数据可视化课程项目教程
1. 项目介绍
visualization-curriculum 是一个数据可视化课程项目,由华盛顿大学的交互数据实验室开发。该项目使用 Vega-Lite 和 Altair 作为主要工具,提供了一系列交互式的 Jupyter 笔记本,旨在帮助用户学习和实践数据可视化技术。课程内容涵盖了从基础的数据类型、图形标记和视觉编码通道,到复杂的数据转换、多视图组合和交互式可视化等多个方面。
2. 项目快速启动
2.1 在线使用
你可以直接在 Jupyter Book 上查看和交互这些笔记本:
如果你想在线运行 Python 笔记本,可以使用 Colab:
对于 JavaScript 笔记本,你可以使用 Observable:
2.2 本地安装
-
安装 Altair 和 Jupyter 环境:
pip install altair jupyterlab -
下载笔记本:
你可以从项目的 GitHub Releases 页面下载最新的笔记本。
-
运行 JupyterLab:
在包含笔记本的目录中运行以下命令:
jupyter lab
3. 应用案例和最佳实践
3.1 数据类型和图形标记
在 altair_marks_encoding.ipynb 笔记本中,你可以学习如何使用 Altair 创建不同类型的图形标记,并进行视觉编码。
3.2 数据转换
altair_data_transformation.ipynb 笔记本展示了如何对数据进行转换,例如过滤、聚合和分组操作。
3.3 多视图组合
altair_view_composition.ipynb 笔记本介绍了如何将多个视图组合在一起,创建复杂的多视图可视化。
4. 典型生态项目
4.1 Vega-Lite
Vega-Lite 是一个用于快速创建交互式可视化的声明式语言。它是 Altair 的基础,提供了强大的可视化功能。
4.2 Jupyter Book
Jupyter Book 是一个用于创建交互式书籍和文档的工具,支持 Markdown 和 Jupyter 笔记本。
4.3 Observable
Observable 是一个在线平台,用于创建和分享交互式数据可视化。它支持 JavaScript 和 Vega-Lite,非常适合数据科学家和开发者。
通过这些工具和项目的结合,你可以创建出功能强大且美观的数据可视化作品。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00