- 综合排序
- 最热优先
- 最新优先
- 来自专栏用户3645619的专栏
NBI可视化平台快速入门教程（一）数据准备
NBI可视化平台快速入门教程-数据准备 1. 数据准备 1.png 这里使用 Excel 作为演示数据： 数据样本： 2.png 2.登录系统 3.png 3.进入系统后，根据向导，进入数据准备模块 4.png 4.选择对应数据源类型，这里我们选
56720编辑于 2022-05-27 - 来自专栏用户3645619的专栏
通过Flink+NBI可视化构建实时分析系统
Flink主要特点： 1、高吞吐、低延迟、纯流式架构； 2、支持对乱序事件的处理； 3、有状态、提供exactly-once计算； 4、高度灵活的窗口机制； 5、失败恢复、故障转移、水平扩展； 6、批处理 、流处理统一的API 1.png NBI大数据可视化： 2.png NBI一站式自服务大数据可视化分析平台是一款自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析； NBI 3.png Flin+NBI实时数据分析系统构建方案： 4.png （1）通过kafka分布式消息队列接入各类数据源，比如IOT设备实时数据，服务器日志数据，应用系统日志数据，数据库数据等等； （2）然后通过 Flink接入kafka，根据时间窗口，对各类指标做数据计算； （3）计算完毕后接入NBI大数据可视化分析平台，通过平台构建各类分析应用，做实时分析展示； 实时数据分析： 5.gif Q9.png
1K00发布于 2021-05-29 - 来自专栏用户3645619的专栏
NBI可视化平台快速入门教程（四）数据可视化编辑器介绍
NBI可视化平台快速入门教程（四）数据可视化编辑器介绍前面几篇文章介绍了数据准备，接下来介绍如何搭建数据可视化页面（1）通过可视化入口进入到可视化编辑器模块：图片（2）可视化编辑器介绍（2.1）项目列表 ，项目列表是用于存放可视化页面，创建后的可视化页面将会出现在这里（2.2）支持创建分组，支持拖拽排序图片（2.3）页面右键功能介绍（2.3.1）目录节点右键，可以在此目录下（1）新建仪表盘；（2）重名名 绑定数据、调整属性等操作图片（2.7）组件级功能栏，提供对组件排班布局操作图片（2.8）页面级功能栏对页面设置【画布大小调整、背景设置、自适应设置等】、保存、临时预览、另存为（复制页面）、导出图片等操作图片NBI 大数据可视化分析平台（在线体验）作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品。
1.1K40编辑于 2022-06-17 - 来自专栏用户3645619的专栏
NBI可视化平台快速入门教程（二）工作表创建
NBI可视化平台快速入门教程（二）工作表创建 1.接着上篇文章，在创建的数据源节点名称上右键，选择“基于（基于 SQL 语句创建工作表）”： 1.png 1.1或者在表节点上右键，创建工作表（系统会自动生成一条快捷 SQL语句） 2.png 2.进入创建工作表界面： 3.png 3.保存后，会在工作表节点出现 4.png
42930编辑于 2022-05-30 - 来自专栏用户3645619的专栏
NBI可视化集成clickhouse，实现百亿级数据分析能力
2、列式存储与数据压缩 列式存储和数据压缩，对于一款高性能数据库来说是必不可少的特性。 2.png NBI可视化平台介绍： NBI大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品。 NBI大数据可视化分析平台特性介绍： （1）丰富的数据源接入能力：（关系型数据源、大数据分析引擎、MPP数据库、时序数据库...） 3.png （2）易于操作的可视化编辑器：（通过简单的点击、拖拽实现数据的连接和处理 ，快速实现数据可视化需求） 4.png 4.1.png （3）丰富的展示组件：（NBI可视化平台中有多达50余种可视化组件） 5.png 6.png 7.png 8.png 9.png 10.png 11.png 12.png 13.png 14.png 15.png 16.png 17.png 【NBI大数据】【NBI可视化】
1K30发布于 2021-07-23 - 来自专栏用户3645619的专栏
NBI可视化平台内置多种风格多套模板，做数据可视化不费劲
NBI可视化平台版本已经更新到4.9.1啦，在NBI可视化平台4.9.1版本中内置了多种风格、多套模板可以供用户选择使用，并且在可视化视觉上面做了增强 NBI具有丰富的数据源对接能力 易于操作的可视化编辑器 丰富的组件库： 易于功能扩展的脚本功能： NBI大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品。
64130编辑于 2022-02-23 - 来自专栏用户3645619的专栏
NBI可视化平台快速入门教程（三）带参工作表创建
NBI可视化平台快速入门教程（三）带参工作表创建1.如何创建带参工作表参数格式 $参数名称$，比如图片2.测试验证带参工作表是否正确图片3.输入测试参数图片4.多参数演示，多参数查询无非就是按照参数格式标准多接入几个查询条件 工作表的作用在于给NBI可视化构建模块提供数据支撑，为图形组件提供数据。
43330编辑于 2022-06-07 - 来自专栏用户3645619的专栏
利用Python+NBI大数据可视化工具实现采集到分析整体方案
那今天给大家介绍一下通过python采集数据，通过NBI大数据可视化工具做数据分析是如何实现的，首先我们看一下整体方案架构： 思路大致介绍： （1）通过编写python采集脚本，实现数据采集和数据清洗工作 ； （2）将清洗好的数据存储到数据库； （3）通过NBI大数据可视化分析平台接入数据存储库，调取数据； （4）通过NBI大数据可视化分析平台的报告制作模块DIY制作分析报告； （5）分析报告制作完成后保存 ，发布即可 更多信息请参考（http://www.easydatavis.com） 利用Python+NBI大数据可视化工具实现采集到分析整体方案
93880发布于 2021-04-28 - 来自专栏用户3645619的专栏
NBI可视化解锁一天完成几十张数据可视化报告的秘密
） 接下来我们来思考如何落地的问题，有人说做可视化可以通过网上找代码模板，通过写代码来实现，在我看来这种方式来的不是那么的容易，主要存在哪些弊端呢： （1）涉及到开发，实现周期长、成本高； （2）灵活性差 5.png 效果看完了，怎么实现呢，那就得给大家推荐一款好的的数据可视化分析工具了： NBI可视化平台介绍： NBI大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发 5.1.png NBI大数据可视化分析平台特性介绍： （1）丰富的数据源接入能力：（关系型数据源、大数据分析平台、MPP数据库、时序数据库...） 6.png （2）易于操作的可视化编辑器：（通过简单的点击 、拖拽实现数据的连接和处理，快速实现数据可视化需求） 6.1.gif （3）丰富的展示组件：（NBI可视化平台中有多达50余种可视化组件） 7.png （4）不仅仅是可视化，NBI还具有交互式分析能力， 支持数据联动，下钻，协调过滤等分析功能 （5）易于掌握的脚本功能，将个性化功能需求通过脚本功能开放给使用者，使用者通过极少量代码即可实现个性化功能能力 9.png NBI大数据 NBI可视化
57960发布于 2021-09-03 - 来自专栏用户3645619的专栏
NBI可视化平台快速入门教程（五）编辑器功能操作介绍
NBI可视化平台快速入门教程（五）编辑器功能操作介绍 （1）在NBI可视化平台中设置页面大小、背景颜色等 图片 （2）目前系统内置三套皮肤可供选择使用 （3）页面背景支持纯色背景、渐变背景、图片背景 每个组件的配置要求有所不同，请根据组件具体要求拖拽配置） 图片 （11）组件样式设置 依次拖入您需要的组件到画布，数据绑定、属性设置、布局排版即可完成页面配置 图片 （12）最后保存您的作品 图片 图片 NBI 大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品。
34520编辑于 2022-06-30 - 来自专栏用户3645619的专栏
对数据可视化工具应当具备的核心能力和价值的几点思考
&研发来讲，我认为可视化工具必须具备如下几点核心能力： （1）易于使用； （2）快速满足业务需求的能力； （3）多数据源对接能力； （4）与第三方系统集成能力； （5）个性化需求的满足能力； 结合以上几点 ，NBI大数据可视化平台也在不断打磨产品和思考，在数据分析领域能为企业赋能什么： NBI一站式自服务大数据可视化分析平台是一款自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析和个性化场景需求 ； NBI拥有几十种传统图形和新型大数据图形组件（如桑 基图， treemap、层级聚类图、旭日图、热力矩 阵、日历矩阵、gis等等）能让您轻松构建各类炫 酷的数据大屏。 NBI具备两扩展+一开放能力： （1）数据源可扩展 （2）图形组件可扩展 （3）将个性化功能需求通过脚本功能开放给使用者，使用者通过极少量代码即可实现个性化功能能力； 丰富的可视化呈现方式 A9.gif NBI具有交互式分析能力，支持数据联动，下钻，协调过滤等分析功能 A7.gif NBI一站式自服务大数据可视化分析平台提供了多种灵活的部署方式，支持安装包模式安装、手动安装、docker镜像安装 NBI
1K50发布于 2021-04-29 - 来自专栏用户3645619的专栏
一款介于无代码与低代码之间的大数据可视化分析平台
NBI大数据基于以上问题的深度思考，将企业信息化的构建与交付能力做了如下几点总结： （1）低成本 （2）快速构建、快速上线 （3）维护成本低 （4）易扩展 结合以上几点，NBI大数据同时在思考，在数据分析领域能为企业赋能什么 ： NBI一站式自服务大数据可视化分析平台是一款基于.NET Core开发的自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析； NBI一站式自服务大数据可视化分析平台提供了多种灵活的部署方式 ，支持安装包模式安装、手动安装、docker镜像安装 NBI一站式自服务大数据可视化分析平台跨平台性：支持部署在Windows、Linux、MacOS等操作系统上运行 NBI大数据可视化平台架构： NBI具备两扩展+一开放能力： （1）数据源可扩展 （2）图形组件可扩展 （3）将个性化功能需求通过脚本功能开放给使用者，使用者通过极少量代码即可实现个性化功能能力； 当遇到个性化功能需求时，怎么办 NBI平台提供了脚本功能，使得使用者通过极少量的代码完成个性化功能扩展能力： 脚本示例： NBI大数据 NBI可视化 物联网 低代码 无代码 数据中台 数据可视化
1.7K31发布于 2021-05-06 - 来自专栏用户3645619的专栏
国内首款基于.NET Core平台的大数据可视化分析工具平台
NBI一站式自服务大数据可视化分析平台是一款基于.NET Core开发的自助式可视化分析大屏展示平台，可以通过平台零代码或低代码方式构建各类数据展示分析； NBI一站式自服务大数据可视化分析平台提供了多种灵活的部署方式 ，支持安装包模式安装、手动安装、docker镜像安装 NBI一站式自服务大数据可视化分析平台跨平台性：支持部署在Windows、Linux、MacOS等操作系统上运行 NBI一站式自服务大数据可视化分析平台 V4.6.5主要更新内容如下： （1）优化平台性能，主要解决平台中部分组件在自动刷新后，内存居高不下的现象，导致时间长后卡顿 （2）平台中所有数据展示组件新增自动刷新功能功能，可开启，可关闭，可配置刷新时间间隔 数据源对接 （5）新增数据源管理平台树形菜单刷新功能 （6）修复和完善若干小问题 （7）数据源管理平台图标风格调整，保持与整体风格一致性 组件自动刷新： 表格自动滚动： 新增influxdb数据源： NBI 大数据 NBI可视化 新基建 物联网 echart 数据中台 数据资产 数据可视化
1.7K80发布于 2021-05-12 - 来自专栏用户3645619的专栏
利用NBI大数据可视化工具做RFM模型分析，洞察数据价值，驱动业务增长
那我们也为大家整理好了每一种类型的销售策略： 到这里我们大概对RFM模型有一定的了解了，那么我们如何去构建RFM模型呢或者说用什么工具去支撑RFM呢，那么接着往下看，为大家准备推荐一款极其好用的大数据可视化工具 ： 我们先看下结果： 再来看看如何构建： NBI大数据可视化分析平台 NBI大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，一直围绕简单、易用，强调交互分析为目的的新型产品 简单易用：无需技术背景，只需通过拖拽方式，5分钟即可完成一张可视化图形分析报表； 简单交付：通过简单的点击、拖拽实现数据的连接和处理，快速实现数据可视化需求； 方便集成：能与企业现有的业务信息系统无缝集成 丰富的图形库：拥有几十种传统图形和新型大数据图形组件（如桑基图，treemap，层级聚类图，热力矩阵等等）能让您更直观的和数据对话 NBI一站式自服务大数据可视化分析平台提供了多种灵活的部署方式，支持安装包模式安装 、手动安装、docker镜像安装 NBI一站式自服务大数据可视化分析平台跨平台性：支持部署在Windows、Linux、MacOS等操作系统上运行 NBI大数据
1.4K30发布于 2021-04-27 - 来自专栏用户3645619的专栏
用可视化报告拿到30W年终奖的时候，才知道数据可视化的重要
数据分析是当今企业的必备需求和应当拥有的核心能力，如何让企业能快速掌握和拥有这项能力是NBI可视化一直在思考，一直在努力的方向，NBI可视化团队拥有多年的B端服务经验，深知B端业务的复杂性和特殊性问题， 让我们在设计NBI可视化产品时会贴合场景去思考，如何快速、低门槛的适配企业各种场景的使用，可视化绝对不是像网上说的或者培训机构讲的那样，会点python代码，拥有几套模板就能解决的问题，更多需要考虑B端企业的真实需求与现状如 ： （1）企业现有业务数据如何接入的问题，现状是数据可能分散在不同的业务系统中，数据源分散，数据接入口径不一致等问题 1.png （2）如何快速呈现、解读数据背后的价值 是否拥有丰富的数据展示组件，是否拥有简单易用的操作体验 ，多维度，多视角全面了解数据背后的价值 2.png 3.png 部分展示组件效果展示 4.png 提供拖拽式操作的编辑工具，自由DIY各类分析报告 （3）是否有丰富的数据交互功能，追溯数据发生的过程和结果 可视化的集成大致分为两种，一种是直接将url地址嵌入到第三方系统；另外一种是通过NBI的API接口获取资源信息嵌入到第三方系统 （6）多平台、多形式的安装部署 NBI可视化支持windows、Linux
48100发布于 2021-10-27 - 来自专栏用户3645619的专栏
利用NBI可视化+influxDB时序数据库构建物联网大数据分析平台
这些数据不只是要实时生成，写入存储；还要支持快速查询，做可视化的展示，帮助管理者分析决策；并且也能够用来做大数据分析，发现深层次的问题，帮助企业节能减排，增加效益。 支持类似SQL的查询语法 2.提供了Http Api直接访问 3.存储超过10亿级别的时间序列数据 4.灵活的数据保留策略，可以定义到Database级别（只保留最热的数据） 5.内置管理接口和CMD 水平扩展，支持集群模式 方案介绍： 1Q2.png 技术架构： 1Q3.png NBI可视化平台介绍： NBI大数据可视化分析平台作为新一代自助式、探索式分析工具，在产品设计理念上始终从用户的角度出发，
1.4K20发布于 2021-05-21 - 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
37350发布于 2021-04-28 - 来自专栏用户3645619的专栏
（3）sparkstreaming从kafka接入实时数据流最终实现数据可视化展示
（1）sparkstreaming从kafka接入实时数据流最终实现数据可视化展示，我们先看下整体方案架构：图片（2）方案说明：1）我们通过kafka与各个业务系统的数据对接，将各系统中的数据实时接到kafka ；2）通过sparkstreaming接入kafka数据流，定义时间窗口和计算窗口大小，业务计算逻辑处理；3）将结果数据写入到mysql；4）通过可视化平台接入mysql数据库，这里使用的是NBI大数据可视化构建平台 String[] lang = {"flink","spark","hadoop","hive","hbase","impala","presto","superset","nbi Durations.minutes(6)); //指定窗口大小 和 滑动频率 必须是批处理时间的整数倍; mapDStream.foreachRDD(new VoidFunction2< 大数据可视化构建平台对接mysql，构建数据应用：图片图片图片NBI可视化
63440编辑于 2022-09-10 - 来自专栏图形学与OpenGL
实验2 关系可视化
了解关系可视化知识，了解和学习散点图、饼图、堆叠柱形图、板块层级图和直方图等常见图表类型； 2. 学习图形语法方式绘图； 3. 学习与巩固R+Illustrator可视化绘图模式。 二. 用R绘图，具体如下： （1）安装ggplot2包： 启动RStudio后，菜单栏点击Tools>Install Packages…中输入ggplot2，安装； （2）新建一个R Script文件； （4 ）启用ggplot2包： 在新建的R Script文件中输入下面代码来启用ggplot2包： library(ggplot2) 将光标放在上面代码所在行，点击菜单Code->Run Select Lines （4）数据整理： 通过以下两行代码来剔除掉华盛顿特区和全美平均值，并将剔除后的数据存入crime2变量中： crime2 <- crime[crime$state ! = “District of Columbia”,] crime2 <- crime2[crime2$state !
1.2K20发布于 2018-10-09 - 来自专栏叶子陪你玩编程
数据可视化-入门2
前面两个参数确定了面板的划分，例如 3， 2会将整个面板划分成 3 * 2 的方格，第三个参数取值范围是 [1, 3*2] 表示第几个Axes。 超过一位数，每个数字之间需要用逗号进行分隔，fig.addsubplot(2,21)和fig.addsubplot(2, 2, 1)都是可以的，fig.addsubplot(12, 2, 1)。 (2, 2, 1) plt.title('1') plt.imshow(image_1) plt.subplot(2, 2, 2) plt.title('2') plt.imshow(image_2) (-20, 22, 2)] y2 = [i*2 for i in range(-20, 22, 2)] y3 = [-i*2-5 for i in range(-20, 22, 2)] y4 = [i* *3 for i in range(-20, 22, 2)] # 在绘图之前，显示创建一个2x2 Figure对象 fig, axes = plt.subplots(nrows=2, ncols=2)
63820发布于 2020-03-12
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