- 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. 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Excel数据源类型 5. png 5.创建数据源连接 6.png 6.数据源创建成功 7.png 8.png 8.我们可以做下测试，验证是否成功 9.png 到此数据源已经建立成功，下一步需要基于数据源表建立工作表。
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
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
（5）分布式管理：提供集群模式，能够自动管理多个数据库节点。 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 ，如图片5.测试验证图片6.测试无误后，保存即可。 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
随着国内信息化的快速发展，各行各业的信息化建设程度越来越高，随之而来对信息化和智能化提出了更高的要求，从信息化的管理阶段上升到以数据驱动，数据洞察，数据价值为核心的层面，那么在现阶段我相信大数据、可视化 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 达到自适应效果（注意：等比例自适应效果最佳，比如页面大小设置的是16:9的大小，然在不同16:9分辨率下效果适配效果最好，比如1920*1080大小的页面在1366*768上浏览 效果最佳） 图片 （5） 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
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 ，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 （3） 表格组件增加自动滚动功能 （4）新增influxdb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
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 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，比如数据联动、组件联动、钻取、动态参数等等 5. gif 6.gif （4）是否有现成的模板可以直接套用，减少在视觉效果和布局上面的时间消耗 7.png 8.png （5）系统集成性问题，是否方便与第三方系统进行集成 NBI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、macOS等操作系统安装使用，在windows
48100发布于 2021-10-27 - 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
简单来说，低代码开发就是将已有代码的可视化模块拖放到工作流中以创建应用程序的过程。 ： 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拥有几十种传统图形和新型大数据图形组件（如桑 基图， treemap 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
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
： 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 设计了管理用户信息和管理访问权限，还可支持数据级 别的访问； 多终端查看：基于HTML5技术，跨浏览器，移动终端访问;基于B/S架构，无需在客户电脑上安装，用户只需通过浏览器就可以访问； 支持私有化部署 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
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， 1Q4.png 产品特点： 1Q5.png 案例展示： 1Q6.png 1Q8.png Q7.png Q9.png 更多信息请参考（http://www.easydatavis.com）
1.4K20发布于 2021-05-21 - 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 ；5）在平台上通过拖拽式构建各种数据应用，数据展示；（3）代码演示：定义一个kafka生产者，模拟数据源package com.producers;import com.alibaba.fastjson.JSONObject String[] lang = {"flink","spark","hadoop","hive","hbase","impala","presto","superset","nbi 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 - 来自专栏优雅R
「R」数据可视化5 : 气泡图
本文作者蒋刘一琦 在生物信息领域我们常常使用R语言对数据可视化。在对数据可视化的时候，我们需要明确想要展示的信息，从而选择最为合适的图突出该信息。 , MURC, MIB1, FOXC2, FOXC1, ADAM19, MYL2, TCAP, EGLN1, SOX9, ITGB1, CHD7, HEXIM1, PKD2, NFATC4, PCSK5, PLN, TSC2, ATP6V0A1, TGFBR3, HDAC9 ## 2 GNA13, ACVRL1, NRP1, PGF, IL18, LEPR, EDN1, GJA1, FOXO1, GJA5, , PLXND1, CAR2, ACTC1, TBX4, SMAD3, FZD3, SHANK3, FZD6, HOXB4, FREM2, TSC2, ZIC5, TGFBR3, APAF1 ## 5 The threshold refers to the -log(adjusted p-value) (default=5) ?
3.8K30发布于 2020-07-06 - 来自专栏数据分析1480
【Python可视化5】Seaborn之线性回归
Seaborn是基于matplotlib的Python可视化库。它提供了一个高级界面来绘制有吸引力的统计图形。 stripplot的API： seaborn.lmplot(x, y, data, hue=None, col=None, row=None, palette=None, col_wrap=None, size=5, font_scale=1.5,style="white") 本次试用的数据集是Seaborn内置的tips小费数据集： 1data=sns.load_dataset("tips") 2data.head(5) , 2 data=data,row="sex", 3 col="smoker",sharex=False) 4#可以看到设置为False时，各个子图的x轴的 5#
1.6K00发布于 2019-12-24 - 来自专栏往期博文
【目标检测】利用PyQT5搭建YOLOv5可视化界面
前言 本篇主要利用PyQT5搭建YOLOv5可视化界面，并打包成exe程序。 整体框架参考自：https://xugaoxiang.com/2021/06/30/yolov5-pyqt5 在此基础上，优化了预测逻辑，适配YOLOv5-5.0版本，并使用qdarkstyle美化了界面 /s/16nHvS5tRSeLKB0Ql2-6ZFw? 打包通常采用的是Pyinstaller这个工具库，本次打包使用一个新的工具叫Auto Py to Exe，该工具仍是调用Pyinstaller进行打包，不过对选项进行了可视化，操作更加便捷。 运行之前，需要将原始工程中的几个文件夹拷贝进去，否则会提示找不到文件，如下图所示： 双击main.exe，即可看到可视化界面。 报错解决 在调式时，遇到一些小问题，这里也记录下。
9.7K41编辑于 2022-09-23
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