databook

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