fire_nrt_M6_96619.csv fire_archive_M6_96619.csv fire_archive_V1_96617.csv fire_nrt_V1_96617.csv

【知识准备】 探索性数据分析的基本原理和方法；Python语言及相关包的运用；Pandas；Numpy；Matplotlib；Seaborn；Scikit-Leart。 【实训要求】 1、观察样本数据的结构和数据特征； 2、读取样本数据，观察样本数据结构和头尾各10行数据； 3、对样本数据进行分析，找出业务数据中的分布规律； 4、用可视化方法对分析结果进行展示。 5、观察并找出每个特征的样本数据的缺失值和异常值等并提出解决办法； 6、对样本数据进行预处理； 7、采集样本数据存入HBase数据库（选）。 【实训内容】 任务2-1 1、数据源：“sodadata”文件夹下“联通数据_Sample”。 2、项目数据集： 表一结果_Sample_1000条.csv 表二结果_Sample_1000条.csv 3、针对表一样本数据： （1）分析并展示不同时间段采样的基站服务区内移动用户的活跃度分布； （2）分析并展示服务区内移动用户工作时间和休息时间的活跃度分布，筛选出当地居民和外来移动用户； （3）分析用户活动规律，根据其通信特点进行分类。（选做） 4、针对表二样本数据： （1）分析并展示样本数据中年龄、性别、终端品牌等各类数据的分布规律； （2）分析缺失和异常数据，提出处理预处理方案； （3）筛选高价值重点用户（提示：从业务量或消费等方面思考）； （4）如果表一和表二从相同的服务区采集，请思考并提出你的进一步分析方案和商业营销方案。（选做） 5、用Jupyter Notebook根据实训要求编写程序和文档，最终结果打印输出为PDF文档；

无论是Simulink自带的示波器导出到Figure，还是使用“To workpace”将数据导入到工作区绘制Figure，当存在大量数据时，数据的保存、分类、可视化都变得复杂。 一种常见的情况时，在不同工况下均有不同的数据。 例如：Condition1时，有3组数据分别为Data1、Data2、Error。Condition2时，有3组数据分别为Data1、Data2、Error 针对这种情况，为了便于后期数据的保存和可视化，本文将每种不同工况下的原始数据、Figure图、eps图放置于一个文件夹中。此外，还给出了将工作区数据保存至指定路径的相关代码，以及批量绘制并保存图片的相关代码。

数据可视化

10.1 可视化概述 10.2 可视化工具 10.3 可视化典型案例 10.4 可视化工具实践

公司销售数据可视化看板

数据可视化，大数据，BI，数据分析的进阶宝典，不错的书！

此处介绍的 Matlab 代码提供了使用 Matlab 命令“scatter3”和“slice”的 4D 数据可视化示例。 X、Y、Z坐标表示前三个维度，第四个维度用颜色表示。

大数据可视化

详细介绍了MATLAB数据处理功能以及强大的数据可视化操作示例