基于Hadoop大数据平台对某网站的外卖订单数据进行分析，分析结果进行可视化展示

C#WPF物联网工控大数据大屏看板，含全套源代码，支持modbustcp协议，数据可视化，架构源码，大屏可视化，数据可视化，

将广义三棱柱(GTP)的辅助几何要素———对角线———修正为四面体,解决了R3DGM(真三维地学模型)中数据组织与几何要素的不一致和空间操作中的几何裂缝问题.修正后的GTP模型集成了TIN,GTP和四面体模型的优点,构建算法简单且空间操作无缝.R3DGM过程分3步进行:①根据钻孔孔口数据点与断层露头约束,按约束Delaunay法则生成地表不规则三角网(CD-TIN);②按地学推理规则,将CD-TIN中三角形沿钻孔迹线向下扩展生成GTP;③根据最小顶点标识法,将GTP模型转换成四面体.介绍了基于GTP修正构建的三维数字地质模型的任意平面剖切、虚拟开挖、空间查询等可视化方法.并结合北京CBD地下三维集成建模与空间操作,展示了模型构模及空间操作效果.

链家二手房数据分析与可视化是一个基于Python的项目，旨在爬取链家网站上的二手房信息，并对数据进行清洗、分析和可视化，以探索二手房市场的特征和规律。该项目包含以下几个部分： 链家二手房数据爬虫：利用requests库和BeautifulSoup库，实现了一个简单的链家二手房数据爬虫，可以根据指定的城市、区域、价格等条件，爬取链家网站上的二手房信息，包括房源标题、链接、户型、面积、朝向、楼层、装修、小区、区域、总价、单价、建成时间、发布时间、关注人数、其他信息等，并将数据保存为csv文件。 链家二手房数据清洗：使用pandas库，对爬取的数据进行了一些基本的清洗操作，包括去除重复值、缺失值、异常值，以及对数据类型、格式、单位等进行统一和标准化。 链家二手房数据分析：使用numpy库和scipy库，对清洗后的数据进行了一些基本的统计分析，包括计算各个变量的描述性统计量、绘制箱线图、直方图、散点图等，以及进行相关性分析、线性回归分析等，以探索二手房数据的分布特征、影响因素和预测模型。该项目的目的是为了提供一个简单而实用的链家二手房数据分析与可视化的示例,帮助感兴趣的用户或开发者了解二手房

资源主要包括京东商城华为WATCH4数据爬取、数据清洗、可视化以及LDA模型建立进行情感分析，运用者需更改代码里面文件路径为自己的即可

axhub echarts 2.6.1 最新版axure可视化元件库

OnXDC可视化图形组态软件用户手册（2011.12）

一款轻量而功能强大的点云可视化和编辑软件，支持pcd, ply, las等多种格式，轻松打开海量点云数据，支持多方式多字段渲染点云，对点进行方便的查询、量测和编辑，提供了地面滤波算法，可应用于测绘、高精地图、SLAM等领域。

Python电影推荐系统+爬虫+可视化（协同过滤推荐算法）（包含项目源码+数据库文件+文档）计算机毕业设计 项目结构说明 |-- 项目 |-- db.sqlite3 数据库相关 重要 想看数据，可以用navicat打开 |-- requirements.txt 项目依赖库，可以理解为部分技术栈之类的 |-- 运行说明.txt 如何运行 |-- app 主要代码文件夹 | |-- models.py django的model 不懂百度一下即可 这个有点重要 | |-- views.py 后端主要代码 重点 重点 重点 重点 重点 重点 |-- meteorological | |-- settings.py 配置文件 | |-- urls.py 路由 这个有点重要 |-- static 静态文件夹 js css img这些文件 |-- templates 模板

本森林火灾可视化设计使用python语言进行编程，图表使用echarts、web框架使用flask框架、前端使用HTML网页加JavaScript，将历年森林火灾数据进行可视化展现，其中包括动态地图，折线图，曲线图，柱状图，雷达图，饼图等多种图形方式展现数据，尽可能的极高数据的利用程度， 本可视化面板是科技感界面，可在pycharm中直接运行，并支持二次开发，用于参加比赛，文件内自带数据集，避免了找数据的痛苦，