内容简介：Uber 开源其内部可视化工具包 ketoper.gl，这是一个基于 deck.gl 构建的 React 组件，高性能，用于大规模地理定位数据集的可视化探索。它对 GPU 功能的支持允许应用程序立即渲染数百万个数据点。 Uber 提到，为了...
Uber 开源其内部可视化 工具 包 ketoper.gl，这是一个基于 deck.gl 构建的 React 组件，高性能，用于大规模地理定位数据集的可视化探索。它对 GPU 功能的支持允许应用程序立即渲染数百万个数据点。
Uber 提到，为了可视化数据，无论使用哪种开发框架，开发人员都需要投入大量的时间资源，这个过程总是很枯燥，并且无法实现数据可视化的所有想法。 而 Kepler.gl 能有效地解决这个问题。
Kepler.gl 支持 csv，json 和 geojson 格式。 用户可以通过简单的点击来拖放这些文件。 在 Web 界面中，你可以通过操作不同的图层，执行过滤或聚合等来浏览这些数据。最后，你还可以选择静态和动态地输出地图。 Uber 表示，过去处理数据需要花费数周，现在可能 10 分钟就能搞定。
由于支持 WebGL 开发机制 deck.gl，所有图层都由 GPU 加速。 即使对于 Web 应用程序，kepler.gl 也可以成功绘制数百万个数据点，这意味着它可以渲染多次成千上万的行程信息，也可以进行空间聚合（Spatial Aggregations）。
除了提供传统的二维 X 轴和 Y 轴平面图形之外，kepler.gl 还支持添加 Z 轴实心图像，允许用户绘制网格，六边形或多边形圆柱体，从而增加地图可以传递的信息。
Kepler.gl 还可以对数据进行条件过滤，用户可以使用任何数据指示符，离开或筛选出符合条件的数据，典型的用法是建立一个带有时间轴的可视化时间数据。
【声明】文章转载自：开源中国社区 [http://www.oschina.net]
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
猜你喜欢:
- 机器学习模型的数据预处理和可视化
- Python数据处理（二）：处理 Excel 数据
- R|数据处理|因子型数据
- 大数据 -- 下一代数据处理技术
- Python数据处理(一)：处理 JSON、XML、CSV 三种格式数据
- Python数据抓取（1） —数据处理前的准备
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
