数据可视化 | 冬之阁

分类数据散点分布作图之stripplot

这里介绍分类数据绘制散点图的常用命令stripplot。

在grok的帮助下利用plotly打造了一个简单的双通道成像预览函数。这样可以方便集成到数据分析工作流程中，以便实时交互以快速检验情况。

数据分析以及可视化的最终目标就是化繁为简，直观地呈现数据的特征和差异，以便论文里能够简单清晰地讲清楚。饼图虽然简单，但是有时候也很有用。

本文记录一个立体几何相关的基于距离求解坐标的函数。

提供一个函数，可以获取matplotlib绘制直方图后返回的数据并整理到表格中，方便用户使用其它工具进行美化作图。

jointplot可以同时绘制散点图和直方分布图，在查看数据分布情况时很有用。所以作图时也比较常用。

有时候要给人展示什么是数字图像，就需要把像素值直接显示出来，这一点可以用python轻松办到。

通过ImageJ得到的ROI可以尝试使用matplotlib进行更方便的可视化展示。

本文介绍如何使用python中最具盛名的交互式数据可视化工具plotly的简单使用。

本文介绍对平面散点数据的分布使用 np.histogram2d 进行二维直方分布统计并使用matplotlib绘制热图，用于单颗粒界面分布密度的可视化。

这里介绍如何从一组数据计算基尼系数，绘制基尼曲线，从而判断数据分布差异程度。

这里介绍一下我常用的论文图表绘制的样式，能够极大地减轻后期手动调整图表样式，比如调整线宽，子图字号，间距，颜色等等内容，从而提高工作效率。

本文介绍matplotlib中quiver用于绘制箭头图的用法。

本文介绍matplotlib绘制三维点云以及简单的作图控制。

本文简单介绍使用python中的seaborn模块绘制精美的科技图表。

前面我们获得了PSF的点云数据，这里可以进一步通过 open3d 模块提供的泊松曲面重建功能来计算得到surface。

在k3d绘制点云时增加attribute以实现不同cluster的上色

本文介绍如何使用k3d模块在jupyter notebook中绘制三维点云。