习67：4步绘制漏斗图》中，我们讲解了绘制漏斗图的技巧，今天，我们再举一例。这个示例来自于www.sumproduct.com。 通常，这些值按从高到低的顺序排列，以便在绘制它们时，图表类似于漏斗。 图1 首先，对数据进行整理，找到数量中最大的数为1057，将该数输入到单元格B11中，在“数量”列的左侧添加一列数据，然后在单元格C4中输入公式： =B11/2-D4/2 下拉至单元格C9，结果如下图2 图2 选择数据单元格B4:D9，单击功能区“插入”选项卡“图表”组中的“堆积条形图”，结果如下图3所示。 图3 单击选择系列1，再单击右键，选择“设置数据系列格式”命令，设置如下图4所示。 图5 现在的图表不像漏斗，这是由于数字不是按降序排列的。选择数据表区域B3:D9，单击功能区“开始”选项卡“编辑”组中“排序和筛选——自定义排序”，设置如下图6所示。 图6 结果如下图7所示。
2.7K30编辑于 2022-11-16 - 来自专栏python数据分析实践
Matplotlib时间序列型图表（2）
往期回顾 在上一篇文章中，我们了解了时间序列图表的绘制方法，效果如下（滑动以浏览），对以往的工作做个总结。目的就是简化大家代码的书写过程，拓宽绘图方法，为科研和商业绘图提供帮助。 时间序列型图表（续上节） 4 量化波形图 量化波形图（也被称为河流图或主题河流图），是堆积面积图的一种变形，通过流动的形状展示不同类别数据随时间的变化情况。 + sigma2, mu2 - sigma2, facecolor = 'C1', alpha = 0.4) ax.plot(t, mu1, lw=2, label='mean population 1 = '#00FF00', alpha = .3) ax.fill_between(x, y1, y2, where = (y1 > y2) & ((y1 - y2) > 0.5) & ((y1 - y2 《Python数据可视化之美：专业图表绘制指南》，张杰著，2020年3月第一版. 2.matplotlib官网： https://matplotlib.org/stable/api/axes_api.html
89620编辑于 2023-02-23 - 来自专栏不仅仅是python
数据可视化-Matplotlib中的3D图表
背景介绍 今天我们演示绘制在极坐标中定义的曲面3D图。并使用matplotlib中内置的color map做展示。 ? 入门实例 先看视频演示效果： 代码块 ''' ================================= 3D表面与极坐标 ================================= as plt import numpy as np #定义子图表，添加3D投影 fig = plt.figure() ax = fig.add_subplot(111, projection='3d' ) # 在极坐标中创建网格并计算相应的Z值. r = np.linspace(0, 1.25, 50) p = np.linspace(0, 2*np.pi, 50) R, P = np.meshgrid (r, p) Z = ((R**2 - 1)**2) #在笛卡尔系统中表示网格 X, Y = R*np.cos(P), R*np.sin(P) # 绘制表面. ax.plot_surface(X, Y
1.3K40发布于 2019-08-23 - 来自专栏DrugOne
基于3D几何的预训练分子图表示
编译| 沈祥振 审稿| 郭梦月 本文介绍了唐建课题组的Shengchao Liu等人基于3d几何研究的成果：鉴于现实世界场景中 3D 信息的缺乏极大地阻碍了对分子几何图表示的学习，本文提出了一种图预训练框架 这两个 SSL 任务获得的知识是相辅相成的，因此GraphMVP 框架将它们整合在一起，形成更具判别力的 2D 分子图表示。作为通用的 SSL 预训练管道，GraphMVP 有两个阶段：预训练和微调。 具体到药物发现，我们有一个 2D 图和每个分子的一定数量的 3D 构象，我们的目标是学习一个强大的 2D/3D 表示，可以在最大程度上恢复其 3D/2D 对应物。 如图1，它本质上是从采样的 2D 分子图表示 () 中重建 3D 构象异构体 (y)。 上述过程称为变分分子重建，在具体实现上，实际采用了一种类似于 VAE 的轻量级生成 SSL。 4总结 从领域的角度来看，GraphMVP是结合 3D 信息来增强 2D 图表示学习的首次尝试，并且能够通过考虑建模中的随机性来利用 3D 构象。
1.2K50编辑于 2022-04-19 - 来自专栏数据指象
ggplot2:让图表更顺滑
2，入门小试：了解图形属性 library(ggplot2) data() #查看R自带的数据集 diamonds #选择数据集-Prices of over 50,000 round cut diamonds qplot(carat, price, data=diamonds,colour=color, shape=cut, alpha=I(1/100)) #加透明度 3，进阶一步：善用几何对象 ggplot2中可以用 本文我们学会了，用ggplot2运用简单的数据和几何对象构造出具有大小、形成、颜色属性的图形； 苦练上述基本作图操作，关注我一起研究更多ggplot2的高级用法。
48510编辑于 2022-04-27 - 来自专栏人力资源数据分析
职场数据图表设计与演示（2）
我们在上篇讲到了图表设计的四个步骤，今天我们来讲讲如何来设计 一.理解数据 ? 比如你看到的上面这个图，我们在做数据图表之前，我需要理解这个图里的数据的意义，我需要知道什么是离职率，离职率怎么算，和哪些数据字段有关系，这些字段的意义是什么，这些都是我们在做数据图表之前需要理解的。 确定关系 在理解了数据后，我们需要确定数据之间的关系，为后续的数据图表的选择做基础，数据图表之前的关系主要有以下四种 1.频率关系 2.时间关系 3.数量关系 4.成分关系 具体的可以参考下面PPT的讲解 三 ：图表的选择 在确定了数据的关系之后，我们就需要去选择图表，根据数据的关系选择对应的图表，这样我们才可以用图表来进行数据的可视化。 这三步是前期我们进行数据设计的基础在这三部的基础上，我们要进行各种图表的设计和美化。 我们在下一个文章会讲我和来做图表的设计。
66731发布于 2020-06-19 - 来自专栏HT
基于HTML5 Canvas的3D动态Chart图表
发现现在工业SCADA上或者电信网管方面用图表的特别多，虽然绝大部分人在图表制作方面用的是echarts，他确实好用，但是有些时候我们不能调用别的插件，这个时候就得自己写这些美丽的图表了，然而图表轻易做不成美丽的 看到有一个网站上在卖的图表，感觉挺好看的，就用 HT for Web 3D 做了一个小例子，挺简单的，也挺好看的，哈哈~ Demo 地址： http://www.hightopo.com/demo/WireframeAnim 这个例子用 HT 实现真的很容易，首先创建一个 HT 中最基础的 dm 数据模型，然后将数据模型添加进 g3d 3d 组件中，再设置 3d 中的视角并把 3d 组件添加进 body 元素中： 1 dm (); 5 g3d.getView().style.background = '#000'; 接着就是造这五个chart图表条了，我的思路是这样的，里层有一个节点，外层一个透明的节点，底部一个 3d 的文字显示当前的百分比 最后，要动态的变化 chart 图表中的柱形图，我们得设置动画，并且将 3d 字体也同步更新数值： 1 setInterval(function(){ 2 if(node.a('myHeight
2.2K70发布于 2018-01-03 - 来自专栏前端重点笔记
三种图表技术SVG、Canvas、WebGL 3D比较
描述： 一种使用XML描述的2D图形的语言 SVG基于XML意味着，SVG DOM中的每个元素都是可用的，可以为某个元素附加Javascript事件处理器。 2.什么是canvas？ 描述： 通过Javascript来绘制2D图形。 是逐像素进行渲染的。 其位置发生改变，会重新进行绘制。 3.什么是WebGL 3D？ 说白了就是基于Canvas的3D框架 主要用来做 3D 展示、动画、游戏。 因为前两项都是描述2D图形的，而WebGL是描述3d的，所以以下针对SVG和Canvas做比较。 0; width: 250px; border-right: 1px solid #CCC; } #toolbox h2 形状</h2> <form id="shape-attrs"> 请先创建图形 </form> <h2>外观和变换</h2>
4.2K30发布于 2019-09-16 - 来自专栏编程直播室
新增章节——Ionic 2 中添加图表
Ionic 2 实例开发 今日更新新增章节——Ionic 2 中添加图表： Chart.js是一个在HTML5的<canvas>元素中绘制图标的JavaScript库，非常适合于HTML5的移动应用。 本教程将通过安装使用Chart.js，并展示几种不同类型的图表。看起来是下面这个样子的： ? Char.js示例 同期新增和修改的章节还有： 使用VS Code在Chrome中调试Ionic 2 在Ionic 2 Native中使用Cordova插件 Ionic 2中使用百度地图和Geolocation 没有苹果电脑打包iOS平台的 Ionic 2程序
2.3K30发布于 2018-06-07 - 来自专栏Python机器学习算法说书人
绘制图表（2）：再次实现
绘制图表（1）：初次实现 5.再次实现 通过编写这个原型，我们学到了什么呢？我们学到了使用ReportLab进行绘图的基本知识，还知道了如何提供数据，以便使用提取的数据轻松地绘制图表。 要给文本添加标签，可参考自动添加标签（2）：再次实现这篇文章。如果要创建PDF文件，可使用ReportLab中的Platypus（也可使用LATEX等排版系统来集成PDF图形）。 如果你的主要目标是根据数据绘制图表（就像这个项目一样），那么除ReportLab和PYX外，还可以选择使用其他的包，其中很不错的一个是Matplotlib/pylab（http://matplotlib.org
91420发布于 2019-07-26 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE图表——基于sentinel-2和GRIDMETDROUGHT数据的时序图表分析
2. 数据处理：对获取的数据进行预处理，包括数据清洗、填充缺失值、去除异常值等。可以使用Python或其他数据处理工具。 3. 数据分析：根据分析的目标选择适当的分析方法。 可以使用图表、地图或其他可视化工具来展示分析结果。 对于DROUGHT数据的分析，主要是针对干旱指数进行研究和评估。可以使用DROUGHT数据计算不同地区的干旱指数，并对不同地区的干旱程度进行比较。 = ee.Geometry.Point(-113.020683, 31.942751); var buffer = springs.buffer(100); // 查找自 2015 年以来的哨兵-2 数据 var collection = ee .ImageCollection("COPERNICUS/S2") .filterBounds(springs) .filterDate("2015 image) { return image.gt(0).copyProperties(image, ["system:time_start"]); }); // 生成地表水像素检测数量随时间变化的图表
51910编辑于 2024-11-24 - 来自专栏智药邦
ICLR｜基于3D几何信息的分子图表示学习
分子图表示学习是现代药物和材料发现中的一个基本问题。分子图通常由其2D拓扑结构进行建模，但最近研究发现，3D几何信息在预测分子功能中起着更为重要的作用。 然而，真实场景中3D信息的缺乏严重阻碍了分子图对其几何图表示的学习。 这两个SSL任务所获得的知识是相辅相成的，因此本文的GraphMVP框架将它们整合在一起，形成了一个更具有鉴别力的2D分子图表示。 具体到药物发现，本文对每个分子都有一个2D图和的一定数量的3D构象，本文的目标是学习一个鲁棒的2D/3D表示，可以在最大程度上恢复其3D/2D对应物。 在 GraphMVP中，本文更倾向于 VAE 类方法，原因如下：(1)两个分子视图之间的映射是随机的：多个3D构象对应于相同的2D拓扑; (2)下游任务需要一个显式的2D图表示(即特征编码器); (3)
1.3K10编辑于 2022-11-16 - 来自专栏点云PCL
M^2BEV: 统一的鸟瞰图表示的多相机联合3D检测和分割
M^2BEV将多视角的2D图像特征有效地转换为以自车坐标系为基础的3D鸟瞰图特征，这种鸟瞰图表示很重要，因为它使不同任务能够共享一个编码器，该框架还包含四个重要设计，既提高了准确性又提高了效率： (1) (2)一种动态框分配策略，使用学习匹配来将真值3D框分配给锚点。 (3)一种鸟瞰图中心性重新加权方法，对更远的预测加权更大。 (4)大规模2D检测预训练和辅助监督。 展示了大规模的2D注释（如nuImage）和2D辅助监督的预训练可以显著提高3D任务的性能，并有益于标签效率。 (c)展示了在M2BEV中高效的2D→3D特征投影，它将2D特征沿着射线投影到3D体素中。 图5：一些改进设计的细节。(a) 不同范围内的BEV中心度和IoU改进；(b) 2D检测预训练。 我们首先在2D检测任务上预训练模型，然后将骨干网络的权重转移到3D任务上；(c) 通过将自车空间中的3D GT框投影到2D图像空间中生成2D GT框。
1.1K20编辑于 2023-08-21 - 来自专栏数据 学术 商业 新闻
R-ggplot2 基础图表绘制-散点图
本期开始陆续推出基础图表的绘制推文教程，也算是自己的一个基础知识积累和巩固，希望和大家一同学习进步。 这期的推文是关于散点图的绘制，主要知识点如下： R-ggplot2 散点图绘制 ggplot2 散点图美化 （毕竟好看的图表设计会使人眼前一亮，当然也会增加自己的学习兴趣） R-ggplot2 散点图绘制 数据预览 ggplot2 对于绘制目前所见的图表都是有对应的绘图函数可以绘制，后面我们陆续介绍。 ggplot2 散点图美化 hrbrthemes 主题美化包 hrbrthemes 包作为一个优秀的ggplot2第三方包，其强大的绘图主题设置(字体、背景、网格等绘图属性)功能可以帮你节省宝贵的时间， 今后基础图表的绘制也都会按照这个样式(基础图表+美化)，希望大家能够喜欢，并且有所获得。
1.6K20发布于 2021-02-22 - 来自专栏点云PCL
3D特征点概述（2）
紧接上文思路继续介绍3D特征的基本概念问题。 ? RIFT (Rotation-Invariant Feature Transform) RIFT是一种局部特征描述法，且该方法扩展于SIFT。 （2）NARF不仅是描述符，还是检测器。 D3 shape description functions: Matching 3D Models with Shape Distributions (Osada et. al.) （3） D2：对于D2函数，计算Pri和Prj之间的距离。然后检查连接两点的线是否完全位于表面（IN），表面外（OUT）或两者（MIXED）。 （2）对于两个点对，计算彼此之间的距离，并检查两者之间的线是否位于表面上，外部或与物体相交（IN，OUT或MIXED）。在D2的三个子图表中的一个中增加与计算的距离对应的bin。
1.8K50发布于 2019-07-30
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