毛媛媛
毛媛媛

Tableau自学四部曲_Part3：基础图表制作

文章目录

  • 一、 对比分析：比大小
    • 1. 柱状图
    • 2. 条形图
    • 3. 热力图（突出显示表）
    • 4. 气泡图
    • 5. 词云
  • 二、变化分析：看趋势
    • 1. 折线图
    • 2. 基于连续时间序列的折线图预测接下来的数据走向
    • 3. 面积图
  • 三、构成分析：看占比
    • 1. 饼图
    • 2. 【快速表计算】
    • 3. 树地图
    • 4. 堆积图
  • 四、关系分布：看位置
    • 1. 散点图
    • 2. 【聚类分析】
    • 3. 直方图
    • 4. 地图

一、 对比分析：比大小

1. 柱状图

  • 各个分行/门店/广告计划的成交额 Tableau自学四部曲_Part3：基础图表制作_第1张图片
  • 使用场景
    • 较少变量之间的对比分析
      • 字段=表头，变量=具体值和数据
    • 各大区之间的业绩对比
    • 各大类商品之间的销售额对比
  • 图表逻辑
    • 在一个或多个【维度】下对【度量】进行统计，从而得到该【维度】下不同变量之间的【度量】差异
    • 没有对比就没有伤害
  • 制作流程
    • 一个或多个【维度】至列，一个或多个【度量】至行
      Tableau自学四部曲_Part3：基础图表制作_第2张图片

2. 条形图

  • 各个门店的成交额 Tableau自学四部曲_Part3：基础图表制作_第3张图片
  • 使用场景
    • 较多变量之间的对比分析
    • 各人之间的业绩对比
    • 各商品之间的销售额对比
  • 图表逻辑
    • 与柱状图相同，但在水平展示下，多变量之间的对比更易浏览
  • 制作流程
    • 对柱状图进行转置，转置旁边是排序功能
    • 一个或多个【维度】至行，一个或多个【度量】至列
  • 【创建分级结构】实现数据钻取
    Tableau自学四部曲_Part3：基础图表制作_第4张图片
    Tableau自学四部曲_Part3：基础图表制作_第5张图片
  • 【添加筛选器】实现数据选取
    Tableau自学四部曲_Part3：基础图表制作_第6张图片

3. 热力图（突出显示表）

  • 门店数据按日期排序，突出显示GMV
    Tableau自学四部曲_Part3：基础图表制作_第7张图片

  • 使用场景

    • 多【维度】下多变量的同时对比，并且需要同时查看对比效果和数值
    • 各组/商品类别之间的销售额、利润同时对比

  • 图表逻辑

    • 在文本表上根据度量值大小加上颜色深浅标记

  • 制作流程

    • 先做出文本表
      Tableau自学四部曲_Part3：基础图表制作_第8张图片
      Tableau自学四部曲_Part3：基础图表制作_第9张图片
      • 至少拖拽一个维度至行，然后直接拖拽需要展示的度量到维度后的Abc上
      • 右键度量值内的胶囊设置格式，可设置数据格式
      • 快速表计算——重要知识点
        • 编辑表计算设置计算区域和顺序
        • 总额百分比可以直接计算百分比占比
        • 差异百分比可以计算环比 Tableau自学四部曲_Part3：基础图表制作_第10张图片

  • 最后将需要展现的【度量】或直接将度量值拖拽至颜色

    • 度量值
    • 度量名称
    • 记录数
    • 都是Tableau自动创建的字段，方便批量处理度量及对应名称

  • 然后选择标记下方的图表类型为方形（不选择方形则是数值变色）

4. 气泡图

  • 各个外卖门店的GMV
    • 使用场景
      • 极多变量下在同一度量上的对比分析
      • 一个班或者全公司所有个人的某一度量分析
  • 图表逻辑
    • 用度量代表气泡大小，维度代表气泡颜色
  • 制作流程
    • 【度量】至大小
    • 维度至颜色和标签
    • 图形选为圆形
      Tableau自学四部曲_Part3：基础图表制作_第11张图片

示例可见：Tableau自学四部曲_Part2：数据连接&可视化原理—Tableau可视化原理“具体操作”

5. 词云

  • 使用场景
    • 极多变量下在同一度量上的对比分析，同时需要突出变量名称
  • 图表逻辑
    • 用度量代表文本大小，维度代表文本颜色
  • 制作流程
    • 【度量】至大小
    • 维度至颜色和标签
    • 图形选为文本
      Tableau自学四部曲_Part3：基础图表制作_第12张图片

示例可见：Tableau自学四部曲_Part2：数据连接&可视化原理—Tableau可视化原理“具体操作”

二、变化分析：看趋势

1. 折线图

  • 全流程转化数据多轴/颜色拆分显示

  • 使用场景

    • 基于时间【维度】分析【度量】的数据变化及趋势
    • 过去三年的成交额变化

  • 图表逻辑

    • 基于时间维度的柱状图，但是将展现形式从条形图变为了折线

  • 制作流程
    Tableau自学四部曲_Part3：基础图表制作_第13张图片

    • 拖拽时间【维度】至列，【度量】至行

    • 设置时间类型，下拉列中的胶囊

      • 上方时间选择为离散，以日-周-月为不同类别汇总统计数据，即每一年的一月都视为一个变量 Tableau自学四部曲_Part3：基础图表制作_第14张图片
        Tableau自学四部曲_Part3：基础图表制作_第15张图片
      • 下方时间选择为连续，以连续的日-周-月等时间单位为序列统计数据，每一年的一月都是不一样的变量
        Tableau自学四部曲_Part3：基础图表制作_第16张图片 Tableau自学四部曲_Part3：基础图表制作_第17张图片
        连续日期的折线图可以增加预测趋势，因为时间预测的前提是：时间是连续的（注意：如果预测不出来或者是一天平直的线，说明预测不太对）
        Tableau自学四部曲_Part3：基础图表制作_第18张图片
        Tableau自学四部曲_Part3：基础图表制作_第19张图片
        此时，可以尝试将日期改为“天”，同时缩短“日期” ，这时的预测就有了可信度了Tableau自学四部曲_Part3：基础图表制作_第20张图片
        还可以添加趋势线
        Tableau自学四部曲_Part3：基础图表制作_第21张图片
        Tableau自学四部曲_Part3：基础图表制作_第22张图片

    • 【维度】到颜色可做出多维折线图，一个颜色代表一个类别

    • 不要用折线图来呈现维度的变化
      Tableau自学四部曲_Part3：基础图表制作_第23张图片

2. 基于连续时间序列的折线图预测接下来的数据走向

Tableau自学四部曲_Part3：基础图表制作_第24张图片

  • 选择时间单位，下方的年月日天，时间胶囊变为绿色（连续变量）
  • 注：只有连续变量的预测才有意义
  • 选择左侧数据栏右边的分析，拖拽预测至做好的折线图中
  • 右键预测出的数据区域即可设置预测（初学者不建议设置）并查看预测描述
  • 如果数据缺失太多或量级太小，可能无法预测，这个时候需要用筛选区调整一下时间
  • 复制工作表为交叉表即可得到图表数据，工作表-导出交叉表至Excel即可导出数据

3. 面积图

  • 使用场景
    • 有内部累计关系的值随时间变化
    • 不强调趋势，强调绝对值
  • 图表逻辑
    • 在折线图的基础上选择面积作为视觉影射
  • 制作流程
    • 标记卡中把折线改为区域
    • 将对象放在颜色上或冲洗拖拽预测指示器
      Tableau自学四部曲_Part3：基础图表制作_第25张图片

三、构成分析：看占比

1. 饼图

  • 品牌GMV占比
    Tableau自学四部曲_Part3：基础图表制作_第26张图片

  • 使用场景

    • 一个【维度】下各个变量在某一【度量】下所占比例
    • 性别维度下，男女顾客各占成交金额的百分比

  • 图表逻辑

    • 【维度】代表各扇区的颜色，【度量】代表饼图中各扇区角度的大小

  • 制作流程
    Tableau自学四部曲_Part3：基础图表制作_第27张图片

    • 【维度】拖拽至颜色
    • 【度量】拖拽至大小
    • 选择图表类型为饼图
    • 饼图不宜颜色过多
      Tableau自学四部曲_Part3：基础图表制作_第28张图片
    • 【度量】和【维度】拖拽至标记显示数值，但饼图一般不标记绝度值，只标记百分比

2. 【快速表计算】

  • 右键标签度量选择快速表计算，合计百分比计算各数值的百分比占比
  • 最后右键标记的数值设置格式，区，第一个，设置为为1位数百分比
  • 帮助右下角可以调整视图的显示方式
    Tableau自学四部曲_Part3：基础图表制作_第29张图片
    Tableau自学四部曲_Part3：基础图表制作_第30张图片
    Tableau自学四部曲_Part3：基础图表制作_第31张图片
    Tableau自学四部曲_Part3：基础图表制作_第32张图片

3. 树地图

  • 使用场景
    • 一个度量在多个维度下的占比展现和分析
    • 各组销售贡献度
    • 各用户用户贡献度
  • 图表逻辑
    • 每个方格代表一个该【维度】下的变量，方格的大小代表此变量的在该【维度】下的【度量】占比大小
    • 方格会按顺序排列，占比最大的在最左上方
  • 制作流程
    • 拖拽【度量】至大小
    • 【维度】至标签
    • 树地图是升级版的饼图，按照顺序展示大小，还能增加颜色等维度
      Tableau自学四部曲_Part3：基础图表制作_第33张图片

示例可见：Tableau自学四部曲_Part2：数据连接&可视化原理—Tableau可视化原理“具体操作”

4. 堆积图

  • 使用场景
    • 相同【度量】下，比较一个【维度】下另一个【维度】的占比
    • 各地区各品类产品对销售额的贡献
  • 图表逻辑
    • 绝对堆积：在柱状图/条形图的基础上，用颜色区分一个维度在另一个维度下的占比大小
    • 相对堆积：不展示绝对值，使用合集快表计算：合计百分比，只展示百分比
  • 制作流程
    Tableau自学四部曲_Part3：基础图表制作_第34张图片
    • 在做完柱状图后，将需要堆积展示占比的【维度】拖拽至颜色即可
    • 拖拽度量值或在轴下添加变量也可堆积

Tableau自学四部曲_Part3：基础图表制作_第35张图片
这里可以对GMV标签进行快速表计算
Tableau自学四部曲_Part3：基础图表制作_第36张图片
Tableau自学四部曲_Part3：基础图表制作_第37张图片
此时发现是一个整体的合计百分比，按道理来说上下相加应该是100%，想看到这种怎么办？点击“编辑表计算”，将“表（横穿）”改为“表（向下）”，
Tableau自学四部曲_Part3：基础图表制作_第38张图片
Tableau自学四部曲_Part3：基础图表制作_第39张图片
Tableau自学四部曲_Part3：基础图表制作_第40张图片
Tableau自学四部曲_Part3：基础图表制作_第41张图片
如果对数轴上的GMV进行百分比计算，相当于每个数值都是100%，即相对百分比
Tableau自学四部曲_Part3：基础图表制作_第42张图片
Tableau自学四部曲_Part3：基础图表制作_第43张图片
将GMV放旁边，一个相对百分比，一个绝对百分比；绝对百分比是指绝对值是有区分的，内部在进行百分比的展示；相对百分比是说大家都是一百，去看下占比的变化，这种相当于占比变化会更加明显，但是缺点是会忽略绝对值的大小
Tableau自学四部曲_Part3：基础图表制作_第44张图片
一般来说，相对百分比标记占比，绝对百分比标记标签
Tableau自学四部曲_Part3：基础图表制作_第45张图片

四、关系分布：看位置

1. 散点图

  • CPC、下单人数和gmv
    Tableau自学四部曲_Part3：基础图表制作_第46张图片

  • 使用场景

    • 分析某一【维度】变量在两个【度量】下的分布和变量之间的相关性
    • 产品的销售额和所得利润之间的关系（正相关、弱相关、不相关）

  • 图表逻辑

    • 横纵轴各代表一个【度量】，【维度】中的变量则作为一个点，根据横纵轴上的度量值大小确认位置

  • 制作流程
    Tableau自学四部曲_Part3：基础图表制作_第47张图片

    • 将两个【度量】分别拖拽至行列

    • 将点代表的【维度】拖拽至详细信息

    • 可以将你想区分的【维度】添加到颜色，对该【维度】的变量进行区分

    • 还可以将【维度】拖拽至大小，增加展现维度
      Tableau自学四部曲_Part3：基础图表制作_第48张图片

    • 分析-趋势线即可展示分析的两个度量之间的线性关系，也可以直接右键图表-显示趋势线

2. 【聚类分析】

  • 分析-群集即可对变量进行聚类分析，具有相同分布特征的变量会被分为一类，右键群集胶囊即可修改聚类数量
    Tableau自学四部曲_Part3：基础图表制作_第49张图片
  • K-means聚类算法，基于欧式距离计算

3. 直方图

  • 订单价格步长
    Tableau自学四部曲_Part3：基础图表制作_第50张图片

  • 使用场景

    • 查看单一度量下的数据分布
    • 常见分布
      • 2/8法则
      • 马太效应
      • 40-20-10
        • 如果你想让你的APP保持增长势头，那么你的新用户次日留存率，7天留存率和30天留存率应该分别维持在40%、20%和10%左右

  • 图表逻辑

    • 将度量下数据分组计数

  • 制作流程
    Tableau自学四部曲_Part3：基础图表制作_第51张图片

    • 双击一个度量
    • 点击智能显示-直方图
    • 右键度量中被自动创建的数据桶-编辑，设置数据桶的大小，越小统计得越细

4. 地图

  • 送餐地址分布
  • 使用场景
    • 基于地理位置的数据分析
  • 图表逻辑
    • 以地理位置为店，用点大小、颜色展示度量值大小等特征
  • 制作流程
    Tableau自学四部曲_Part3：基础图表制作_第52张图片
  • 先设置数据类型为【地理角色】
    • 城市要设置为城市
    • 省要设置为州/省/市/自治区
    • 经纬度要分别设置好，然后双击字段，将经纬度对应的维度拖到详细信息上
      • 课程数据中订单ID做了脱敏
      • 复制下单日期时间，修改为字符串再拖就可以了
  • 将【地理角色】拖拽至详细信息，城市会显示成点图，省份会显示为填色图，标签卡里圆和地图可以切换
  • 将你要在地图上展示的【度量】拖拽至颜色或大小
  • 空值可以忽略或搜索经纬度填充
  • 顶部工具栏中的地图选项可以对地图进行设置

你可能感兴趣的:(信息可视化,数据可视化,Tableau,学习,数据分析,程序人生,数据挖掘)

  • 情绪觉察日记第37天 露露_e800
    今天是家庭关系规划师的第二阶最后一天，慧萍老师帮我做了个案，帮我处理了埋在心底好多年的一份恐惧，并给了我深深的力量！这几天出来学习，爸妈过来婆家帮我带小孩，妈妈出于爱帮我收拾东西，并跟我先生和婆婆产生矛盾，妈妈觉得他们没有照顾好我…。今晚回家见到妈妈，我很欣赏她并赞扬她，妈妈说今晚要跟我睡我说好，当我们俩躺在床上准备睡觉的时候，我握着妈妈的手对她说:妈妈这几天辛苦你了，你看你多利害把我们的家收拾得
  • 机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习python
    一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
  • 铭刻于星（四十二） 随风至
    69夜晚，绍敏同学做完功课后，看了眼房外，没听到动静才敢从书包的夹层里拿出那个心形纸团。折痕压得很深，都有些旧了，想来是已经写好很久了。绍敏同学慢慢地、轻轻地捏开折叠处，待到全部拆开后，又反复抚平纸张，然后仔细地一字字默看。只是开头的三个字是第一次看到，让她心漏跳了几拍。“亲爱的绍敏：从四年级的时候，我就喜欢你了，但是我一直不敢说，怕影响你学习。六年级的时候听说有人跟你表白，你接受了，我很难过，但
  • UI学习——cell的复用和自定义cell Magnetic_h ui学习
    目录cell的复用手动（非注册）自动（注册）自定义cellcell的复用在iOS开发中，单元格复用是一种提高表格（UITableView）和集合视图（UICollectionView）滚动性能的技术。当一个UITableViewCell或UICollectionViewCell首次需要显示时，如果没有可复用的单元格，则视图会创建一个新的单元格。一旦这个单元格滚动出屏幕，它就不会被销毁。相反，它被添
  • 地推话术，如何应对地推过程中家长的拒绝 校师学
    相信校长们在做地推的时候经常遇到这种情况：市场专员反馈家长不接单，咨询师反馈难以邀约这些家长上门，校区地推疲软，招生难。为什么？仅从地推层面分析，一方面因为家长受到的信息轰炸越来越多，对信息越来越“免疫”；而另一方面地推人员的专业能力和营销话术没有提高，无法应对家长的拒绝，对有意向的家长也不知如何跟进，眼睁睁看着家长走远；对于家长的疑问，更不知道如何有技巧地回答，机会白白流失。由于回答没技巧和专业
  • 学点心理知识，呵护孩子健康 静候花开_7090
    昨天听了华中师范大学教育管理学系副教授张玲老师的《哪里才是学生心理健康的最后庇护所，超越教育与技术的思考》的讲座。今天又重新学习了一遍，收获匪浅。张玲博士也注意到了当今社会上的孩子由于心理问题导致的自残、自杀及伤害他人等恶性事件。她向我们普及了一个重要的命题，她说心理健康的一些基本命题，我们与我们通常的一些教育命题是不同的，她还举了几个例子，让我们明白我们原来以为的健康并非心理学上的健康。比如如果
  • ArcGIS栅格计算器常见公式（赋值、0和空值的转换、补充栅格空值） 研学随笔 arcgis经验分享
    我们在使用ArcGIS时通常经常用到栅格计算器，今天主要给大家介绍我日常中经常用到的几个公式，供大家参考学习。将特定值（-9999）赋值为0，例如-9999.Con("raster"==-9999,0,"raster")2.给空值赋予特定的值（如0）Con(IsNull("raster"),0,"raster")3.将特定的栅格值(如1)赋值为空值，其他保留原值SetNull("raster"==
  • 高级编程--XML+socket练习题 masa010 java开发语言
    1.北京华北2114.8万人上海华东2,500万人广州华南1292.68万人成都华西1417万人（1）使用dom4j将信息存入xml中（2）读取信息，并打印控制台（3）添加一个city节点与子节点（4）使用socketTCP协议编写服务端与客户端，客户端输入城市ID，服务器响应相应城市信息（5）使用socketTCP协议编写服务端与客户端，客户端要求用户输入city对象，服务端接收并使用dom4j
  • 【一起学Rust | 设计模式】习惯语法——使用借用类型作为参数、格式化拼接字符串、构造函数 广龙宇 一起学Rust#Rust设计模式rust设计模式开发语言
    提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、使用借用类型作为参数二、格式化拼接字符串三、使用构造函数总结前言Rust不是传统的面向对象编程语言，它的所有特性，使其独一无二。因此，学习特定于Rust的设计模式是必要的。本系列文章为作者学习《Rust设计模式》的学习笔记以及自己的见解。因此，本系列文章的结构也与此书的结构相同（后续可能会调成结构），基本上分为三个部分
  • 回溯 Leetcode 332 重新安排行程 mmaerd Leetcode刷题学习记录leetcode算法职场和发展
    重新安排行程Leetcode332学习记录自代码随想录给你一份航线列表tickets，其中tickets[i]=[fromi,toi]表示飞机出发和降落的机场地点。请你对该行程进行重新规划排序。所有这些机票都属于一个从JFK（肯尼迪国际机场）出发的先生，所以该行程必须从JFK开始。如果存在多种有效的行程，请你按字典排序返回最小的行程组合。例如，行程[“JFK”,“LGA”]与[“JFK”,“LGB
  • Python数据分析与可视化实战指南 William数据分析 pythonpython数据
    在数据驱动的时代，Python因其简洁的语法、强大的库生态系统以及活跃的社区，成为了数据分析与可视化的首选语言。本文将通过一个详细的案例，带领大家学习如何使用Python进行数据分析，并通过可视化来直观呈现分析结果。一、环境准备1.1安装必要库在开始数据分析和可视化之前，我们需要安装一些常用的库。主要包括pandas、numpy、matplotlib和seaborn等。这些库分别用于数据处理、数学
  • git常用命令笔记 咩酱-小羊 git笔记
    ###用习惯了idea总是不记得git的一些常见命令，需要用到的时候总是担心旁边站了人~~~记个笔记@_@，告诉自己看笔记不丢人初始化初始化一个新的Git仓库gitinit配置配置用户信息gitconfig--globaluser.name"YourName"gitconfig--globaluser.email"[email protected]"基本操作克隆远程仓库gitclone查看
  • python os.environ 江湖偌大 python深度学习
    os.environ['TF_CPP_MIN_LOG_LEVEL']='0'#默认值，输出所有信息os.environ['TF_CPP_MIN_LOG_LEVEL']='1'#屏蔽通知信息（INFO）os.environ['TF_CPP_MIN_LOG_LEVEL']='2'#屏蔽通知信息和警告信息（INFO\WARNING）os.environ['TF_CPP_MIN_LOG_LEVEL']='
  • Pyecharts数据可视化大屏：打造沉浸式数据分析体验 我的运维人生 信息可视化数据分析数据挖掘运维开发技术共享
    Pyecharts数据可视化大屏：打造沉浸式数据分析体验在当今这个数据驱动的时代，如何将海量数据以直观、生动的方式展现出来，成为了数据分析师和企业决策者关注的焦点。Pyecharts，作为一款基于Python的开源数据可视化库，凭借其丰富的图表类型、灵活的配置选项以及高度的定制化能力，成为了构建数据可视化大屏的理想选择。本文将深入探讨如何利用Pyecharts打造数据可视化大屏，并通过实际代码案例
  • 2019-12-22-22:30 涓涓1016
    今天是冬至，写下我的日更，是因为这两天的学习真的是能量的满满，让我看到了自己，未来另外一种可能性，也让我看到了这两年这几年的过程中我所接受那些痛苦的来源。一切的根源和痛苦都来自于人生，家庭，而你的原生家庭，你的爸爸和妈妈，是因为你这个灵魂在那一刻选择他们作为你的爸爸和妈妈来的，所以你得接受他，你得接纳他，他就是因为他的存在而给你的学习和成长带来这些痛苦，那其实是你必然要经历的这个过程，当你去接纳的
  • Google earth studio 简介 陟彼高冈yu 旅游
    GoogleEarthStudio是一个基于Web的动画工具，专为创作使用GoogleEarth数据的动画和视频而设计。它利用了GoogleEarth强大的三维地图和卫星影像数据库，使用户能够轻松地创建逼真的地球动画、航拍视频和动态地图可视化。网址为https://www.google.com/earth/studio/。GoogleEarthStudio是一个基于Web的动画工具，专为创作使用G
  • 将cmd中命令输出保存为txt文本文件 落难Coder Windowscmdwindow
    最近深度学习本地的训练中我们常常要在命令行中运行自己的代码，无可厚非，我们有必要保存我们的炼丹结果，但是复制命令行输出到txt是非常麻烦的，其实Windows下的命令行为我们提供了相应的操作。其基本的调用格式就是：运行指令>输出到的文件名称或者具体保存路径测试下，我打开cmd并且ping一下百度：pingwww.baidu.com>./data.txt看下相同目录下data.txt的输出：如果你再
  • 基于社交网络算法优化的二维最大熵图像分割 智能算法研学社（Jack旭） 智能优化算法应用图像分割算法php开发语言
    智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码文章目录智能优化算法应用：基于社交网络优化的二维最大熵图像阈值分割-附代码1.前言2.二维最大熵阈值分割原理3.基于社交网络优化的多阈值分割4.算法结果：5.参考文献：6.Matlab代码摘要：本文介绍基于最大熵的图像分割，并且应用社交网络算法进行阈值寻优。1.前言阅读此文章前，请阅读《图像分割：直方图区域划分及信息统计介绍》htt
  • 四章-32-点要素的聚合 彩云飘过
    本文基于腾讯课堂老胡的课《跟我学Openlayers--基础实例详解》做的学习笔记，使用的openlayers5.3.xapi。源码见1032.html，对应的官网示例https://openlayers.org/en/latest/examples/cluster.htmlhttps://openlayers.org/en/latest/examples/earthquake-clusters.
  • 特殊的拜年 飘雪的天堂
    文/雪儿大年初一，家家户户没有了轰响的鞭炮声，大街上没有了人流涌动的喧闹，几乎看不到人影，变得冷冷清清。天刚亮不大会儿，村里的大喇叭响了起来：由于当前正值疾病高发期，流感流行的高峰期。同时，新型冠状病毒感染的肺炎进入第二波流行的上升期。为了自己和他人的健康安全着想，请大家尽量不要串门拜年，不要在街里走动。可以通过手机微信，视频，电话，信息拜年……今年的春节真是特别。禁止燃放鞭炮，烟花爆竹，禁止出村
  • 使用Apify加载Twitter消息以进行微调的完整指南 nseejrukjhad twittereasyui前端python
    #使用Apify加载Twitter消息以进行微调的完整指南##引言在自然语言处理领域，微调模型以适应特定任务是提升模型性能的常见方法。本文将介绍如何使用Apify从Twitter导出聊天信息，以便进一步进行微调。##主要内容###使用Apify导出推文首先，我们需要从Twitter导出推文。Apify可以帮助我们做到这一点。通过Apify的强大功能，我们可以批量抓取和导出数据，适用于各类应用场景。
  • 深入理解 MultiQueryRetriever：提升向量数据库检索效果的强大工具 nseejrukjhad 数据库python
    深入理解MultiQueryRetriever：提升向量数据库检索效果的强大工具引言在人工智能和自然语言处理领域，高效准确的信息检索一直是一个关键挑战。传统的基于距离的向量数据库检索方法虽然广泛应用，但仍存在一些局限性。本文将介绍一种创新的解决方案：MultiQueryRetriever，它通过自动生成多个查询视角来增强检索效果，提高结果的相关性和多样性。MultiQueryRetriever的工
  • GitHub上克隆项目 bigbig猩猩 github
    从GitHub上克隆项目是一个简单且直接的过程，它允许你将远程仓库中的项目复制到你的本地计算机上，以便进行进一步的开发、测试或学习。以下是一个详细的步骤指南，帮助你从GitHub上克隆项目。一、准备工作1.安装Git在克隆GitHub项目之前，你需要在你的计算机上安装Git工具。Git是一个开源的分布式版本控制系统，用于跟踪和管理代码变更。你可以从Git的官方网站（https://git-scm.
  • HTML网页设计制作大作业（div+css） 云南我的家乡旅游景点 带文字滚动 二挡起步 web前端期末大作业web设计网页规划与设计htmlcssjavascriptdreamweaver前端
    Web前端开发技术描述网页设计题材，DIV+CSS布局制作,HTML+CSS网页设计期末课程大作业游景点介绍|旅游风景区|家乡介绍|等网站的设计与制作HTML期末大学生网页设计作业HTML：结构CSS：样式在操作方面上运用了html5和css3，采用了div+css结构、表单、超链接、浮动、绝对定位、相对定位、字体样式、引用视频等基础知识JavaScript：做与用户的交互行为文章目录前端学习路线
  • Day1笔记-Python简介&标识符和关键字&输入输出 ~在杰难逃~ Pythonpython开发语言大数据数据分析数据挖掘
    大家好，从今天开始呢，杰哥开展一个新的专栏，当然，数据分析部分也会不定时更新的，这个新的专栏主要是讲解一些Python的基础语法和知识，帮助0基础的小伙伴入门和学习Python，感兴趣的小伙伴可以开始认真学习啦！一、Python简介【了解】1.计算机工作原理编程语言就是用来定义计算机程序的形式语言。我们通过编程语言来编写程序代码，再通过语言处理程序执行向计算机发送指令，让计算机完成对应的工作，编程
  • log4j配置 yy爱yy
    #log4j.rootLogger配置的是大于等于当前级别的日志信息的输出#log4j.rootLogger用法:（注意appenderName可以是一个或多个）#log4j.rootLogger=日志级别,appenderName1,appenderName2,....#log4j.appender.appenderName2定义的是日志的输出方式，有两种：一种是命令行输出或者叫控制台输出，另一
  • MYSQL面试系列-04 king01299 面试mysql面试
    MYSQL面试系列-0417.关于redolog和binlog的刷盘机制、redolog、undolog作用、GTID是做什么的？innodb_flush_log_at_trx_commit及sync_binlog参数意义双117.1innodb_flush_log_at_trx_commit该变量定义了InnoDB在每次事务提交时，如何处理未刷入（flush）的重做日志信息（redolog）。它
  • 人工智能时代，程序员如何保持核心竞争力？ jmoych 人工智能
    随着AIGC（如chatgpt、midjourney、claude等）大语言模型接二连三的涌现，AI辅助编程工具日益普及，程序员的工作方式正在发生深刻变革。有人担心AI可能取代部分编程工作，也有人认为AI是提高效率的得力助手。面对这一趋势,程序员应该如何应对?是专注于某个领域深耕细作，还是广泛学习以适应快速变化的技术环境?又或者，我们是否应该将重点转向AI无法轻易替代的软技能？让我们一起探讨程序员
  • 2022现在哪个打车软件比较好用又便宜 实惠的打车软件合集 高省APP珊珊
    这是一个信息高速传播的社会。信息可以通过手机，微信，自媒体，抖音等方式进行传播。但同时这也是一个交通四通发达的社会。高省APP，是2022年推出的平台，0投资，0风险、高省APP佣金更高，模式更好，终端用户不流失。【高省】是一个自用省钱佣金高，分享推广赚钱多的平台，百度有几百万篇报道，也期待你的加入。珊珊导师，高省邀请码777777，注册送2皇冠会员，送万元推广大礼包，教你如何1年做到百万团队。高
  • 没有邀请码怎么注册买手妈妈? 氧惠评测
    买手妈妈怎么注册小编为大家带来买手妈妈没有邀请码怎么注册。打开买手妈妈APP，点击“马上注册”，输入邀请信息“邀请码”点击下一步，没有邀请码是登录不上的，所以这个必须要填写，那我们没有怎么办？填写成功就可以登录下一步。这里面有手机登录和淘宝登录，手机登录以后也需要用淘宝授权的，所以基本上都是淘宝登录。购物、看电影、点外卖、用氧惠APP！更优惠！氧惠（全网优惠上氧惠）——是与以往完全不同的抖客+淘客
  • Nginx负载均衡 510888780 nginx应用服务器
    Nginx负载均衡一些基础知识: nginx 的 upstream目前支持 4 种方式的分配 1)、轮询（默认）       每个请求按时间顺序逐一分配到不同的后端服务器，如果后端服务器down掉，能自动剔除。 2)、weight       指定轮询几率，weight和访问比率成正比
  • RedHat 6.4 安装 rabbitmq bylijinnan erlangrabbitmqredhat
    在 linux 下安装软件就是折腾，首先是测试机不能上外网要找运维开通，开通后发现测试机的 yum 不能使用于是又要配置 yum 源，最后安装 rabbitmq 时也尝试了两种方法最后才安装成功 机器版本： [root@redhat1 rabbitmq]# lsb_release LSB Version: :base-4.0-amd64:base-4.0-noarch:core
  • FilenameUtils工具类 eksliang FilenameUtilscommon-io
    转载请出自出处：http://eksliang.iteye.com/blog/2217081 一、概述 这是一个Java操作文件的常用库，是Apache对java的IO包的封装，这里面有两个非常核心的类FilenameUtils跟FileUtils，其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装，开发中对文件的操作，几乎都可以在这个框架里面找到。 非常的好用。
  • xml文件解析SAX 不懂事的小屁孩 xml
    xml文件解析:xml文件解析有四种方式， 1.DOM生成和解析XML文档(SAX是基于事件流的解析) 2.SAX生成和解析XML文档(基于XML文档树结构的解析) 3.DOM4J生成和解析XML文档 4.JDOM生成和解析XML 本文章用第一种方法进行解析，使用android常用的DefaultHandler import org.xml.sax.Attributes;
  • 通过定时任务执行mysql的定期删除和新建分区，此处是按日分区 酷的飞上天空 mysql
    使用python脚本作为命令脚本，linux的定时任务来每天定时执行 #!/usr/bin/python # -*- coding: utf8 -*- import pymysql import datetime import calendar #要分区的表 table_name = 'my_table' #连接数据库的信息 host,user,passwd,db =
  • 如何搭建数据湖架构？听听专家的意见 蓝儿唯美 架构
    Edo Interactive在几年前遇到一个大问题：公司使用交易数据来帮助零售商和餐馆进行个性化促销，但其数据仓库没有足够时间去处理所有的信用卡和借记卡交易数据  “我们要花费27小时来处理每日的数据量，”Edo主管基础设施和信息系统的高级副总裁Tim Garnto说道：“所以在2013年，我们放弃了现有的基于PostgreSQL的关系型数据库系统，使用了Hadoop集群作为公司的数
  • spring学习——控制反转与依赖注入 a-john spring
           控制反转（Inversion of Control，英文缩写为IoC）是一个重要的面向对象编程的法则来削减计算机程序的耦合问题，也是轻量级的Spring框架的核心。 控制反转一般分为两种类型，依赖注入（Dependency Injection，简称DI）和依赖查找（Dependency Lookup）。依赖注入应用比较广泛。  
  • 用spool+unixshell生成文本文件的方法 aijuans xshell
    例如我们把scott.dept表生成文本文件的语句写成dept.sql,内容如下: 　　set pages 50000; 　　set lines 200; 　　set trims on; 　　set heading off; 　　spool /oracle_backup/log/test/dept.lst; 　　select deptno||','||dname||','||loc
  • 1、基础--名词解析(OOA/OOD/OOP) asia007 学习基础知识
    OOA:Object-Oriented Analysis（面向对象分析方法） 是在一个系统的开发过程中进行了系统业务调查以后，按照面向对象的思想来分析问题。OOA与结构化分析有较大的区别。OOA所强调的是在系统调查资料的基础上，针对OO方法所需要的素材进行的归类分析和整理，而不是对管理业务现状和方法的分析。 　　OOA（面向对象的分析）模型由5个层次（主题层、对象类层、结构层、属性层和服务层）
  • 浅谈java转成json编码格式技术 百合不是茶 json编码java转成json编码
    json编码;是一个轻量级的数据存储和传输的语言       在java中需要引入json相关的包,引包方式在工程的lib下就可以了   JSON与JAVA数据的转换（JSON 即 JavaScript Object Natation，它是一种轻量级的数据交换格式，非   常适合于服务器与 JavaScript 之间的数据的交
  • web.xml之Spring配置(基于Spring+Struts+Ibatis) bijian1013 javaweb.xmlSSIspring配置
    指定Spring配置文件位置 <context-param> <param-name>contextConfigLocation</param-name> <param-value> /WEB-INF/spring-dao-bean.xml,/WEB-INF/spring-resources.xml, /WEB-INF/
  • Installing SonarQube（Fail to download libraries from server） sunjing InstallSonar
    1.  Download and unzip the SonarQube distribution 2.  Starting the Web Server The default port is "9000" and the context path is "/". These values can be changed in &l
  • 【MongoDB学习笔记十一】Mongo副本集基本的增删查 bit1129 mongodb
    一、创建复本集   假设mongod,mongo已经配置在系统路径变量上，启动三个命令行窗口，分别执行如下命令：   mongod --port 27017 --dbpath data1 --replSet rs0 mongod --port 27018 --dbpath data2 --replSet rs0 mongod --port 27019 -
  • Anychart图表系列二之执行Flash和HTML5渲染 白糖_ Flash
    今天介绍Anychart的Flash和HTML5渲染功能   HTML5 Anychart从6.0第一个版本起，已经逐渐开始支持各种图的HTML5渲染效果了，也就是说即使你没有安装Flash插件，只要浏览器支持HTML5，也能看到Anychart的图形（不过这些是需要做一些配置的）。 这里要提醒下大家，Anychart6.0版本对HTML5的支持还不算很成熟，目前还处于
  • Laravel版本更新异常4.2.8-> 4.2.9 Declaration of ... CompilerEngine ... should be compa bozch laravel
    昨天在为了把laravel升级到最新的版本，突然之间就出现了如下错误： ErrorException thrown with message "Declaration of Illuminate\View\Engines\CompilerEngine::handleViewException() should be compatible with Illuminate\View\Eng
  • 编程之美-NIM游戏分析-石头总数为奇数时如何保证先动手者必胜 bylijinnan 编程之美
    import java.util.Arrays; import java.util.Random; public class Nim { /**编程之美 NIM游戏分析 问题： 有N块石头和两个玩家A和B，玩家A先将石头随机分成若干堆，然后按照BABA...的顺序不断轮流取石头， 能将剩下的石头一次取光的玩家获胜，每次取石头时，每个玩家只能从若干堆石头中任选一堆，
  • lunce创建索引及简单查询 chengxuyuancsdn 查询创建索引lunce
    import java.io.File; import java.io.IOException; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.analysis.standard.StandardAnalyzer; import org.apache.lucene.document.Docume
  • [IT与投资]坚持独立自主的研究核心技术 comsci it
           和别人合作开发某项产品....如果互相之间的技术水平不同,那么这种合作很难进行,一般都会成为强者控制弱者的方法和手段.....        所以弱者,在遇到技术难题的时候,最好不要一开始就去寻求强者的帮助,因为在我们这颗星球上,生物都有一种控制其
  • flashback transaction闪回事务查询 daizj oraclesql闪回事务
       闪回事务查询有别于闪回查询的特点有以下3个： （1）其正常工作不但需要利用撤销数据，还需要事先启用最小补充日志。 （2）返回的结果不是以前的“旧”数据，而是能够将当前数据修改为以前的样子的撤销SQL（Undo SQL）语句。 （3）集中地在名为flashback_transaction_query表上查询，而不是在各个表上通过“as of”或“vers
  • Java I/O之FilenameFilter类列举出指定路径下某个扩展名的文件 游其是你 FilenameFilter
    这是一个FilenameFilter类用法的例子，实现的列举出“c:\\folder“路径下所有以“.jpg”扩展名的文件。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
  • C语言学习五函数，函数的前置声明以及如何在软件开发中合理的设计函数来解决实际问题 dcj3sjt126com c
    # include <stdio.h> int f(void) //括号中的void表示该函数不能接受数据，int表示返回的类型为int类型 { return 10; //向主调函数返回10 } void g(void) //函数名前面的void表示该函数没有返回值 { //return 10; //error 与第8行行首的void相矛盾 } in
  • 今天在测试环境使用yum安装，遇到一个问题： Error: Cannot retrieve metalink for repository: epel. Pl dcj3sjt126com centos
    今天在测试环境使用yum安装，遇到一个问题： Error: Cannot retrieve metalink for repository: epel. Please verify its path and try again   处理很简单，修改文件“/etc/yum.repos.d/epel.repo”， 将baseurl的注释取消， mirrorlist注释掉。即可。 &n
  • 单例模式 shuizhaosi888 单例模式
    单例模式      懒汉式 public class RunMain { /** * 私有构造 */ private RunMain() { } /** * 内部类，用于占位，只有 */ private static class SingletonRunMain { priv
  • Spring Security（09）——Filter 234390216 Spring Security
    Filter 目录 1.1     Filter顺序 1.2     添加Filter到FilterChain 1.3     DelegatingFilterProxy 1.4     FilterChainProxy 1.5
  • 公司项目NODEJS实践0.1 逐行分析JS源代码 mongodbnginxubuntunodejs
      一、前言         前端如何独立用nodeJs实现一个简单的注册、登录功能，是不是只用nodejs+sql就可以了？其实是可以实现，但离实际应用还有距离，那要怎么做才是实际可用的。         网上有很多nod
  • java.lang.Math liuhaibo_ljf javaMathlang
    System.out.println(Math.PI); System.out.println(Math.abs(1.2)); System.out.println(Math.abs(1.2)); System.out.println(Math.abs(1)); System.out.println(Math.abs(111111111)); System.out.println(Mat
  • linux下时间同步 nonobaba ntp
    今天在linux下做hbase集群的时候，发现hmaster启动成功了，但是用hbase命令进入shell的时候报了一个错误  PleaseHoldException: Master is initializing，查看了日志，大致意思是说master和slave时间不同步，没办法，只好找一种手动同步一下，后来发现一共部署了10来台机器，手动同步偏差又比较大，所以还是从网上找现成的解决方
  • ZooKeeper3.4.6的集群部署 roadrunners zookeeper集群部署
    ZooKeeper是Apache的一个开源项目，在分布式服务中应用比较广泛。它主要用来解决分布式应用中经常遇到的一些数据管理问题，如：统一命名服务、状态同步、集群管理、配置文件管理、同步锁、队列等。这里主要讲集群中ZooKeeper的部署。   1、准备工作 我们准备3台机器做ZooKeeper集群，分别在3台机器上创建ZooKeeper需要的目录。   数据存储目录
  • Java高效读取大文件 tomcat_oracle java
    　　读取文件行的标准方式是在内存中读取，Guava 和Apache Commons IO都提供了如下所示快速读取文件行的方法： 　　Files.readLines(new File(path), Charsets.UTF_8); 　　FileUtils.readLines(new File(path)); 　　这种方法带来的问题是文件的所有行都被存放在内存中，当文件足够大时很快就会导致
  • 微信支付api返回的xml转换为Map的方法 xu3508620 xmlmap微信api
    举例如下： <xml>    <return_code><![CDATA[SUCCESS]]></return_code>    <return_msg><![CDATA[OK]]></return_msg>    <appid><
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他