📊 数据可视化项目

本页面展示了往期项目单元中的可视化叙事作品，使用了 R、Python、SAS 和 Tableau 等工具完成。

🦠 新冠疫情的趋势分析 (R)

使用公共数据集对全球及各大洲 COVID-19 病例和死亡数据进行可视化分析。 工具：R（ggplot2、dplyr）、Tableau 和 Python。

疫情在美国各大区域的传播趋势及分波段分析

各波次的病死率（CFR）变化趋势

各波次中超额死亡率与确诊率的关系

各州在不同波次的死亡率热力图分类展示

各波次中死亡率最高与最低的三个州柱状图展示

🎵 Billboard Music Trends (Shiny App)

一个交互式仪表板，分析 Billboard Top 100 数据，包含歌曲排名、艺术家表现以及专辑封面等内容。

🌐 点击启动应用

📈 葡萄牙学生成绩分析 (SAS)

总结： 通过聚类分析和回归线揭示学生成绩、出勤率和人口统计特征之间的模式关系。

🇺🇸 2016美国总统大选聚类分析 (Python)

轮廓分数图（Silhouette Plot）(12个聚类)

最优聚类数：基于轮廓系数

t-SNE 聚类可视化

肘部法则 (Elbow Method)

候选人得票率相关性热图

候选人得票率散点图

🧬 肾癌表达可视化分析

本项目通过火山图、通路富集分析、蛋白质相互作用网络和密度分布图等方法，比较正常肾组织与肿瘤肾组织的基因表达差异，从而识别重要的生物学差异。

🌋 差异表达火山图

📊 表达密度分布图

🎯 KEGG 通路富集分析图

🔗 蛋白质相互作用网络图

📈 富集分数 (NES) 与显著性关系图

使用工具与技术

• R 语言：使用了 ggplot2、shiny、dplyr、tidyr、DT、httr 和 jsonlite 等包进行数据清洗、可视化与交互式开发
• Python：应用了 matplotlib、seaborn、scikit-learn、pandas、numpy 进行可视化与建模
• SAS：用于聚类分析及教育类数据建模
• Tableau：用于构建交互式仪表盘和数据可视化故事展示