bigdata-visualizationlisted

# Big Data Visualization Toolkit ## Overview 大数据团队可视化工具集，覆盖静态图表到交互式Dashboard。 ## Quick Reference | 工具 | 类型 | 场景 | |------|------|------| | **Matplotlib** | 静态 | 论文、报告、精细控制 | | **Seaborn** | 静态 | 统计图表、快速美观 | | **Plotly** | 交互 | Dashboard、Web展示 | ## 选择指南 ``` 输出目标: ├── 报告/论文 → Matplotlib + Seaborn ├── 内部分享 → Plotly (交互) ├── Dashboard → Plotly + Dash └── 实时监控 → Plotly + Streaming ``` ## 子Skills - `matplotlib/` - 基础绑图库 - `seaborn/` - 统计可视化 - `plotly/` - 交互式图表 - `scientific-visualization/` - 科学可视化 ## 常用模式 ### 快速统计图 (Seaborn) ```python import seaborn as sns import matplotlib.pyplot as plt # 分布图 sns.histplot(data=df, x="value", hue="category") # 相关性热力图 sns.heatmap(df.corr(), annot=True, cmap="coolwarm") plt.savefig("report.png", dpi=300) ``` ### 交互式Dashboard (Plotly) ```python import plotly.express as px fig = px.scatter( df, x="x", y="y", color="category", size="value", hover_data=["name", "date"] ) fig.write_html("dashboard.html") ``` ### 大数据可视化技巧 ```python # 采样可视化 (数据量大时) sample = df.sample(n=10000) px.scatter(sample, x="x", y="y") # 聚合后可视化 agg = df.groupby("category").agg({"value": "mean"}) px.bar(agg, x=agg.index, y="value") # 分位数可视化 px.box(df, x="category", y="value") ``` ## 团队规范 1. **颜色方案**: 使用公司品牌色 2. **字体大小**: 标题14pt, 标签12pt 3. **分辨率**: 报告300dpi, Web 72dpi 4. **格式**: PDF用于报告, HTML用于分享 --- 猪哥云-数据产品部 | 大数据团队专用 ## 是什么 Big Data Visualization Toolkit 用来把 数据分析师 场景里的任务输入转成可执行的流程、检查清单和交付物。 Data visualization toolkit for big data teams. Inclu