文摘受权转载自数据分析及应用华润置地四川

1. 和弦图（Chord Diagram）

和弦图，看成一种数据可视化器用，饮血茹毛肠展示了数据间的复杂关系。在图表中，节点整齐整齐地漫衍于圆周之上，点与点之间则以优雅的曲线相互说合，这些曲线不仅揭示了数据间的内在推敲，还通过其长度的各异，直不雅地反应了说合间的数值大小。更进一步，曲线的粗细进度还玄妙地映射出数据间关系的迤逦性，使不雅察者能一目了然地洞悉数据背后的故事。

此外，和弦图还玄妙地把握了色调这一视觉元素，将数据比物丑类，使得数据的比拟和区分变得直不雅且易于相识。这一特质使得和弦图在多个畛域齐有着芜俚的应用，额外是在生物科学畛域，它成为了可视化基因数据的过劲助手。在外洋学术刊物上，和弦图更是被誉为信息图表(info graphics)的典范，用于揭示酬酢汇注的交汇、基因组的奥秘、交通流的动态以及交易关系的散乱有致。

以下示例代码使用Holoviews & Bokeh创建和弦图，展示5个不同国度之间的交易关系。

import holoviews as hv\nfrom holoviews import opts\nimport pandas as pd\nimport numpy as np\nhv.extension('bokeh')\n\n# Sample matrix representing the export volumes between 5 countries\nexport_data = np.array([[0, 50, 30, 20, 10],\n[10, 0, 40, 30, 20],\n[20, 10, 0, 35, 25],\n[30, 20, 10, 0, 40],\n[25, 15, 30, 20, 0]])\n\nlabels = ['USA', 'China', 'Germany', 'Japan', 'India']\n\n# Creating a pandas DataFrame\ndf = pd.DataFrame(export_data, index=labels, columns=labels)\ndf = df.stack().reset_index()\n\ndf.columns = ['source', 'target', 'value']\n\n# Creating a Chord object\nchord = hv.Chord(df)\n\n# Styling the Chord diagram\nchord.opts(\nopts.Chord(\ncmap='Category20', edge_cmap='Category20',\nlabels='source', label_text_font_size='10pt',\nedge_color='source', node_color='index',\nwidth=700, height=700\n)\n).select(value=(5, None))\n\n# Display the plot\nchord

https://holoviews.org/reference/elements/matplotlib/Chord.html

https://github.com/moshi4/pyCirclize

2. 旭日图（Sunburst Chart）

旭日图（Sunburst Chart）以其专有的视觉呈现方法，特出了传统的饼图和环图，概况了了地抒发数据的层级和包摄关系。它通过父子脉络结构来展示数据的组成情况，使用户概况粗鲁相识和分析复杂的脉络数据。

旭日图由多个环形组成，每个环形齐代表着脉络结构中的一个不同级别。图表的中心是脉络结构的根或顶层，鲜艳着数据的着手。每个环上的每个部分或扇区则代表着该脉络结构中的一个具体节点，而每个部分/扇区的大小则与其在昆季节点中的相对值成比例，直不雅地反应了数据的迤逦性。

旭日图在多个畛域中齐展现出了其浩大的数据可视化智力，如计较机文献系统的层级结构、网站用户的导航线径、市集细分数据的层级关系以及复杂的基因组数据等。这些应用场景齐通过旭日图得以了了、直不雅地呈现，匡助用户快速相识数据的内在结构和逻辑关系。

底下是一段使用Python库Plotly画图旭日图的示例代码，您不错通过这段代码粗鲁创建出具有丰富脉络结构和数据信息的旭日图。

import plotly.express as px\nimport numpy as np\n\ndf = px.data.gapminder().query(\"year == 2007\")\n\nfig = px.sunburst(df, path=['continent', 'country'],\nvalues='pop',\ncolor='lifeExp',\nhover_data=['iso_alpha'],\ncolor_continuous_scale='RdBu',\ncolor_continuous_midpoint=np.average(df['lifeExp'], weights=df['pop']))\nfig.show()

https://plotly.com/python/sunburst-charts/

3. 六边形箱图（Hexbin Plot）

皇冠hg86a

六边形箱图（频频称为六边形分箱图或六边形热力争）是一种很是灵验的可视化器用，用于展示二维数据漫衍，尤其是在数据点过于密集而导致传统散点图难以区分单个点的情况下。这种要津将数据空间分辩为一系列六边形单位（或“箱”），并说明每个单位中的数据点数目进行着色，从而提供了数据漫衍情况的直不雅示意。

以下是一个使用Python和Matplotlib库创建六边形分箱图的示例，旨在揭示空气质地恶化（使用空气质地指数/AQI）与加多的病院就诊之间的潜在推敲性。请庄重，为了简化示例，咱们将使用模拟数据。

import numpy as np\nimport matplotlib.pyplot as plt\nfrom mplhexbin import HexBin\n\n# 假定的模拟数据\nnp.random.seed(0) # 确保铁心可复现\nn_points = 10000\nx = np.random.rand(n_points) * 100 # 空气质地指数（AQI）范围从0到100\ny = 5 * np.sin(x * np.pi / 50) + np.random.randn(n_points) * 15 # 假定的病院就诊数目，与AQI推敲但具有噪声\n\n# 创建一个新的图形\nfig, ax = plt.subplots(figsize=(10, 8))\n\n# 使用HexBin创建六边形分箱图\nhb = HexBin(ax, gridsize=20, cmap='viridis', extent=[0, 100, -30, 50]) # 开导网格大小、颜料映射和范围\nhb.hexbin(x, y, mincnt=1) # 画图六边形分箱图，mincnt开导最小计数阈值\n\n# 添加标题和轴标签\nax.set_title('空气质地指数（AQI）与病院就诊数目的关系')\nax.set_xlabel('空气质地指数（AQI）')\nax.set_ylabel('病院就诊数目')\n\n# 泄漏图形\nplt.colorbar(hb.cmap, ax=ax, label='数据点数目') # 添加颜料条并开导标签\nplt.show()

https://matplotlib.org/stable/gallery/statistics/hexbin_demo.html

4. 桑基图（Sankey Diagram）

桑基图（Sankey Diagram），也被称为桑基能量分流图或桑基能量均衡图，是一种特殊类型的经由图，额外适用于展示动力、材料因素、金融等畛域中数据流量的可视化分析。这一图表类型的定名源于1898年Matthew Henry Phineas Riall Sankey所画图的“蒸汽机的动力铁心图”，该图因其直不雅展示能量流动的方法而广受赞叹，并因此得名“桑基图”。

桑基图通过节点和它们之间的一语气来示意系统不同阶段或部分之间数目的流动。节点频频示意系统中的不同部分或阶段，而一语气则示意这些部分或阶段之间的流动关系。最为专有的是，桑基图中一语气的宽度告成与流动的数目成比例，使得数据的范畴和流向一目了然。

通过这种直不雅的数据可视化方法，桑基图不错匡助用户更好地相识系统中各部分之间的能量、物资或资金的流动情况，从而有助于作念出更理智的有研究。在动力、材料科学、经济学和金融学等畛域，桑基图依然成为一种不行或缺的数据分析器用。

Plotly库不错用来创建如下所示的桑基图。以下代码示意能量从坐褥泉源向小城市的破费者。

import plotly.graph_objects as go\n\nlabels = [\"Coal\", \"Solar\", \"Wind\", \"Nuclear\", \"Residential\", \"Industrial\", \"Commercial\"]\n\nsource = [0, 1, 2, 3, 0, 1, 2, 3]\ntarget = [4, 4, 4, 4, 5, 5, 5, 5]\nvalue = [25, 10, 40, 20, 30, 15, 25, 35]\n\n# Create the Sankey diagram object\nfig = go.Figure(data=[go.Sankey(\nnode=dict(\npad=15,\nthickness=20,\nline=dict(color=\"black\", width=0.5),\nlabel=labels\n),\nlink=dict(\nsource=source,\ntarget=target,\nvalue=value\n))])\n\nfig.update_layout(title_text=\"Energy Flow in Model City\", font_size=12)\nfig.show()

https://plotly.com/python/sankey-diagram/

5. 主题河流图（Stream Graph/ Theme River）

主题河流图，顾名念念义，其形态宛如当然界的河流，内容上它是一种饮血茹毛的流图想象。这种图表主要用于刻画事件或主题随技巧而发生的动态变化。河流图中，不同的颜料玄妙地区分了各个类别，或用以展示每个类别的附加定量信息。而河流的流向则与横贯图表的X轴平行，了了映射出技巧的荏苒。

更为精妙的是，每个类别的数值大小通过“河流”的宽度来直不雅展现。当某一类别的数值增大时，其对应的河流部分便会拓宽；而当数值减小，河流则相应地变窄。这种变化使得统统图表仿佛是由大齐条宽窄不一的河流汇注、交汇而成，从而得名“主题河流图”。这种想象不仅阔气好意思感，更能让不雅察者一目了然地掌合手数据的变化趋势和相互关系。

Senard指的是中国本周决定限制镓和锗的出口，这两种金属对半导体、电信和电动汽车行业至关重要；中美之间针锋相对的科技贸易战不断升级。

Altair数据可视化库可用于画图流图，如下所示。

import altair as alt\nfrom vega_datasets import data\n\nsource = data.unemployment_across_industries.url\n\nalt.Chart(source).mark_area().encode(\nalt.X('yearmonth(date):T',\naxis=alt.Axis(format='%Y', domain=False, tickSize=0)\n),\nalt.Y('sum(count):Q', stack='center', axis=None),\nalt.Color('series:N',\nscale=alt.Scale(scheme='category20b')\n)\n).interactive()

https://altair-viz.github.io/gallery/streamgraph.html

租售GPU算力

租：4090/A800/H800/H100

售：现货H100/H800

额外稳健企业级应用

扫码了解确定☝

• 菠菜
• 源码
• 下载
• 华润置地四川
• php