公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
【数据可视化】免费开源BI工具 DataEase 之流向地图
视频中介绍了如何使用数据可视化工具制作流向地图。首先,演示了从不同城市如银川、成都至上海的数据流动展示效果。随后,步骤包括创建一个新的仪表板视图和使用准备好的数据集。主要涉及将城市的经纬度作为起终点输入,并进行视觉风格的个性化调整,如选择不同的颜色、调整线的大小和3D弧度以及设置动画的流动速度。此外,提供了如何调整流向线的宽度、倾斜角和动画间隔时间,以实现不同的视觉展示效果。适合从事数据可视化工作、对交互式地理信息系统感兴趣的专业人员,或者是希望提升数据展示技能的相关领域从业者。
【DataEase教程】DataEase零基础教程第一课
本视频透过data ES0的教程提供了一系列关于数据可视化及仪表板制作的实操指导,从data ES0模板、用户界面介绍到柱状图的具体制作步骤。视频里,教学详细地展示了如何通过预制模板快速建立电影行业数据看板,并指导如何对数据源和数据集进行管理与同步,创建各类柱状图来展示数据。这些内容不仅适用来自电影行业,对意图学习如何通过数据可视化工具创建直观图表的用户也很有帮助。
跟着UP主学BI数据分析数据可视化-数据源接入2
视频中介绍了如何接入Elasticsearch(ES)和API数据源到data ease平台。首先,播主展示了对接ES时所需的配置项,并提到如果ES配置了无密码认证,则可以省略填写用户名和密码。接着,进行了实战演示,包括新建数据源、填写ES地址、校验保存,并展示了如何查看ES下的相关表。对于API数据源接入,分为填写API信息和数据提取两步骤,实战中以高德地图的免费查询天气API为例,展示了数据源的添加,包括GET请求和字段选择,以及最后的数据预览保存。适合那些希望学习数据源接入和数据表管理,以及高德API使用方法的开发人员和数据分析师。
Python爬虫:Requests库的基本用法
本次内容聚焦于使用Python的requests库进行网页数据爬取。介绍了requests库作为一个无需转基因的HTTP库,在人类获取网页数据过程的适用性与便捷性。视频解释了如何安装库,以及如何使用GET方法来获取网页对象。其中,还包含了HTTP状态码的讲解,状态码帮助开发者识别HTTP请求的响应状态。强调了文本编码的重要性,在处理爬取到的文本数据时需设置合适的编码以避免乱码问题。此外,视频提供了通过requests库对网页文本信息提取的具体代码实例演示,旨在帮助开发者理解如何使用这一工具进行数据抓取。
Python处理Excel数据:什么是模块、包、库
本次课程内容涉及Python语言在进行Excel数据读写时的基础知识,包括模块、包、库等概念的讲解。学员将理解模块(.py文件)、包(包含__init__.py文件的文件夹),以及库(模块和包的集合)之间的区别和联系。重点介绍了Python的强大功能,包括内置的标准库以及可以自定义或利用第三方库来扩展能力。整节课的重点是帮助学员掌握Python处理Excel数据的能力,为后续实际操作打好理论基础。适合对自动化办公感兴趣或需要在项目中进行数据处理的技术人员学习。
什么是Power Pivot
课程针对Power Pivot在Excel中的应用进行深入讲解,揭示它如何颠覆传统数据分析思维。Power Pivot将数据透视表功能增强,并依赖内存实现大规模数据存储,有效提高数据处理性能。通过结构化方式存储数据,配合DAX公式,增加了数据分析的维度和深度,从而支持复杂报表和可视化图表的生成。此外,课程分为基础知识、核心技术、常见函数以及实际应用四个部分,不仅提供界面功能讲解,还强调了手动编写公式的重要性。同时,明确区分了Power Pivot与Power Query各自的功能定位,指导学员根据数据状态选择合适的工具进行分析或整理。
大数据架构与生态圈01
视频内容聚焦于大数据技术的发展三个阶段,其中大数据1.0时代遍及2006-2009年,以Apache基金会建立的Hadoop开源项目和相关技术(如HDFS、MapReduce、HBase)为标志,主要解决大规模结构化数据批处理问题。2.0时代自2009年至2015年,以Spark为主流计算引擎,着重于结构化数据处理与多种流计算引擎的出现。而3.0时代则自2015年开始,注重非结构化数据处理、数据共享及解决数据孤岛问题,推进大数据与人工智能、云计算技术的融合。内容指出大数据技术依据不同行业需求有不同架构,并且强调技术的持续更新与业务适配性。
我国大数据水平处于什么阶段?
中国大数据发展正面临硬件、软件与意识层面的挑战,尚在初级阶段。发展过程包含数据准备、存储、计算、分析及价值展现五大环节。现阶段,对大数据价值认识不足,相关领域数据未充分利用。存储环节依赖于进口核心芯片;计算管理中虚拟化产品国产化程度低;分析工具及数据库主要采用外国技术。国产化进步可加强数据安全,增强价值展现。本段内容适合关注本土技术发展、数据安全及大数据应用实践的专业人士。