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)

  • 知识图谱的作用及其更新方式 甜瓜瓜哥 面试人工智能知识图谱人工智能
    知识图谱的作用及其更新方式简介作用1.语义理解和推理2.信息检索3.推荐系统4.自然语言处理5.智能对话系统更新知识图谱的过程1.数据收集2.数据清洗和处理3.知识抽取4.知识融合5.验证和评估6.部署和应用总结简介知识图谱是一种以图形结构表示知识的方法，它包含了实体（如人物、地点、事物）以及它们之间的关系。知识图谱可以用于帮助计算机理解和处理自然语言，进行信息检索，进行推荐系统等多种应用。作用1
  • 前端性能优化——如何提高页面加载速度？ 忘川... 前端性能优化html
    1.将样式表放在头部首先说明一下，将样式表放在头部对于实际页面加载的时间并不能造成太大影响，但是这会减少页面首屏出现的时间，使页面内容逐步呈现，改善用户体验，防止“白屏”。我们总是希望页面能够尽快显示内容，为用户提供可视化的回馈，这对网速慢的用户来说是很重要的。将样式表放在文档底部会阻止浏览器中的内容逐步出现。为了避免当样式变化时重绘页面元素，浏览器会阻塞内容逐步呈现，造成“白屏”。这源自浏览器的
  • 前端开发入门指南：HTML、CSS和JavaScript基础知识 方向感超强的 javascriptcsshtml前端
    引言：大家好，我是一名简单的前端开发爱好者，对于网页设计和用户体验的追求让我深深着迷。在本篇文章中，我将带领大家探索前端开发的基础知识，涵盖HTML、CSS和JavaScript。如果你对这个领域感兴趣，或者想要了解如何开始学习前端开发，那么这篇文章将为你提供一个良好的起点。1.前端开发概述在我们深入了解前端开发的细节之前，让我们先了解一下前端开发的定义和作用。简而言之，前端开发涉及构建用户直接与
  • 16、电科院FTU检测标准学习笔记-基本性能2 six2me 配电自动化(FTU)测试笔记学习笔记FTU配电检测
    作者简介：本人从事电力系统多年，岗位包含研发，测试，工程等，具有丰富的经验在配电自动化验收测试以及电科院测试中，本人全程参与，积累了不少现场的经验————————————————————————————————————目录交流工频电量影响量试验频率带来的影响谐波变化带来的影响不平衡电流对功率的影响三相功率测量元件之间相互作用引起的改变故障电流采集电流过载检测（大电流）状态量输出（遥控）输入SOE分
  • C语言流程控制学习笔记 前端熊猫 C语言c语言学习笔记
    1.顺序结构顺序结构是程序中最基本的控制结构，代码按从上到下的顺序依次执行。大多数C语言程序都是由顺序结构组成的。2.选择结构选择结构根据条件的真假来决定执行哪一段代码。在C语言中，选择结构主要有以下几种：2.1if语句if语句用于根据条件的真假来执行相应的代码块。if(condition){//当条件为真时执行的代码}2.2if-else语句if-else语句用于在条件为真时执行一段代码，为假时
  • 知识图谱构建：LLM与知识工程的完美结合 AI智能涌现深度研究 AI大模型应用入门实战与进阶DeepSeekR1&大数据AI人工智能计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    1.背景介绍1.1知识爆炸与信息孤岛随着互联网和信息技术的飞速发展，我们正处于一个知识爆炸的时代。海量的数据和信息充斥着我们的生活，但同时也带来了信息过载和信息孤岛的问题。传统的信息检索方式难以有效地组织和利用这些知识，难以满足人们对知识获取和应用的需求。1.2知识图谱的兴起知识图谱作为一种语义网络，能够将实体、概念及其之间的关系以结构化的方式进行表达和存储，从而有效地组织和管理知识。近年来，知识
  • 六、soul源码学习-SpringCloud项目本地运行 caihuayuan4 面试题汇总与解析springsqljava大数据
    一、本地部署NacosNacos本地部署可以参考：http://www.iocoder.cn/Nacos/install/?self二、搭建SpringCloud项目示例代码:https://github.com/wyc192273/soul-learn-project/tree/main/sofa-demo搭建了简单的SpringCloud服务后，需要在项目中引入如下依赖：org.dromara
  • 消息队列MQ技术的原理和IBM MQ的基本操作 Chelseady pythonpython
    消息队列技术是分布式应用间交换信息的一种技术。消息队列可驻留在内存或磁盘上,队列存储消息直到它们被应用程序读走。通过消息队列，应用程序可独立地执行--它们不需要知道彼此的位置、或在继续执行前不需要等待接收程序接收此消息。消息中间件概述消息队列技术是分布式应用间交换信息的一种技术。消息队列可驻留在内存或磁盘上,队列存储消息直到它们被应用程序读走。通过消息队列，应用程序可独立地执行--它们不需要知道彼
  • 人生建议往死里学网络安全！零基础也能跨行学习！！漏洞挖掘还能做副业 黑客老哥 web安全学习安全php网络安全
    一、网络安全的重要性：从‘不学会被黑’到‘学会保护别人’网络安全的概念现在不再是技术圈的独立话题，它已经渗透到社会的各个领域。从个人的隐私保护、企业的数据安全，到国家的信息防护，网络安全几乎影响了每一个人的生活。无论是黑客攻击、勒索病毒、数据泄露，还是国家间的信息战，网络安全已经成为现代社会的基础设施之一。所以，首先要明白学习网络安全的重要性：你不仅是在学习技术，更多的是在为自己和他人的安全“筑城
  • 【2025年】全国CTF夺旗赛-从零基础入门到竞赛，看这一篇就稳了！ 网安詹姆斯 web安全CTF网络安全大赛pythonlinux
    【2025年】全国CTF夺旗赛-从零基础入门到竞赛，看这一篇就稳了！基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包目录一、CTF简介二、CTF竞赛模式三、CTF各大题型简介四、CTF学习路线4.1、初期1、html+css+js（2-3天）2、apache+php（4-5天）3、mysql（2-3天）4、python(2-3天)5、burpsuite（1-2天）4.2、中期1、S
  • CTF学习法则——寒假篇 新手赶快收藏吧！ 网络安全技术分享 学习网络安全web安全CTF
    CTF（CapturetheFlag）是网络安全领域中的一种比赛形式，涵盖了漏洞利用、逆向工程、加密解密、编码解码等多方面的技术，参与者通过解决难题（称为“Flag”）获得积分。对于想要在寒假期间提升CTF技能的同学们，以下是一些有效的学习法则，可以帮助你高效地进行学习和提升：1.合理规划学习时间寒假时间有限，建议制定合理的学习计划：每天固定时间学习：保持稳定的学习节奏，避免临时抱佛脚。分阶段学习
  • 机器学习·文本数据读写处理 AAA顶置摸鱼 python深度学习机器学习人工智能数据处理
    前言在自然语言处理的第一步，需要面对的是各种各样以不同形式表现的文本数据，比如，txt、Excel中的表格数据，还有无法直接打开的pkl文件等。针对这些不同类型的数据，可以基于Python中的基本功能函数或者调用某些库进行读写以及作一些基本的处理。一、文本数据读写方法1.读写TXT文件读取方法：read()：读取整个文件，返回字符串。readline()：逐行读取，返回字符串。readlines(
  • java进阶篇--生产环境如何排查bug和优化 JVM？ 爱分享的淘金达人 Java源码剖析(30讲)jvm优化jvm调优优化jvm生产环境优化jvm生产环境jvm优化
    通过前面几个课时的学习，相信你对JVM的理论及实践等相关知识有了一个大体的印象。而本课时将重点讲解JVM的排查与优化，这样就会对JVM的知识点有一个完整的认识，从而可以更好地应用于实际工作或者面试了。我们本课时的面试题是，生产环境如何排查问题？回答：如果是在生产环境中直接排查JVM的话，最简单的做法就是使用JDK自带的6个非常实用的命令行工具来排查。它们分别是：jps、jstat、jinfo、jm
  • JavaScript——操作浏览器窗口 yiqi_perss JavaScript
    学习内容：今天学习了alert提示框，提示框中的内容，就是alert后边小括号中的内容例如：alert('我要学JavaScript!');alert('我要学习!');学习总结：日常小总结例如：后面的分号；可以随便去掉，不影响运行效果。不能去掉小括号，否则会报错，不信你可以试试。必须是英文引号，否则会报错。课外扩展：历史渊源例如：ECMAScript是一种语言标准，而JavaScript是网景公
  • sklearn.ConfusionMatrixDisplay可视化混淆矩阵 Cachel wood python机器学习和数据挖掘sklearn矩阵人工智能python机器学习vue.jsjava
    文章目录ConfusionMatrixDisplay详细解释更多定制化ConfusionMatrixDisplayConfusionMatrixDisplay是scikit-learn库中用于可视化混淆矩阵的一个实用工具。混淆矩阵是一种常用的评估分类模型性能的工具，它可以直观地展示模型在各个类别上的预测结果与真实标签之间的关系。下面详细介绍如何使用ConfusionMatrixDisplay进行混
  • 数据集 handpose_x_3d-wider_world V1 室外自然场景三维手势 ＞＞ DataBall Xian-HHappy DataBall数据集合（计算机视觉）-数据也可如此美好3d
    数据集handpose数据集handpose_x_3d-wider_worldV1室外自然场景三维手势>>DataBall数据特点：*场景多样性*包括有无遮挡多样性*有无拿物体多样性数据标注信息包括：二维21关键点，三维21关键点，三维网格点，图像相机内参。想要进一步了解，请联系。DataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。示例：助力快速掌握数据集的信息和使
  • 基于Kitti数据集实现MMDetection3D点云物体检测训练 Xian-HHappy 技术知识点kitti三维点云无人驾驶MMDetection3D人工智能计算机视觉目标检测
    DataBall助力快速掌握数据集的信息和使用方式，会员享有百种数据集，持续增加中。需要更多数据资源和技术解决方案，知识星球：“DataBall-X数据球(free)”贵在坚持！-----------------------------------------------------------------------------------------------MMDetection3D环境安
  • Fastgpt接入Whisper本地模型实现语音识别输入 泰山AI AI大模型应用开发AI语音模型gptragfastgpt
    前言FastGPT默认使用了OpenAI的LLM模型和语音识别模型，如果想要私有化部署的话，可以使用openai开源模型Whisper。参考文章《openai开源模型Whisper语音转文本模型下载使用》FastGPT接入本地AI语音TTS首先打开one-api网址添加一个自定义渠道设置BaseUrl、模型、鉴权等信息BaseUrl为你部署本地语音识别web项目baseurl,图标上的是以我写的开
  • python邮件发送哪个好_(原创)python发送邮件 加勒比考斯 python邮件发送哪个好
    这段时间一直在学习flask框架，看到flask扩展中有一个mail插件，所以今天就给大家演示如果发邮件。首先我注册了一个163邮箱，需要开启smtp功能,(网易的电子邮件服务器)。注册好163邮箱，然后开启smtp功能，如下图所示:开启的过程中需要绑定手机。我最终实现的样子是这样的:使用flask搭建了一个web服务器，然后做了一个网页，将收件人，主题，正文填好之后，点击发送，上面会显示发送结果
  • 【设计模式精讲】结构型模式之装饰器模式 道友老李 设计模式精讲设计模式装饰器模式
    文章目录第五章结构型模式5.3装饰器模式5.3.1装饰器模式介绍5.3.2装饰器模式原理5.3.3装饰器模式应用实例5.3.4装饰器模式总结个人主页：道友老李欢迎加入社区：道友老李的学习社区第五章结构型模式5.3装饰器模式5.3.1装饰器模式介绍装饰模式(decoratorpattern)的原始定义是：动态的给一个对象添加一些额外的职责.就扩展功能而言,装饰器模式提供了一种比使用子类更加灵活的替代
  • AI服务器散热黑科技：让芯片“冷静”提速 小深ai硬件分享 人工智能深度学习服务器
    AI服务器为何需要散热黑科技在人工智能飞速发展的当下，AI服务器作为核心支撑，作用重大。从互联网智能推荐，到医疗疾病诊断辅助，从金融风险预测，到教育个性化学习，AI服务器广泛应用，为各类复杂人工智能应用提供强大算力。然而，AI服务器在运行时面临着严峻的散热挑战。随着人工智能技术的不断发展，对AI服务器的计算能力要求越来越高，这使得服务器的功率密度急剧增加。以GPT-4的训练为例，它需要大量的GPU
  • 深度应用场景：DeepSeek —— 探索AI赋能的智慧未来 人工智能专属驿站 人工智能
    深度应用场景：DeepSeek——探索AI赋能的智慧未来随着人工智能的迅猛发展，数据的价值已不再局限于简单的存储与处理，它们正变得更加智能与高效。DeepSeek，这一创新的AI技术平台，正以其独特的深度学习能力，开启了各行各业的智能化变革。让我们走进一个由DeepSeek打造的深度应用场景，探索它如何推动未来的发展。1.智能医疗：精准诊断，拯救生命想象一下，医生们不再是唯一的诊断专家，而是与AI
  • 如何用 python 获取实时的股票数据？_python efinance(2) 元点三 2024年程序员学习pythonjavalinux
    先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课
  • 如何用 python 获取实时的股票数据？_python efinance，2024年最新pdf面试简历 元点三 2024年程序员学习pythonpdf面试
    先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课
  • FastStone 10.x 注册码 一条晓鱼 linuxc++githubgitwindows
    简介FastStoneCapture是一款经典好用的屏幕截图软件，在屏幕截图领域具有广泛的应用和众多优势。软件基本信息FastStoneCapture体积小巧，占用内存少，这使得它在运行时不会给计算机系统带来过多的负担，即使在配置较低的电脑上也能流畅运行。例如，在一些老旧的办公电脑上，FastStoneCapture可以快速启动并进行截图操作，而不会出现明显的卡顿现象。它的界面简洁干净，操作相对简
  • 使用BLIP模型生成图像描述的可查询索引 dgay_hua python计算机视觉开发语言
    在本篇文章中，我们将介绍如何使用预训练的SalesforceBLIP图像描述模型，生成一个可查询的图像描述索引。我们将使用ImageCaptionLoader来加载图像，并通过一系列步骤生成查询索引。使用示例代码进行演示，帮助读者理解和实践。技术背景介绍随着计算机视觉技术的发展，图像描述生成成为了重要的研究领域。通过对图像内容自动生成文字描述，可以大大提高对图像信息的检索和管理效率。Salesfo
  • 卷积神经网络之AlexNet经典神经网络，实现手写数字0~9识别 知识鱼丸 深度学习神经网络cnn人工智能深度学习AlexNet经典神经网络
    深度学习中较为常见的神经网络模型AlexNet，AlexNet是一个采用GPU训练的深层CNN，本质是种LeNet变体。由特征提取层的5个卷积层两个下采样层和分类器中的三个全连接层构成。先看原理：AlexNet网络特点采用ReLU激活函数，使训练速度提升6倍采用dropout层，防止模型过拟合通过平移和翻转的方式对数据进行增强采用LRN局部响应归一化，限制数据大小，防止梯度消失和爆炸。但后续证明批
  • 小白入门笔记：CMake编译过程详解 3Ｄ视觉工坊 3D视觉从入门到精通笔记c++开发语言
    作者丨SkyShaw@知乎点击进入—>3D视觉工坊学习交流群1、你好，CMake1.1CMake是什么？我觉得针对这个问题最简单（但不是最正确的）的回答应该是：“CMake是服务于将源代111码转换成可执行的文件的工具”。将源码转换为可工作应用会比较神奇。不仅是效果本身(即设计并赋予生命的工作机制)，而且是将理念付诸于过程的行为本身。CMake本身是一个工具集，由五个可执行的程序组成：cmake、
  • 灰色系统理论及其关联分析方法 青橘MATLAB学习 算法matlab数学建模
    前言在现实世界中，许多系统的内部结构、参数及特征并未完全被人们认知。例如，粮食产量受肥料、气象、政策等多因素影响，但各因素与产量间的定量关系难以明确。这类部分信息已知、部分信息未知的系统被称为灰色系统。灰色系统理论从数据本征特性出发，通过有限信息挖掘系统规律，为信息匮乏或紊乱的问题提供建模与分析方法。本章将介绍灰色系统的基本概念及其核心方法——关联分析，揭示如何通过动态态势量化解决实际问题。§1灰
  • 使用Python获取在线股票交易网站的实时交易数据 嵌入式开发项目 2025年爬虫精通专栏python开发语言爬虫
    目录步骤1：选择股票交易网站步骤2：使用requests库发送HTTP请求步骤3：解析HTML内容步骤4：提取实时交易数据步骤5：存储和使用数据在金融市场中，实时交易数据对于投资者来说具有重要的价值。实时的股票价格、交易量和其他市场指标可以帮助投资者做出更准确的决策，同时也是进行金融分析和建模的重要数据源。在本篇博客中，我们将学习如何使用Python获取在线股票交易网站的实时交易数据。在开始之前，
  • 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