今天给大家推荐一个优质的Python公众号「法纳斯特」，作者：小F。 学习编程是一个比较枯燥的过程，所以小F平常喜欢分享一些有趣、有料的Python原创项目实战。从2018年8月一直到现在，已经更新接近 百篇原创 文章。 主要有Python基础、爬虫、数据分析、数据可视化等内容，非常受编程学习者的欢迎，不少文章被各大平台转载。 这里精选了50个Python数据分析实战案例，不仅包含源码，还有使用教程。 50+的Python实战案例及使用教程，可在公众号「法纳斯特」后台回复 “合辑” 获取～ 点击关注 回
页面可视化搭建, 是一个历久弥新的话题. 更广义上讲, 页面是 GUI 的一部分, GUI 的拖拉生成在各种开发工具上很常见, 如 Android Studio, Xcode, Visual Studio 等. 前端页面早在十几年前就能用 Dreamweaver, Frontpage 等工具可视化搭建出来.
自定义BI改变了传统IT主导开发固定报表的时代，让数据能够即席分析达到所见即所得，随着大模型的兴起与火热，LLMs 结合数据可视化技术，通过问答的方式能够让系统智能与数据交互与生成图表，无论是BI copilot还是ChatBI, 除了替代之前小助手功能只能查询已有报表数据外，更多的是省略创建dashboard拖拉拽的操作，让新生成的图表和已经存在或者创新新的dashboard。
之前发了一条动态数据可视化的视频，有很多朋友来咨询怎么制作的，其实制作过程难度不大，上手很快，特地为大家整理了一篇制作教程，五分钟让你的数据动起来！
之前在做数据分析的时候，用过一个自动化生成数据探索报告的Python库：ydata_profiling
在这个博客中，我们将探讨如何使用人工智能生成计算机（AIGC）来生成惊艳的3D内容。我们将详细介绍每个步骤，并提供代码示例以帮助您理解。
接口数据信息，通过附加交互（js）及布局样式（html/css）信息, 最终流向屏幕的像素信息。
点击关注公众号，Java干货及时送达 推荐阅读：Spring Cloud Alibaba 终于一统江湖！ 出品 | OSC开源社区（ID：oschina2013） Grafana 9.0 的主要重点是改善 Grafana 的用户体验，使可观察性和数据可视化更易用也更容易获得。无论是通过 Prometheus 和 Loki 可视化查询生成器还是面板和仪表板搜索功能，Grafana 9.0 都引入了更新的工作流程，使发现和调查数据变得更加容易和直观。 要深入了解所有最新功能，可以加入在 GrafanaCONl
由于工作里常常要做图表，Excel没法满足复杂场景，所以Echarts和Tableau成为了我最得力的两个助手。
出品 | OSC开源社区（ID：oschina2013） Grafana 9.0 的主要重点是改善 Grafana 的用户体验，使可观察性和数据可视化更易用也更容易获得。无论是通过 Prometheus 和 Loki 可视化查询生成器还是面板和仪表板搜索功能，Grafana 9.0 都引入了更新的工作流程，使发现和调查数据变得更加容易和直观。 要深入了解所有最新功能，可以加入在 GrafanaCONline 举行的 Grafana 9.0 会议：https://grafana.com/go/grafanac
点击上方“芋道源码”，选择“设为星标” 管她前浪，还是后浪？ 能浪的浪，才是好浪！ 每天 10:33 更新文章，每天掉亿点点头发... 源码精品专栏 原创 | Java 2021 超神之路，很肝~ 中文详细注释的开源项目 RPC 框架 Dubbo 源码解析 网络应用框架 Netty 源码解析 消息中间件 RocketMQ 源码解析 数据库中间件 Sharding-JDBC 和 MyCAT 源码解析 作业调度中间件 Elastic-Job 源码解析 分布式事务中间件 TCC-Transaction
熟悉pandas的童鞋估计都知道pandas的describe()和info()函数，用来查看数据的整体情况，比如平均值、标准差之类，就是所谓的探索性数据分析-EDA。
你是否想知道LSTM层学到了什么？有没有想过是否有可能看到每个单元如何对最终输出做出贡献。我很好奇，试图将其可视化。在满足我好奇的神经元的同时，我偶然发现了Andrej Karpathy的博客，名为“循环神经网络的不合理有效性”。如果你想获得更深入的解释，建议你浏览他的博客。
随着数据量的快速增长和对数据洞察力的需求日益增强，数据可视化成为了数据科学和分析领域中至关重要的一部分。Python作为一种功能强大、灵活且易于学习的编程语言，拥有丰富的数据可视化库和工具，使得开发者能够轻松地创建出令人印象深刻的图形。
当地时间 7 月 7 日，OpenAI 在社交平台表示，将向所有 ChatGPT Plus 用户开放代码解析器（Code Interpreter）功能。消息一出便瞬间引发了开发者们的广泛关注，该功能被有的开发者认为是自 OpenAI 发布 GPT-4 以来最强大的功能。
去年实习时，因为项目需要，接触了一下Learning to Rank(以下简称L2R)，感觉很有意思，也有很大的应用价值。L2R将机器学习的技术很好的应用到了排序中，并提出了一些新的理论和算法，不仅有效地解决了排序的问题，其中一些算法(比如LambdaRank)的思想非常新颖，可以在其他领域中进行借鉴。鉴于排序在许多领域中的核心地位，L2R可以被广泛的应用在信息(文档)检索，协同过滤等领域。
作为企业管理者，我们每天都需要关注各种数据和信息，以便做出正确的商业决策。然而，这些数据和信息通常分散在不同的系统、应用程序和文件中，如果要手工收集和整理，不仅费时费力，而且容易出错。因此，为了更高效地管理数据和信息，我们需要一个强大的报表定制系统。
https://grafana.com/grafana/plugins/alexanderzobnin-zabbix-app/
本文介绍了如何在Jupyter Notebook中创建交互内容。所谓内容，主要指可视化内容。不过我们很快就会看到，这里的可视化内容不仅包括通常的图表，还包括有助于探索数据的交互界面和动画。
不知道大家有没有听说过低代码这个东西？有人觉得低代码是一种无用的玩具，也有人认为低代码的出现有可能颠覆行业，取代程序员。
近年来，我国各类器材制造业已经开始向数字化生产转型，使得生产流程变得更加精准高效。通过应用智能设备、物联网和大数据分析等技术，企业可以更好地监控生产线上的运行和质量情况，及时发现和解决问题，从而提高生产效率和产品质量。电缆厂作为传统机械器材加工业，更需顺应时代潮流，紧跟数字化趋势。
Harness 是Devops的一把利剑，用过drone，gitness都知道，Y(aml)asC/P(ipeline)asC 是其核心，其利用模块化可视化的语言将CICD更加便利更加AI的供用户使用。在从Jenkins做migration到Harness过程中，难免会涉及到数据集的转换，比如input sets，还有一些pipeline stage等的转换。但是Harness在API doc上只提供了go，python，java，curl的API：
2021 年 2 月底，国家矿山安监局综合司发布的《“十四五”矿山安全生产规划（征求意见稿）》中再次强调要“实时采集矿山安全监控、人员位置监测、视频监控等数据，建成一个连接各级用户、各类角色的矿山安全生产综合信息系统”。此外，根据自然资源部披露，2021 年我国将建 100 个初级智能化示范煤矿，到 2025 年，大型煤矿和灾害严重煤矿基本实现智能化；到 2035 年，各类煤矿基本实现智能化，构建多产业链、多系统集成的煤矿智能化系统，建成智能感知、智能决策的煤矿智能化体系，实现安全绿色、高效、智能化生产。
Matplotlib 是 Python数据科学生态系统中非常重要的一个 Python库，是 Python可视化中使用最多，同时其他许多可视化库也是在这个基础上衍生或延展而来的。
RAWGraphs是一个在线的开源工具和数据可视化框架，用来处理Excel表中的数据。你只需将数据导入到RAWGraphs中，设计你想要的图表，然后将其导出为SVG格式或PNG格式的图片。此外，上传至RAWGraphs的数据只会在web端在线进行处理，保证了数据的安全性。
随着VAG进一步的成熟，我们为了进一步扩大用户的应用平台，推出了window版本的VAG，且界面进一步优化，目前已经能基本实现从图文件提取，bam文件提取，到可视化展示（目前的版本只支持read比对的结果展示（read）与图形基因组(Graph)展示）。Window版本已整合所有依赖的包，点击即用，通过生成本地图文件与调用浏览器展示可交互的图像。但<.info>文件的生成与泛基因组图的格式的转化仍需通过getinf.py脚本与经gfatools的处理的脚本生成。
简介 在Python的世界里，可视化你的数据有多种选择。由于这种多样性，决定何时使用哪一个确实是种挑战。这篇文章包含由更受欢迎的包中的一部分制作的示例，并说明如何使用它们创建一个简单的条形图。我将使用： Pandas Seaborn ggplot Bokeh pygal Plotly 在例子中，我将使用Pandas处理数据并驱动可视化。大多数情况下这些工具可以在没有pandas的环境中运行，但是我认为pandas和可视化工具的结合非常普遍，这是最合适的开始之处。 Matplotlib怎么样？ Matpl
组态软件是一种用于创建、配置和管理监控和控制系统的软件工具。组态是指不需要编写计算机程序、通过配置的方式完成工业应用开发的系统。它们通常用于工业自动化领域，用于实时监视和控制工业过程。组态软件提供了丰富的功能和工具，使用户能够创建用户界面、配置数据采集和通信、设置报警和事件处理、进行数据分析和报告生成等。通过组态软件，用户可以实时监控和控制工业设备和过程，并对数据进行可视化和分析，以便做出更好的决策和优化生产效率。组态软件通常支持各种通信协议和设备接口，以便与不同类型的设备和系统进行集成。
本文从大数据应用出发，讨论数据可视化在大数据时代所面临的一系列挑战，并重点介绍AutoVis针对这些挑战所做尝试及其体系架构、关键技术和功能特点。
上次可视化系列说了瀑布图（可跳转）。它可以用于展示拥有相同的X轴变量数据（如相同的时间序列）、不同的Y轴离散型变量（如不同的类别变量）和Z轴数值变量。
汽车共享”最早出现于上个世纪四十年代的瑞士,他们发明了“自驾车合作社”，后来日本、英国等国争相效仿，但都未形成规模。而今,共享经济通过互联网达到了一个新的高度，共享汽车项目则乘势如雨后春笋般涌现在全国多个城市，一些人看好，而一些人看衰
过去的 2018 年，我们认为是国内工业互联网可视化的元年，图扑软件作为在工业可视化领域的重度参与者，一线见证了众多 HTML5/Web 化、2D/3D 化的项目在工业界应用落地，我们觉得有必要在此分享下过去一年，基于 HT 实施的数百个工业互联网 2D 3D 可视化应用案例，希望能激发行业和学术工作者对可视化的深度思考，为推进国内工业互联网发展出份薄力。
小程序现有的开发模式是基于已有的小程序基础库提供的组件，通过自定义业务的样式实现自定义化和功能。
从“应对治疗”（完全缓解）到发生感兴趣事件的时间通常称为生存时间（或事件发生的时间）。
当前，国际油价低位徘徊导致各国石油化工行业投资大幅缩减，石油化工建设行业竞争环境日趋严峻，施工企业的利润空间也被不断压缩。内外交困的环境下，促使企业采取更有效的管理手段来提高效率和降低成本。石油工业大数据具有无限潜力与价值，将大数据与数据挖掘技术应用其中，不仅可以提升石油行业工业化水平，而且对其智慧化发展起到强有力的推动作用。
不安分、爱挑战的“折腾”之旅 我是李焱， 来自成都漫极客科技有限公司。 我于 2010 年从北京大学毕业，获得信息管理系学士学位以及计算机软件学士学位。毕业之后，我在酷我音乐商务组从事 web 开发，主要负责公司广告系统、VIP 会员等级体系、音乐盒内弹窗等业务。 两年之后，我觉得前端开发技术难度比较小，而且浏览器兼容性问题很大，大部分时间都是纠结于一些莫名其妙的 bug，不值得继续做下去，选择在后端深入下去。然后，我跳槽去了人人游戏，加入钢铁元帅项目组，做游戏后端开发，用到的技术主要包括网络协议、服务器缓
在大数据时代，离不开数据的处理和分析，这次来介绍一下数据可视化，在之后的文章中使用的工具都是Apache ECharts，它是一个基于 JavaScript 的开源可视化图表库。
数字化工厂由设备、机器人、AGV、网络、信息数据等构成，集成了产品制造过程和工厂模型的数据库，以提高产品的质量和生产过程所涉及的质量和动态性能。通过借助计算机，对整个生产过程进行数据采集，并可进一步扩展到整个产品制造过程的全生命周期，将打通产品设计和产品制造之间的桥梁，实现信息的集成。而生产车间是组成工厂最重要的组成部分，实现了生产车间的数字化，基本上完成了数字化工厂最核心的部分。在数字化系统建设中以数据的可视化管理和应用为核心，而非简单注重完全的自动化程度。利用PLM系统实现主数据流和工业网络、智能装备、智能仓库、智能系统等方面系统集成，实现数据流贯通与共享。
最近两年，在互联网行业各大技术峰会上，都能看到关于工程效能这个概念，从侧面也反映出了研发效能已经逐渐被各企业所重视！
前端表单可视化生成器可以说是非常之多，基本实现比较简单的功能，稍微复杂的就捉襟见肘
在本次直播中，产品经理张妙维将向您介绍RayData Web最新的产品形态，展现高效的数字孪生可视化项目搭建流程。
本文主要针对可解释可视化推荐任务提出的大模型相关方法LLMVis，现有的各种基于机器学习的方法通常需要大量的可视化对数据集（数据和标签）来进行训练，并且其结果缺乏可解释性。
📷 大数据文摘作品，转载要求见文末 作者 | 宁云州，Aileen 呜啦啦啦各位小伙伴大家好呀，又到了本周的AI大事件时间了。过去的一周中AI圈都发生了什么？大佬们互撕了哪些问题？研究者们发布了哪些值得一读的论文？又有哪些开源的代码和数据库可以使用了？了解过去一周AI爆点，一篇就够啦！ 新闻 如何规范人工智能 来源：纽约时报 Elon Musk坚持认为人工智能代表着“对人类存在的根本威胁”，这是一个令人惊恐的观点，AI仿佛成为了科幻小说中终结人类的怪兽。 然而，很多AI研究人员
生成对抗网络（Generative Adversarial Network，GAN）是一种无监督学习的深度学习模型，由Ian Goodfellow等人在2014年提出。GAN包含两个相互竞争的神经网络：生成器（Generator）和判别器（Discriminator）。生成器试图生成看起来像真实数据的假数据，而判别器则试图区分真实数据和生成数据。通过这种对抗过程，生成器能够生成非常逼真的数据。本教程将详细介绍如何使用Python和PyTorch库实现一个简单的GAN，并展示其在MNIST数据集上的应用。
随着信息技术、自动化技术和人工智能等技术的快速发展和应用，智能制造已成为全球制造业发展的主流趋势。智能制造是将智能化、自动化、数字化和网络化等技术手段运用到制造过程中，使生产过程具有高度智能化、自动化和数字化的特点，进而提高生产效率，降低生产成本，优化产品质量，推动环保和可持续发展，使企业的核心竞争力和市场地位得到进一步提升。
但存在几个问题，不能实时更新数据，制作的是静态的仪表盘，每次生成仪表盘都要调整代码，不能一运行就直接生成可视化仪表盘。
你很可能也看到过公众号文章下方的广告，是关于 Python 自动化生成报表的，我自己就经常看到，说的是一个人因为报表做不出来，愁眉苦脸，做不出来就要被辞职了，这时一个高手拿过电脑，一顿操作猛如虎，一份精美的报表很快就生成了，被帮助的人写满一脸的崇拜...
2022年低代码已经不是一个新鲜概念，对于低代码是什么也不需要再赘述，但过去这一年热度持续只增不减，全球市场规模从 113 亿美元到 2021年的 138亿美元，其年复合增长率达22.6%。大家都知道技术炒作曲线（The Hype Cycle），那我们要如何理性看待低代码这些所谓”前沿“技术的周期曲线，不盲从也不管中窥豹，本文希望以过去一年低代码发展趋势以及未来可能演变等角度，来分享一些浅显理解和思考，贻笑大方。
在“新基建”驱动的数字经济热潮下，智慧园区建设发展成为实现园区管理绿色化、现代化、智慧化的核心抓手。通过利用云计算、物联网、大数据等新一代技术手段，充分聚合园区内各类资源，全面提升园区的综合管理效率，打通园区人、事、物运行管理全要素的动态感知、实时共享、高效应用。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
云直播
