编程点滴

提到数据可视化，大家脑海里往往浮现的是炫酷的动态图表或复杂的仪表板。 但其实，在商业报告和学术研究中，表格（Table） 才是那个最默默无闻却最不可或缺的英雄。 很多时候，一张设计糟糕的表格就像一堵密

最近几年，基本已经不做应用系统的开发了，主要做一些数据分析和机器学习相关的应用（业务复杂度不高），因此，对于以前熟悉的各种软件模式也逐渐生疏。 今天，偶尔又翻到保罗·格雷厄姆（Paul Graham）

在数据可视化世界中，我们经常用直方图来描述数据的分布情况，但今天我想介绍两种特别而优雅的点状图变体：威尔金森点状图和麦穗图。 它们像数据世界的"点彩派"画家，用简单的点创造出丰富的信息层次。 与直方图

提到 “数据分析”，你的脑海里浮现的是什么？是密密麻麻的Excel表格，是复杂的Python代码，还是令人眼花缭乱的仪表盘？ 很多想踏入这个行业的新人，往往一上来就陷入了工具的学习中。 但实际上，工具

想象一下夏日的花丛中，成群的蜜蜂围绕着花朵忙碌地飞舞。每只蜜蜂都是一个独立的数据点，它们既保持群体聚集的形态，又不会完全重叠在一起。 这就是蜂群图（Swarm Plot）的核心理念——在有限的空间内展

想象一下面积图就像一层层叠起来的彩色玻璃片，每一层代表一个类别，从下往上堆叠，形成整体的视觉冲击。 但有时我们需要更特别的方式来展示数据的变化：是像河流一样蜿蜒流淌，还是像地平线上的群山连绵起伏？ 今

想象一下折线图就像一条普通的公路，它能带我们从A点到达B点。 但有时我们需要更特别的路线：环岛、盘山公路、波浪形赛道或螺旋上升的通道。 在数据可视化中，标准的折线图有时无法充分展示数据的特性，这时我们

在平时的数据分析项目中，我经常会遇到比较两个相关数据集的变化情况。 这时，传统的做法是使用堆积条形图或簇状条形图，但它们存在一个共同问题：当我们需要精确追踪每个项目在两个时间点或两种条件下的变化时，这

在数据可视化中，堆积条形图 擅长展示 “整体与构成” 的关系，但当每个柱子内的分段超过4个时，读者很难同时追踪各段的长度、位置与颜色映射， 误读概率显著上升。 更糟的是，若不同类别的总量差异很大，堆积

大家好！今天我们来聊聊Python里最 “平平无奇” 却又无处不在的print()函数。 作为Python开发者，我们几乎每天都在用它，但你真的了解它的所有玩法吗？ 其实很多时候，我们只用了它 10%

最近看到一篇介绍软件测试相关的文章，文章虽然比较早（2018年的），但是其中的观点依然适用。 在目前AI盛行的时候，软件测试也必然迎来它的变化。 我把文章中的要点整理了一下，这些测试的反模式涵盖了从测

想象一下，你正站在一个圆形广场的中心，周围均匀排列着12根高度不同的灯柱，这就是径向条形图带给我们的视觉体验。 在数据可视化领域，我们常常满足于传统的直角坐标系条形图，但当数据具有周期性或比较性时，径

棒棒糖图（Lollipop Chart）可以看作是条形图的一种“轻盈版”变体：它用一根从基准线延伸出来的“棒”，并在末端以一个“糖”（圆点）来表示数值，取代了传统的矩形条。 这种图表传达的信息与条形图

在日常工作中，你是否遇到过这种情况：你辛辛苦苦跑完数据，画了一张图表发给老板或客户，结果对方盯着看了半天，问了一句：“所以，你想表达什么？” 这就像讲笑话没人笑一样尴尬。图表的本质不是 “画图”，而是

想象一下，你走进一个挤满人的房间，朋友向你招手--你几乎立刻就能看到他。 这是因为“招手”这个动作在你的大脑进行深入思考之前，就已经被注意到了。 再比如当你走在熙熙攘攘的大街上，如果所有人穿的都是黑灰

在数据分析中，我们常说：“一张好的图表胜过千言万语。” 但很多时候，我们做出来的图表却是“千言万语堵在心口难开”。读者看了半天，抓不住重点。 这是为什么？ 因为人类的视觉感知遵循一套被称为 格式塔（G

很多刚入行的小伙伴问我：“我想预测下个月公司的销售额，或者预测一下明天的股价，该学什么？” 我的回答通常只有六个字：时间序列分析。 如果在数据分析的世界里有一种魔法能让你“预知未来”，那一定就是它。

在数据分析的江湖里，有一个绝对的核心技能，叫做回归分析（Regression Analysis）。 无论你是刚入行的新手，还是想要进阶的老手，掌握它，你就拥有了预测未来的“水晶球”。 很多初学者一听到

在数据分析的江湖里，我们经常会听到老板或业务方抛出这样的问题： “现在的年轻人越晚睡，买护肤品是不是越疯狂？” “我们APP的各种优惠券，真的能提升用户的留存率吗？” “天气越热，这只股票是不是跌得越

在数据分析的世界里， “距离” 不仅仅是地图上两点之间的路程。 距离 ，本质上是衡量两个事物 “相似度” 的尺子。 距离越近 = 相似度越高 距离越远 = 差异越大 如果你想做用户画像聚类、想做商品推