标签: visualization

我有一个包含(事件时间,纬度,经度)的元组的大型数据集,我需要进行可视化.我希望能够创建一个像'电影'的xy情节,但是想知道是否有人有更好的想法,或者是否有一种简单的方法可以在Python中执行此操作？

在此先感谢您的帮助, - Leo

我打算为我正在开发的应用程序编写一个花哨的(动画的)盒子.由于这是程序员经常被允许发挥和使用代码的地方,我很想知道社区已经实现了什么样的酷算法.

算法可以是动画分形,正弦斑点,火焰,烟雾,粒子系统等.

但是,我想到了一些自然约束:应该可以用几乎任何语言实现算法.因此,不应发布使用大多数语言无法访问的库的高级directx代码或XNA代码.3D是最受欢迎的,但它不应该依赖于大量的额外安装.

如果您可以将图像与代码效果一起发布,那就太棒了.

这是一个很酷的盒子示例,其中包含动画3D图形和标题栏上的一些动画正弦斑点:

这是Winamp中使用的关于框的图像,包含3D动画:

我正在寻找一个可以在现代(HTML5)浏览器中绘制电气/电子电路图的开源Javascript库 - 有这样的事吗？它应该有典型的电路元件,如电阻器,电压和电流源,电容器等.提前感谢任何帮助.

我需要为用户可以记忆或至少容易识别的RSA密钥创建指纹.我想到了以下想法:

• 将SHA1哈希分成4比特的部分,并将它们用作贝塞尔样条曲线的坐标.绘制样条曲线并将该图片用作指纹.
• 使用SHA1哈希作为某些分形算法的输入.对于给定的输入,结果需要是唯一的,即输出在一半时间内不能是实心方形.
• 将SHA1哈希映射到单词列表中的条目(用于拼写检查器或密码列表).这将创建一个由真实单词组成的密码.
• 使用其他大型数据集(如Google地图)(将SHA1哈希映射到地图坐标并使用地图区域作为指纹)而不是单词列表

还有其他想法吗？我确信这已经以某种形式实施.

可能重复:
javascript中的图形可视化代码？

我必须创建一个Web应用程序来显示图形(通过边连接的节点).我希望能够控制边缘的颜色以及它们的标签(最好在鼠标悬停时显示它们).

我还想将一些信息附加到节点上,以便在鼠标悬停时显示.

你会如何在Mathematica中渲染这样的地图？(例如美国各州和加拿大各省可单独着色？)http://upload.wikimedia.org/wikipedia/commons/archive/1/18/20071029031002%21North_America_map_coloured.svg

我试图导入SVG路径并构建多边形(使用基于http://mathgis.blogspot.com/2009/11/make-us-county-thematic-map-using.html的方法)但它们看起来很多不如链接SVG中的曲线好.内置数据库似乎没有美国各州和加拿大各省的形状:只有国家.

谢谢!

PS:这样做的目的是能够制作州/省数据的等值区域图(即根据与该州/省有关的一些数据对州/省进行着色)

在定量信息的视觉显示中,爱德华·图夫特(Edward Tufte)创造了一个术语"斜率图",用于表示非常小的图表(更多信息).权威示例如下所示:

有在slopegraph至少两个实现d3.js在日野:

• http://markmarkoh.com/tuftes-slope-graphs-in-svg-using-d3js/
• http://skedasis.com/d3/slopegraph/

我对一个更具说明性的实现进行了尝试,并且还保留了两列中值之间的100%对应关系,但是卡住了.正如预期的那样,当数据集中出现具有相似或相同值的项目时,图形会重叠,并且图表不可读.

的幼稚版本(源)使用linear用于计算水平位置刻度,而企图"正常化"的位置(源)使用ordinal的规模.

我相信使用序数量表可以获得更好的结果,根据重叠项的坐标计算偏移量.是否应为两列分别计算偏移量,是应根据数据预先计算,还是在设置属性时动态计算？如何扩展代码库,使具有相同值的项目位于彼此之下,其他项目也相应调整,两列中的值保持在同一水平位置？

今天在D3.js中有没有可靠的绘制有向无环图的方法？我正在尝试将课程中的先决条件可视化,类似于此.

我已经看到了类似问题的一些较旧的答案,最有希望的是这种黑客攻击,尽管它对于更大和更复杂的数据集并不能很好地工作.

这是一个罕见的可视化案例,D3不适合吗？

我在Keras(我是一个新手)创建了一个模型,并设法很好地训练它.它需要300x300图像,并尝试将它们分为两组.

# size of image in pixel
img_rows, img_cols = 300, 300
# number of classes (here digits 1 to 10)
nb_classes = 2
# number of convolutional filters to use
nb_filters = 16
# size of pooling area for max pooling
nb_pool = 20
# convolution kernel size
nb_conv = 20

X = np.vstack([X_train, X_test]).reshape(-1, 1, img_rows, img_cols)
y = np_utils.to_categorical(np.concatenate([y_train, y_test]), nb_classes)

# build model
model = Sequential()
model.add(Convolution2D(nb_filters, nb_conv, nb_conv, border_mode='valid', input_shape=(1, img_rows, img_cols)))
model.add(Activation('relu'))
model.add(Convolution2D(nb_filters, nb_conv, …

Gremlin和SPARQL都有多种可视化选项。Amazon Neptune经过测试的可视化选项有哪些？