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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00