ASP.NET可视化实验:C#控件与数据库操作详解

需积分: 10 1 下载量 133 浏览量 更新于2024-07-22 收藏 302KB DOC 举报
《可视化程序设计》实验指导书是一份针对信息工程学院学生编写的教材,由李娟老师于2013年2月编写。本指导书包含四个核心实验,旨在帮助学生深入理解和应用ASP.NET中的可视化编程技术。 1. 实验一:C#语法及控件 - 实验目标:通过实践让学生熟练掌握C#语言的语句实现,包括循环、条件判断等基本结构,以及服务器控件的运用。具体任务包括设计一个学生信息注册系统,要求包括姓名、密码、确认密码、院系选择、年龄、性别和爱好等字段,使用MultiView控件进行步骤规划,验证控件确保数据完整性和格式正确性。 - 实验要求强调独立完成,使用如TextBox、Label、CheckBoxList、DropDownList、RadioButtonList和验证服务器控件来构建功能。 2. 实验二:内置对象 - 实验目标:让学生了解.NET框架下的内置对象,如对象模型和集合类,以及如何在ASP.NET中有效利用这些对象。通过设计花鸟网站,要求实现母版页和站点导航,展示不同的花鸟网页内容,增强用户体验。 - 实验要求中明确提及参考课本上的相关实例,以加深对内置对象的理解。 3. 实验三:数据库基础操作 - 实验目标:学生应掌握基本的数据库操作,如使用SQLDataSource处理数据表,包括增删改查功能。此外,还要学习GridView控件的使用,实现数据的分页和排序,以及数据的编辑和删除。 - 实验内容包括设置数据源、操作GridVIew控件,以及使用细节视图(DetailsView)和下拉列表(DropDownList)等控件进行查询。 4. 实验四:数据库高级操作 - 实验目标:深化数据库操作技巧,如使用DetailsView控件进行分页和添加数据,以及利用DropDownList、TextBox和Button控件进行动态查询。这部分着重于实际应用中查询功能的实现。 整个实验过程中,不仅锻炼了学生的编程技能,还强化了他们对ASP.NET框架组件的熟悉度,特别是服务器控件和数据库管理的实战能力。通过这些实践,学生可以提升对可视化编程的理解,为后续项目开发打下坚实的基础。
2022-12-24 上传
⼤数据可视化(五)关系数据可视化 关系数据具有关联性与分布性 数据的关联性 数据的关联性 两个量化数据之间的数理关系 通过数据关联性可已根据⼀个已知的数值变化来预测另⼀个数值的变化。 散点图 散点图 正相关、负相关、不相关 # 散点图 crime = pd.read_csv("data/crimeRatesByState2005.csv") ( Scatter() .add_xaxis(crime["murder"]) .add_yaxis("", crime["burglary"]) .set_global_opts( title_opts=opts.TitleOpts(title="谋杀案和⼊室盗窃案的关联性散点图",pos_left="center"), xaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True),name="谋杀案",name_location="middle",name_gap=30), yaxis_opts=opts.AxisOpts(splitline_opts=opts.SplitLineOpts(is_show=True),name="⼊室盗窃案",name_location="center",name_gap=50), legend_opts=opts.LegendOpts(is_show=False) ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .render("result/5-2.html") ) #matplotlib实现 crime = pd.read_csv("data/crimeRatesByState2005.csv") crime=crime[crime.state!="United States"] crime=crime[crime.state!="District of Columbia"] plt.scatter(crime["murder"],crime["burglary"]) plt.show() 散点图矩阵 散点图矩阵 同时绘制多个变量间的散点图,快速发现变量间的相关性 #散点图矩阵 crime = pd.read_csv("data/crimeRatesByState2005.csv") crime=crime[crime.state!="United States"] crime=crime[crime.state!="District of Columbia"] crime=crime.drop(["population"],axis=1) crime=crime.drop(["state"],axis=1) g=sns.pairplot(crime,diag_kind="kde",kind='reg')#kde密度曲线reg拟合曲线 plt.show() ⽓泡图 ⽓泡图 由⼤⼩不同的标记表⽰,便于⽐较三个变量 数据的分布性 数据的分布性 可视化图⼏乎可以表⽰所有数据的内容,并且将数据分布的情况也呈现。 例如曲线平坦,代表数据分布均匀;重⼼偏左,⼤部分数据取较低的数值;呈现正态分布。表⽰⼤部分数据在平均值附近。 茎叶图 茎叶图 可以⼀次完成统计分组和次数分配,是探索数据分析中对数据初步形象的描绘。 优点: 1. 统计图上没有原始数据的损失 2. 图中的数据可以随时记录和添加,⽅便使⽤ 直⽅图 直⽅图 ⾼度表⽰数值频率,宽度数值区间。 密度图 密度图 反映数据分布的密度情况。