压缩包内含——jupyter代码、保存的HTML图片、答辩PPT 、Word文档 作品介绍 （源文件），基本期末作业所需的知识点全覆盖。

可视化词典中文版——可视化图表解析； 辅助你进行图表可视化学习，掌握数据对应的可视化形式。 比如柱状图、条形图、面积图、散点图等图形，适用于何种场景的展现。

一、摘要 主要内容：python数据可视化大屏； 适用人群：Python初学者，数据分析师，或有志从事数据分析工作的人员； 准备软件：Anaconda（Spyder：代码编译）或Pycharm、Navicat Premium 12（数据库）。 二、内容 1、Pyecharts图表； 2、连接数据库（bartest.py含数据库连接代码）； 3、大屏看板-监控中心。 三、使用库 1、pyecharts 2、pymysql 3、BeautifulSoup 4、operator

公交时间 Bus Time是一个基于Python / Django的Web应用程序，它使用GPS坐标显示当前公共交通工具的行驶位置。 此源代码可在。 图形和功能的某些部分可能未在开放许可下发布。 特性/功能 高度优化的组件。 请注意所有内容如何以闪电般的速度打开和更新。 在幕后，使用HTML5 Websockets技术的最强大的数据分发系统 符合现代HTML5标准 简化的经典版本，适用于较旧的设备和浏览器 专有技术“雨” 专有技术“多总线” 安装 安装Ubuntu 14.04 LTS 在此处安装virtualenv并从docs / pips / pips.freeze安装所有软件包 启动Django 用城市，车站和公共汽车填写数据库 生成自动填充停止列表utils / nbusstops-export.py 根据城市编辑zbusupd.py 从插件列表安装主管和守护程序 双

OpenTransit指标MVP 欢迎使用OpenTransit！ 我们是一个由志愿者组成的团队，他们使用开放数据来改善世界各地的公交系统。 成立于2017年，我们是一个由数十名工程师，运输迷，数据爱好者，产品经理，营销人员以及其他人员组成的团队，分布在世界各地，但主要基地位于旧金山和俄勒冈州的波特兰。 或了解我们的上级组织 。 如果您想与我们合作，请联系我们的Slack频道！ 并找到#opentransit频道。 我们很高兴与世界各地的运输机构，记者和其他数据迷合作。 有关加入我们的贡献者团队的说明，请参见下文。 关于这个仓库 此回购用于，该使用历史公交数据来帮助骑手，公交拥护者和公

这用Jupyter完成Iris数据集的 Fisher线性分类，并学习数据可视化技术 。里写目录标题用Jupyter完成Iris数据集的 Fisher线性分类，并学习数据可视化技术 。一、完成Iris数据集的 Fisher线性分类判断准确率二、学习数据可视化1、数据概览1.1、读取文件1.2、前五行数据1.3、后五行数据1.4、查看数据整体信息1.5、描述性统计1.6、对每种特征计数2、特征工程2.1、引入可视化所需要的库2.2、去掉Species下的字符2.2、绘制花萼的长度与宽度的散点图2.3、绘制花瓣的长度与宽度的散点图2.4、Id编号与花萼长度, 花萼宽度, 花瓣长度, 花瓣宽度之间的关

Springboot+mybatis+echarts实现数据可视化 可实现折线图饼图柱状图

视觉对象 一个Maven插件，用于可视化Java EE项目。 请查看 。 有关实现的一些说明：Visualee扫描java-source-files中的相关依赖项。 依赖关系将作为JSON文件生成。 此JSON文件是d3.js可视化的输入。 GUI使用jquery和jquery-ui。 为什么不使用java-reflection？ 早期版本使用Java反射来检查Java类，但是我决定反对它，而是更喜欢对源文件进行简单的扫描，因为： 甚至可以可视化甚至无法编译的代码（在开发初期或紧急情况下很有用） 将Visualee实现为其他语言更容易 插件配置的麻烦要少得多，因为这些类必须是可加载的（提示：“缺少代码...”，必须包括EE-Stack的实现）。

matlab alexnet图像识别代码可见热力人员重新识别（交叉方式人员Re-ID） AAAI 2018和IJCAI 2018中的演示代码。 AAAI 18论文的框架：两阶段框架（特征学习+公制学习） IJCAI 18论文的框架：端到端学习 1.准备数据集。 可以通过提交版权表格从中下载RegDB数据集。 （其名称为“东国基于身体的人的识别数据库（DBPerson-Recog-DB1）”。） 2. AAAI中的两流CNN网络功能学习（TONE） 所有代码都在用Python编写的文件夹“ TONE /”中。 该演示代码已在Python 2.7和Tensorflow v0.11上进行了测试。 一种。 准备数据集和训练/测试列表，如TONE/dataset.py所示。 列表格式为image_path label 。 b。 下载预训练的alexnet模型并修改TONE/model.py 。 C。 运行python TONE/tone_train.py训练网络。 d。 运行python TONE/tone_eval.py评估学习的功能并提取功能以供以后的度量学习。 （您还可以修改脚本以获取不同

VASPMO aims at visualizing wavefunctions (or molecular orbitals) from VASP calculations. It reads VASP's output files PROCAR and CONTCAR, and exports an *.out file in Gaussian's output format, which can be visualized by many popular visualization tools, such as JMol, Molekel, Chemcraft, Gabedit and Molden, etc. These tools can further generate *.cube files, which can be visualized by an even wider range of softwares. 读入VASP计算得到的PROCAR和CONTCAR文件，输出Gaussian结果文件。该文件能够被常用的量子化学可视化软件（如Molekel、Chemcra