数据可视化常用的后端技术

这篇文章大抵讲讲必要用到的后端技能。着实假如只是小数据量，可能是一些小型的项目，研究型的项目，纯前端就可以搞定，操作JS读取数据，JS处理赏罚数据。

后端无非就是处理赏罚数据，提取用户想要的数据。笔者最常用的就是python了，相对付java，c, c++，python的确对初学者太友爱，提供了富厚多彩的API接口，好比常见的降维聚类算法：PCA, t-SNE, MDS, k-means等。笔者曾经用c实现过PCA算法，应该有几百行代码吧，然则在python里，只必要三行代码。下文将为各人先容下怎样用python实现对Iris数据集行使PCA算法，以及展示结果。

因此，笔者凶猛提议新手行使python练手，操纵门槛低，前期可以将更多的存眷点齐集在前端数据可视化上。到了后期，有履历了就可以自由组合。笔者前期行使的是python，然则到了后期因为机能题目，python已经很难办理我项目所碰着的数据和算法伟大度。于是我将伟大度高的算法所有效C重写了一遍，并用python挪用这个模块。这样之前项目标项目代码框架稳固，不必要代码所有重写重构，只需在响应的处所挪用响应的C模块即可。

python行使PCA算法拭魅战

在讲之前，用户必要安装python包，这里凶猛提议新手安装anaconda，anaconda集成了python以及在开拓进程中一大堆第三方包，好比下文用到的sklearn包。

引入第三方库的PCA算法，sklearn是pythonz中常用的呆板进修第三方模块，对常用的呆板进修要领举办了封装，包罗回归、降维、分类、聚类等要领。

from sklearn.decomposition import PCA 

加载python中自带的Iris数据集，做呆板进修的应该较量认识这个数据集。首要包括4个维度，三个类。

from sklearn.datasets import load_iris 

irisData = load_iris() 

对数据集行使PCA算法，将数据降到2维。

pca = PCA(n_components=2) 

reducedData = pca.fit(irisData) 

将功效在散点图中画出来。这里就不讲详细python的绘制逻辑了，没错，python就是这么强盛，也提供了可视化图表的手段。可是更多照旧以处理赏罚数据为目标，将数据传给前端，让前端绘制。感乐趣的可以去相识下：matplotlib，这个是python的可视化画图库。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!