統(tǒng)計數(shù)據(jù)可視化的案例
11 python數(shù)據(jù)可視化（統(tǒng)計圖）
00 載入擴展庫
import numpy as np
import matplotlib.pyplot as plt
01 plt.bar(x,y,width,align,hatch,color,ec,fc,ls,lw,)
x=np.array([1,2,3,4,5,6])
y=np.array([3,1,4,5,8,9])
plt.bar(x,y,width=0.5,align='edge',ec='r',fc='b',ls='-.',lw='3',hatch='//')
plt.xticks(x,('q','a','c','e','r','j'),size=20,weight='heavy')
02 plt.barh(x,y,height,align,hatch,color,ec,fc,ls,lw,)
x=np.array([1,2,3,4,5,6])
y=np.array([3,1,4,5,8,9])
plt.barh(x,y,height=0.5,align='center',ec='r',fc='b',ls='-.',lw='3',hatch='//')
plt.yticks(x,('q','a','c','e','r','j'),size=20,weight='heavy')
03 plt.hist(x,bins,align,density,rwidth)
x=np.random.randint(0,11,100)
bins=np.arange(0,12,1)
plt.hist(x,bins,align='left',density=True,rwidth=0.5,ec='r',fc='g')
04 plt.pie(x,autopct,explode,labels
展開 拆分數(shù)據(jù)與可視化，才能深入解析數(shù)據(jù)可視化
數(shù)據(jù)可視化因當代信息量的劇增，開始更加深入人類社會的生活，逐漸成為了我們消費信息的主流方式。有趣的是，托了中文強大構(gòu)詞能力的福，“數(shù)據(jù)可視化”（Data Visualization)作為一個譯詞，隱隱顯得莫名地高端難解了。
其實”化“字跟在某個字、名詞或者形容詞后通常構(gòu)成一個動詞，常用于翻譯“ization”后綴：如工業(yè)化（industrialization）、現(xiàn)代化（modernization）、全球化（globalization）。這樣理解來，”可視化“也在描述一種“讓大家看見的”發(fā)展方向，或者能力。數(shù)據(jù)可視化的領(lǐng)域是廣博且在不斷擴展的，那用五個字去完整地整個領(lǐng)域終究稍顯單薄。本文旨在給數(shù)據(jù)可視化（Data Visualization）下一個定義，盡力為大家引入數(shù)據(jù)可視化的無窮趣味和無盡可能性。
那么，什么是數(shù)據(jù)可視化呢？
出色的可視化作品往往都有奪目而入的標題，搭配得當?shù)念伾娜缙淞x的字體，真知灼見的分析。我們其實在欣賞一幅好的可視化作品的同時，也在欣賞”交流的藝術(shù)“，”顏色的藝術(shù)“，”字體的藝術(shù)“，”分析的藝術(shù)“等等等等。當此類藝術(shù)致力于將數(shù)據(jù)呈現(xiàn)給大眾時候，就成了“數(shù)據(jù)可視化的藝術(shù)”。其實早有學者先賢在數(shù)據(jù)可視化領(lǐng)域做出許多探索和成就。當今國際數(shù)據(jù)可視化界的翹楚Nadieh Bremer(作者認她為數(shù)據(jù)可視化第一人）曾對數(shù)據(jù)可視化下過定語：“Encode data into visual elements”。即，把數(shù)據(jù)編入視覺元素。白話就是：“看見”數(shù)據(jù)。但是，光是看得見數(shù)據(jù)，就夠了嗎？我們又想“看”出什么呢？色彩斑斕的美感？發(fā)人深省的見解？還是可以自由探索的頭腦風暴平臺？管中窺豹，只可見一斑。
展開 自研流場可視化軟件（VTK數(shù)據(jù)可視化/數(shù)值模擬可視化）
</p><p>處理時序數(shù)據(jù)（時間步、快照、單步場），保留元數(shù)據(jù)（單位、坐標系、時間戳、網(wǎng)格信息、邊界條件等）。</p><p><strong>2.基本可視化能力</strong></p><p>標量場可視化：等值面、等值線、曲面切片、體繪制、色彩映射、傳遞函數(shù)、色帶注記。</p><p>向量場與張量場可視化：箭頭場、箭頭密度控制、流線、流束、路徑線、霧化/LIC 等。</p><p>體繪制與光照效果：體積渲染、霧化、光線追蹤、陰影與光照調(diào)參。</p><p>交互式切割/裁剪、平移/旋轉(zhuǎn)/縮放、裁剪體的布爾組合。</p><p><strong>3.高級可視化與分析工具</strong></p><p>流線、流束和粒子追蹤（在時間依賴數(shù)據(jù)中的粒子追蹤、時間步序列）。</p><p>渦結(jié)構(gòu)與渦量分析：渦度、Q-criterion、λ2、swirling strength、渦核識別等。</p><p>標量-向量場聯(lián)合可視化：如在同一視圖中顯示溫度場和速度場的關(guān)系、等值面的疊加。</p><p>統(tǒng)計與分布分析：均值、方差、峰度、直方圖、PDF、時間序列分析、功率譜等。</p><p>數(shù)據(jù)降維與降噪：濾波、平滑、局部擬合、小波變換、降維方法（POD、ICA、DMD 等的可選實現(xiàn)）。</p><p><strong>4.時間與動畫能力</strong></p><p>時間步的逐幀查看、時間線滑塊、時間重采樣/插值、動態(tài)更改參數(shù)的可視化。</p><p>動畫導出（視頻、序列圖像）與時間軸標記。
展開 數(shù)據(jù)三維可視化的全介紹
隨著互聯(lián)網(wǎng)的迅速發(fā)展，數(shù)據(jù)維度越來越廣，結(jié)構(gòu)越來越復雜，人們想要更明確，更快的認識和理解數(shù)據(jù)，傳統(tǒng)的二維平面圖已經(jīng)不能滿足需求了。
數(shù)據(jù)可視化是指根據(jù)數(shù)據(jù)的性質(zhì)、特征，以適當?shù)姆绞剑ㄈ鐖D形圖像）直觀、概念地顯示數(shù)據(jù)。幫助大家更好地理解數(shù)據(jù)，掌握數(shù)據(jù)中有用的信息。
數(shù)據(jù)可視化的發(fā)展與應(yīng)用
數(shù)據(jù)可視化不是一種新技術(shù)，其起源可以追溯到20世紀50年代計算機圖形學的初期。隨著互聯(lián)網(wǎng)、計算機技術(shù)的迅速發(fā)展，各種數(shù)據(jù)可視化出現(xiàn)在人們的眼前。
近兩年來，大數(shù)據(jù)備受關(guān)注，互聯(lián)網(wǎng)端數(shù)據(jù)分析類產(chǎn)品正在崛起。企業(yè)自多年前構(gòu)建IT系統(tǒng)以來積累了大量數(shù)據(jù)，這些數(shù)據(jù)對企業(yè)很有價值。
數(shù)據(jù)可視化應(yīng)用可以分為三類：
宏觀態(tài)勢可視化：宏觀態(tài)勢可視化是指在特定環(huán)境下檢測隨著時間變化的目標主體，可以直觀、靈活、真實地顯示宏觀態(tài)勢，快速掌握特定領(lǐng)域的總體態(tài)勢和特征。
設(shè)備仿真運行可視化：通過圖像、三維動畫和計算機程序控制技術(shù)與實際模型融合，直觀地顯示設(shè)備，使管理員對于設(shè)備有具體的概念。設(shè)備的所有參數(shù)都一目了然，大大減少管理者的勞動強度，提高管理效率和管理水平。
數(shù)據(jù)統(tǒng)計分析可視化：被廣泛應(yīng)用于商業(yè)智能、政府決策、公共服務(wù)、營銷等領(lǐng)域。通過可視化的數(shù)據(jù)圖表，可以清晰有效地傳達信息。
數(shù)據(jù)三維可視化的應(yīng)用前景
1.三維可視化技術(shù)從計算機學科出發(fā)，已經(jīng)滲透到各個學科。例如，在建筑、交通和醫(yī)學領(lǐng)域，三維可視化技術(shù)可以提高決策者的可預測性，并提前評估質(zhì)量和成果，避免不必要的浪費和損失。仿真技術(shù)方面的應(yīng)用可以為醫(yī)學手術(shù)實施、機械制造加工、礦物開采加工、水利設(shè)施建設(shè)等提供一定的決策作用。
三維可視化的發(fā)展不僅縮小了現(xiàn)實世界和計算機虛擬世界的差距，擴大了人們的視野，使人們更好地理解世界，而且對人們改造世界起到了很好的指導作用。
展開 
三維數(shù)據(jù)可視化與傳統(tǒng)可視化的差別
什么叫三維數(shù)字化?
以現(xiàn)階段大數(shù)據(jù)中心來說，關(guān)鍵存有投資管理、動環(huán)控制管理方法及其環(huán)境安全管理管理方法這三大層面的難題。投資管理層面，具體表現(xiàn)在無機房群控系統(tǒng)對策，無法使全部系統(tǒng)軟件高效率運作，欠缺空間布局及其財產(chǎn)自動化技術(shù)可視化工具，在平時維護保養(yǎng)層面，欠缺財產(chǎn)的查尋、精準定位、導航欄數(shù)據(jù)可視化運營專用工具。
在這類情況下，制造行業(yè)便從一開始的3D背景，轉(zhuǎn)變成有著一定互動交流工作能力的偽3D實體模型，最終轉(zhuǎn)變成可開展互動式、含有多種多樣視覺感受、仿真模擬的3D頁面。而且在3D渲染頁面下，也添加主機房投資管理、工程項目管理與環(huán)境安全管理等多種多樣機房管理作用。逐漸的擴張3D大數(shù)據(jù)中心數(shù)據(jù)可視化服務(wù)平臺的應(yīng)用性、真實有效與可參與性的性能指標，產(chǎn)生了詳細的三維數(shù)據(jù)化管理服務(wù)平臺。
為何傳統(tǒng)式監(jiān)控器會淘汰?
伴隨著大數(shù)據(jù)中心的工程規(guī)模越來越大，主機房計算機軟件的總數(shù)日益增加，機器設(shè)備相對密度愈來愈高，機房管理工作人員對大數(shù)據(jù)中心視頻監(jiān)控系統(tǒng)的規(guī)定也愈來愈高，傳統(tǒng)式的機房監(jiān)控系統(tǒng)軟件不能滿足機房管理工作人員對大數(shù)據(jù)中心“集中化監(jiān)控器、統(tǒng)一管理方法”要求。主要表現(xiàn)在：
1.人機交互技術(shù)能力差，且頁面單一，簡易。情景單一，沒法總體查詢，比如環(huán)境監(jiān)控系統(tǒng)，只有監(jiān)控器自然環(huán)境，需轉(zhuǎn)換頁面才能夠見到別的內(nèi)容。頁面數(shù)據(jù)信息無法定位至機器設(shè)備，造成 技術(shù)人員需根據(jù)實際名字，紀錄相對部位。且在產(chǎn)生常見故障時，沒法第一時間明確常見故障真實的地理位置。2.選用了多種多樣機器設(shè)備提交數(shù)據(jù)信息方法。這類方法造成 了常見故障點增加，且增加數(shù)據(jù)信息對服務(wù)器的借助性，一旦服務(wù)器互聯(lián)網(wǎng)通訊中斷，數(shù)據(jù)信息便遺失。
3.實際操作智能化系統(tǒng)相比于三維服務(wù)平臺低，很多數(shù)據(jù)信息必須技術(shù)人員根據(jù)了解后，才可一切正常收看。監(jiān)控器內(nèi)容簡單，及時性差。
展開 基于Web的三維數(shù)據(jù)輕量化可視化系統(tǒng) Simright 3DLite
基于Web的三維數(shù)據(jù)輕量化可視化系統(tǒng) Simright 3DLite
數(shù)巧科技三維數(shù)據(jù)輕量化可視化解決方案Simright 3DLite是一套完整的CAD/CAE仿真數(shù)據(jù)輕量化、可視化和共享技術(shù)，能夠幫助企業(yè)的設(shè)計人員、仿真人員、產(chǎn)品經(jīng)理擺脫復雜和昂貴的CAE處理軟件，直接讀取仿真結(jié)果，加強了部門之間、組織之間的協(xié)同交流，極大的促進了制造企業(yè)仿真能力，信息化水平和生產(chǎn)力的提升。
[FRED] 數(shù)據(jù)收集面可視化
數(shù)據(jù)收集面可視化（Data Collector Surface Visualization）分析選項允許用戶指定模型中的某一表面，在光線追跡的過程中收集光線數(shù)據(jù)，并顯示或者輸出該面的照度（或相關(guān)的物理量）。該分析選項允許計算（包括多面體曲面面型在內(nèi)的）任意形狀的曲面。同時，因為一個多面體曲面可被用來創(chuàng)建多個不同的面，該選項也是計算多個表面時的一個便捷方法，而不用建立多個分析面或者探測器實體。
“多面體表面Faceted Surface”面型的建立 參見 導入OBJ格式文件 ，OBJ文件由通過第三方CAD軟件建立或者 FRED的幾何體按OBJ格式導出的 參見 導出OBJ格式文件 。
文中的FRED案例場景是房間內(nèi)墻角光源對物體的照明。案例中的四面墻壁和地板由一個多面體表面建立，被照射物體由另一個多面體表面表示。案例中，因為房間和物體的鍍膜屬性不同，所以使用兩個不同的多面體表面。在當前場景中，物體被某一角落的光源照射。
數(shù)據(jù)收集面可視化分析設(shè)置位于分析菜單欄下。顯示計算數(shù)據(jù)時，需要重點做一下設(shè)置。
? 繪制數(shù)據(jù)面 = 真 DrawDataFacets = True
? 數(shù)據(jù)顯示類型（選擇需顯示的物理量） DisplayDataType（choice of quantity to display）
? 顯示圖例 = 真 ShowLegend = True
? 數(shù)據(jù)收集面（選擇需要顯示的多面體曲面） Data Collector Surfaces（choice of which Faceted surfaces upon which to display data）
?
光線追跡后，數(shù)據(jù)會自動顯示在3D視圖中。
展開 數(shù)據(jù)收集面可視化
數(shù)據(jù)收集面可視化（Data Collector Surface Visualization）分析選項允許用戶指定模型中的某一表面，在光線追跡的過程中收集光線數(shù)據(jù)，并顯示或者輸出該面的照度（或相關(guān)的物理量）。該分析選項允許計算（包括多面體曲面面型在內(nèi)的）任意形狀的曲面。同時，因為一個多面體曲面可被用來創(chuàng)建多個不同的面，該選項也是計算多個表面時的一個便捷方法，而不用建立多個分析面或者探測器實體。 “多面體表面Faceted Surface”面型的建立 參見 導入OBJ格式文件 ，OBJ文件由通過第三方CAD軟件建立或者 FRED的幾何體按OBJ格式導出的 參見 導出OBJ格式文件 。 文中的FRED案例場景是房間內(nèi)墻角光源對物體的照明。案例中的四面墻壁和地板由一個多面體表面建立，被照射物體由另一個多面體表面表示。案例中，因為房間和物體的鍍膜屬性不同，所以使用兩個不同的多面體表面。在當前場景中，物體被某一角落的光源照射。
數(shù)據(jù)收集面可視化分析設(shè)置位于分析菜單欄下。顯示計算數(shù)據(jù)時，需要重點做一下設(shè)置。? 繪制數(shù)據(jù)面 = 真 DrawDataFacets = True? 數(shù)據(jù)顯示類型（選擇需顯示的物理量） DisplayDataType（choice of quantity to display）? 顯示圖例 = 真 ShowLegend = True? 數(shù)據(jù)收集面（選擇需要顯示的多面體曲面） Data Collector Surfaces（choice of which Faceted surfaces upon which to display data）
?光線追跡后，數(shù)據(jù)會自動顯示在3D視圖中。下圖為各表面的入射功率。
注意：如果需要顯示不同的物理量，你不用再重新光線追跡。
展開 15 python數(shù)據(jù)可視化（精講箱圖）
00 載入擴展庫
import numpy as np
import matplotlib.pyplot as plt
01 箱圖
x=np.random.rand(2000)*10
plt.boxplot(x)
plt.grid(axis='y',ls=':',c='b')
02 patch_artist的使用
x=np.random.rand(2000)*10
plt.boxplot(x,patch_artist=True)
plt.grid(axis='y',ls=':',c='b')
03 whis的使用
x=np.random.rand(2000)*10
plt.boxplot(x,whis=0.1,patch_artist=True,showfliers=False)
plt.grid(axis='y',ls=':',c='b')
plt.ylim(0,10)
04 showfliers的使用
x=np.random.rand(1000)*10
y=np.array([20,22,25])
x1=np.hstack([x,y])
plt.boxplot([x,x1])
plt.grid(axis='y',ls=':',c='b')
x=np.random.rand(1000)*10
y=np.array([20,22,25])
x1=np.hstack([x,y])
plt.boxplot([x,x1],showfliers=False)
plt.grid(axis='y',ls=':',c='b')
plt.ylim(0,25)
05 vert的使用
x=np.random.rand(2000)*10
plt.boxplot(x,vert
展開 16 python數(shù)據(jù)可視化（精講誤差圖）
,color='r',lw=1)
03 修改數(shù)據(jù)點的顯示
x = np.arange(8)
y = 2.5 * np.sin(x / 20 * np.pi)
yerr=0.2
plt.errorbar(x,y,yerr,ls='-.',color='r',lw=1,
marker='^',ms=10,mec='b',mfc='m',mew='2')
04 修改誤差棒的顯示
x = np.arange(8)
y = 2.5 * np.sin(x / 20 * np.pi)
yerr=0.2
plt.errorbar(x,y,yerr,ls='-.',color='r',lw=1,
marker='^',ms=10,mec='b',mfc='m',mew='2',
ecolor='k',elinewidth=3)
05 修改誤差棒邊界的顯示
x = np.arange(8)
y = 2.5 * np.sin(x / 20 * np.pi)
yerr=0.2
plt.errorbar(x,y,yerr,ls='-.'
展開 22 python數(shù)據(jù)可視化（精講坐標軸）
00 載入擴展庫
import numpy as np
import matplotlib.pyplot as plt
01 設(shè)置坐標軸位置
x=np.arange(3)
y=[0,1,0]
plt.axes([0.1,0.7,0.3,0.3],frameon=True,facecolor='y',aspect='equal')
plt.plot(x,y,color='b',ls='--')
plt.axes([0.4,0.4,0.3,0.3],frameon=False,facecolor='y',aspect='equal')
plt.plot(x,y,color='b',ls='--')
plt.axes([0.7,0.1,0.3,0.3],frameon=True,facecolor='g',aspect='auto')
plt.plot(x,y,color='r',ls='--')
02 隱藏坐標軸
plt.axes([0.1,0.6,0.3,0.3],frameon=True,facecolor='y',aspect='equal')
plt.plot(x,y,color='b',ls='--')
plt.axes([0.7,0.2,0.3,0.3],frameon=True,facecolor='y',aspect='auto')
plt.plot(x,y,color='b',ls='--')
plt.axis('off')
03 控制刻度線和刻度標簽的顯示 plt.setp()
x=np.arange(3)
y=[0,1,0]
ax1=plt.subplot(211)
ax1.plot(x,y)
ax2=plt.subplot(212)
plt.setp(ax2.get_xticklabels(
展開 
13 python數(shù)據(jù)可視化（精講直方圖）
00 載入擴展庫
import numpy as np
import matplotlib.pyplot as plt
01 直方圖
x=np.random.randint(0,10,100)
bins=np.arange(0,11,1)
plt.hist(x,bins=bins,rwidth=0.5,align='left',color='r')
02 堆積（疊加）
x=np.random.randint(0,10,100)
y=np.random.randint(0,10,50)
bins=np.arange(0,11,1)
plt.hist([x,y],bins=bins,rwidth=0.5,align='left',stacked=True,color=['b','g'])
03 并列
x=np.random.randint(0,10,100)
y=np.random.randint(0,10,50)
z=np.random.randint(0,10,30)
bins=np.arange(0,11,1)
plt.hist([x,y,z],bins=bins,rwidth=0.5,align='left',stacked=False,color=['b','g','m'])
展開 無可替代：工業(yè)正向設(shè)計中的數(shù)據(jù)可視化技術(shù)
界面搭建主環(huán)境(AutoDesianerFrame)：用戶通過拖拽方式實現(xiàn)UI界面的自定義搭建，便于后續(xù)實現(xiàn)參數(shù)數(shù)據(jù)與UI控件的動態(tài)綁定。
程序調(diào)用插件(ExeIntegratePlugin)：不同的程序支持執(zhí)行不同的程序調(diào)用插件來識別程序啟動路徑和帶參數(shù)驅(qū)動方式。
數(shù)據(jù)抽取插件(DataExtractPlugin)：不同的模型支持執(zhí)行不同的數(shù)據(jù)抽取插件來自動化識別輸入、輸出文件中的參數(shù)。當前針對主流商業(yè)工具模型都能夠?qū)崿F(xiàn)快速化數(shù)據(jù)別與驅(qū)動。
組件可視插件(ComponentVisualPlugin)：參數(shù)數(shù)據(jù)支持以不同的界面展示形式進行動態(tài)展現(xiàn)，通過組件可視插件完成綁定參數(shù)數(shù)據(jù)的動態(tài)可視化展示。主要包括二維曲線、三維模型、工業(yè)云圖、行業(yè)儀表等可視化插件。
圖 3可視化集成仿真環(huán)境整體運行邏輯示意圖
三、相關(guān)案例介紹
3.1螺旋槳快速設(shè)計系統(tǒng)
以性能仿真驅(qū)動螺旋槳設(shè)計，通過干濕模態(tài)、強度特性、敞水性能、自航性能等模擬，實現(xiàn)設(shè)計螺旋槳的快速評判校核，并結(jié)合優(yōu)化技術(shù)實現(xiàn)螺旋槳設(shè)計方案選型。系統(tǒng)基于ViSim框架構(gòu)建，運行曲線圖表插件實現(xiàn)敞水性能曲線的動態(tài)繪制；運用三維模型構(gòu)型插件實現(xiàn)螺旋槳基于剖面型值點的快速三維模型構(gòu)型；運用仿真云圖可視化插件實現(xiàn)模態(tài)振型、應(yīng)力分布、流場分布的直觀展示。
圖4螺旋槳快速設(shè)計系統(tǒng)封裝示意圖
3.2振動虛擬實驗系統(tǒng)
針對設(shè)備要進行抗震過程的需求，構(gòu)建一套模擬試驗過程的虛擬可視化系統(tǒng)，實現(xiàn)面向振動實驗過程（包括模態(tài)、諧響應(yīng)、地震譜、沖擊等）的動態(tài)模擬與可視化呈現(xiàn)。系統(tǒng)通過ViSim基礎(chǔ)框架進行擴展集成開發(fā)，結(jié)合三維模型可視化渲染插件、實驗過程儀表數(shù)據(jù)可視化插件等輔助用戶決策設(shè)備振動特性是否滿足設(shè)計要求。
展開 10 python數(shù)據(jù)可視化（補遺）
); plt.axvspan(xmin,xmax,fc,ec,ls,lw,alpha)
plt.legend(loc)
Location String Location Code
=============== =============
'best' 0
'upper right' 1
'upper left' 2
'lower left' 3
'lower right' 4
'right' 5
'center left' 6
'center right' 7
'lower center' 8
'upper center' 9
'center' 10
=============== =============
plt.text(x,y,string,color,size,rotation)
plt.annotate(string,xy,xytext,color,szie,arrowprops=dict(headwidth,headlength,width,fc,ec,lw))
01 定義函數(shù)
import numpy as np
import matplotlib.pyplot as plt
t=np.arange(0,10,1/256)
xt=1.5*np.sin(2*np.pi*0.2*t)+3*np.sin(2*np.pi*0.3*t)
02 數(shù)據(jù)可視化
展開 數(shù)據(jù)可視化是未來各類系統(tǒng)的必然方式
把看起來隨機的環(huán)境信息在一個三維的先驗框架內(nèi)構(gòu)建成一個具體的結(jié)構(gòu)化模型，再根據(jù)當前信息的提前量（視覺信息總是以最快的速度到達），就可以在空間路徑或?qū)Σ叩倪x擇上有足夠多的余地，真正做到“游刃有余”。
