吴裕雄 python 数据可视化

import pandas as pd

df = pd.read_csv("F:\\python3_pachongAndDatareduce\\data\\pandas data\\taobao_data.csv")
print(df.head())
data = df.drop(["宝贝","卖家"],axis=1).groupby(["位置"]).mean().sort_values(["成交量"],ascending=False)
print(data.head())

import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.style.use("ggplot")
fig,(ax1,ax2) = plt.subplots(1,2,figsize=(12,4))
data_mean.价格.plot(kind="barh",ax=ax1)
ax1.set_xlabel("各省份平均价格")
data_mean.成交量.plot(kind="barh",ax=ax2)
ax2.set_xlabel("各省份平均成交量")
fig.tight_layout()
plt.show()

import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

df = pd.read_csv("F:\\python3_pachongAndDatareduce\\data\\pandas data\\taobao_data.csv")
data_mean = df.drop(["宝贝","卖家"],axis=1).groupby(["位置"]).mean().sort_values(["成交量"],ascending=False)
print(data_mean.head())
s = data_mean.成交量
mpl.style.use("ggplot")
fig,axes = plt.subplots(2,2,figsize=(10,10))
s.plot(ax=axes[0][0],kind="line",title="line")
s.plot(ax=axes[0][1],kind="bar",title="bar")
s.plot(ax=axes[1][0],kind="box",title="box")
s.plot(ax=axes[1][1],kind="pie",title="pie")
fig.tight_layout()
plt.show()

import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt

df = pd.read_csv("F:\\python3_pachongAndDatareduce\\data\\pandas data\\taobao_data.csv")
a = df.价格
b = df.成交量
mpl.style.use("ggplot")
fig,axes = plt.subplots(1,1,figsize=(12,4))
axes.scatter(a,b)
axes.set_xlabel("价格")
axes.set_ylabel("成交量")
fig.tight_layout()
plt.show()

import json
from pyecharts import Pie

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\pies.json")
data = json.load(f)
print(data)
name = data["name"]
print(name)
sales = data["sales"]
print(sales)
sales_volume = data["sales_volume"]
print(sales_volume)

import json
from pyecharts import Pie

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\pies.json")
data = json.load(f)
name = data["name"]
sales = data["sales"]
sales_volume = data["sales_volume"]
pie = Pie("衣服清洗剂市场占比",title_pos="left",width=800)
pie.add("成交量",name,sales_volume,center=[25,50],is_random=True,radius=[30,75],rosetype="radius")
pie.add("销售额",name,sales,center=[75,50],is_random=True,radius=[30,75],rosetype="area",is_legend_show=True,is_label_show=True)
pie.show_config()
pie.render("E:\\rose.html")

import json
from pyecharts import Pie

import json
from pyecharts import Funnel

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\pies.json")
data = json.load(f)
name = data["name"]
sales = data["sales"]
sales_volume = data["sales_volume"]
funnle = Funnel("",width=800)
funnle.add("成交量",name,sales_volume,is_label_show=True,label_pos="inside",label_text_color="#fff")
funnle.render("E:\\funnle.html")

import json
from pyecharts import Bar

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\pies.json")
data = json.load(f)
name = data["name"]
sales = data["sales"]
sales_volume = data["sales_volume"]
bar = Bar("衣服清洗剂市场占比柱形图",width=800)
bar.add("成交量",name,sales_volume,center=[25,50],mark_point=["average"])
bar.add("销售额",name,sales,center=[25,50],mark_point=["max","min"])
bar.render("E:\\bar.html")

import json
from pyecharts import Bar

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\pies.json")
data = json.load(f)
name = data["name"]
sales = data["sales"]
sales_volume = data["sales_volume"]
bar = Bar("衣服清洗剂市场占比柱形图",width=800)
bar.add("成交量",name,sales_volume,center=[25,50],mark_point=["average"],is_stack=True)
bar.add("销售额",name,sales,center=[25,50],mark_point=["max","min"],is_stack=True)
bar.render("E:\\bar01.html")

import json
from pyecharts import Bar

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\pies.json")
data = json.load(f)
name = data["name"]
sales = data["sales"]
sales_volume = data["sales_volume"]
bar = Bar("衣服清洗剂市场占比柱形图",width=800)
bar.add("成交量",name,sales_volume,center=[25,50],mark_point=["average"],is_stack=True,is_convert=True)
bar.add("销售额",name,sales,center=[25,50],mark_point=["max","min"],is_stack=True,is_convert=True)
bar.render("E:\\bar_convert.html")

import json
from pyecharts import Bar

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\lines.json")
data = json.load(f)
print(data)
date = data["date"]
print(date)
sales1 = data["sales1"]
print(sales1)
sales2 = data["sales2"]
print(sales2)

import json
from pyecharts import Line

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\lines.json")
data = json.load(f)
date = data["date"]
sales1 = data["sales1"]
sales2 = data["sales2"]
line = Line("洗衣液月销售情况")
line.add("成交量",date,sales1,mark_point=["average","max","min"],mark_point_symbol="diamond",mark_point_textcolor="#40ff27")
line.add("销售额",date,sales2,mark_point=["max"],is_smooth=True,mark_line=["max","average"],mark_point_symbol="arrow",mark_point_symbolsize=40)
line.render("E:\\line.html")

import json
from pyecharts import Line

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\lines.json")
data = json.load(f)
date = data["date"]
sales1 = data["sales1"]
sales2 = data["sales2"]
line = Line("洗衣液月销售情况")
line.add("成交量",date,sales1,mark_point=["average","max","min"],mark_point_symbol="diamond",is_label_show=True)
line.add("销售额",date,sales2,mark_point=["max"],is_stack=True,mark_line=["max","average"],is_label_show=True)
line.render("E:\\linestate.html")

import json
from pyecharts import Line

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\lines.json")
data = json.load(f)
date = data["date"]
sales1 = data["sales1"]
sales2 = data["sales2"]
line = Line("洗衣液月销售情况")
line.add("成交量",date,sales1,is_step=True,is_label_show=True)
line.add("销售额",date,sales2,is_step=True,is_label_show=True)
line.render("E:\\linestep.html")

import json
from pyecharts import Line

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\lines.json")
data = json.load(f)
date = data["date"]
sales1 = data["sales1"]
sales2 = data["sales2"]
line = Line("洗衣液月销售情况")
line.add("成交量",date,sales1,is_fill=True,area_opacity=0.4)
line.add("销售额",date,sales2,is_fill=True,area_opacity=0.2,area_color="#000")
line.render("E:\\linefill.html")

import json
from pyecharts import Gauge

gauge = Gauge("目标完成率")
gauge.add("任务指标","完成率",80.2)
gauge.render("E:\\gauge.html")

import json
from pyecharts import Liquid

liquid = Liquid("水球图")
liquid.add("水球",[0.82,0.75])
liquid.render("E:\\liquid.html")

import json
import numpy as np
import pandas as pd

from pyecharts import WordCloud

wd = pd.read_csv("F:\\python3_pachongAndDatareduce\\data\\cp.csv",header=0)
print(np.shape(wd))
print(wd.head())
catename = [i[0] for i in wd[["关键词"]].values]
value = [int(i[0]) for i in wd[["词频"]].values]
wordcloud = WordCloud(width=1200,height=600)
wordcloud.add("",catename,value,word_size_range=[10,120],shape="star")
wordcloud.render("E:\\wordcloud.html")

import json
from pyecharts import Line

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\scatters.json")
data = json.load(f)
print(data)
xs = data["xs"]
print(xs)
gb = data["gb"]
print(gb)

import json
from pyecharts import Scatter

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\scatters.json")
data = json.load(f)
xs = data["xs"]
gb = data["gb"]
scatter = Scatter("销售额与高质量宝贝数")
scatter.add("关系",xs,gb)
scatter.render("E:\\scatter.html")

from pyecharts import Boxplot

x_axis = ["销售额"]
y_axis = [[169,126,248,263,265,273,248,241,326,334,479,347]]

boxplot = Boxplot("箱形图")
_yaxis = boxplot.prepare_data(y_axis)
boxplot.add("boxplot",x_axis,_yaxis)
boxplot.render("E:\\boxplot.html")

import json
from pyecharts import Bar,Line,Overlap

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\overlaps.json")
data = json.load(f)
print(data)
date = data["date"]
print(date)
sales1 = data["sales1"]
print(sales1)
sales2 = data["sales2"]
print(sales2)

import json
from pyecharts import Bar,Line,Overlap

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\overlaps.json")
data = json.load(f)
date = data["date"]
sales1 = data["sales1"]
sales2 = data["sales2"]

bar = Bar("Line-Bar")
bar.add("Bar",date,sales1)
line = Line()
line.add("Line",date,sales2)

overlap = Overlap()
overlap.add(bar)
overlap.add(line)
overlap.render("E:\\linebar.html")

import json
from pyecharts import Bar3D

f = open("F:\\python3_pachongAndDatareduce\\data\\pyecharts JSONData\\datas\\bar3ds.json")
datas = json.load(f)
x_axis = datas["x_axis"]
y_axis = datas["y_axis"]
data = datas["data"]
range_color = datas["range_color"]

bar3d = Bar3D("3D柱状图",width=1200,height=600)
bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]] for d in data],is_visualmap=True,visual_range=[0,20],visual_range_color=range_color)
bar3d.render("E:\\3dbar.html")

import json
from pyecharts import Bar3D

bar3d = Bar3D("3D柱状图",width=1200,height=600)
bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]] for d in data],is_visualmap=True,visual_range=[0,20],
visual_range_color=range_color,grid3d_width=200,grid3d_depth=80,is_grid3d_roate=True)
bar3d.render("E:\\3dbar01.html")

import json
from pyecharts import Bar3D

bar3d = Bar3D("3D柱状图",width=1200,height=600)
bar3d.add("",x_axis,y_axis,[[d[1],d[0],d[2]] for d in data],is_visualmap=True,visual_range=[0,20],
visual_range_color=range_color,grid3d_width=200,grid3d_depth=80,is_grid3d_speed=180)
bar3d.render("E:\\3dbar02.html")

吴裕雄 python 数据可视化的更多相关文章

Python数据可视化编程实战——导入数据
1.从csv文件导入数据原理:with语句打开文件并绑定到对象f.不必担心在操作完资源后去关闭数据文件,with的上下文管理器会帮助处理.然后,csv.reader()方法返回reader对象,通过 ...
Python数据可视化——使用Matplotlib创建散点图
Python数据可视化——使用Matplotlib创建散点图 2017-12-27 作者:淡水化合物 Matplotlib简述: Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D ...
Python数据可视化-seaborn库之countplot
在Python数据可视化中,seaborn较好的提供了图形的一些可视化功效. seaborn官方文档见链接:http://seaborn.pydata.org/api.html countplot是s ...
Python数据可视化编程实战pdf
Python数据可视化编程实战(高清版)PDF 百度网盘链接:https://pan.baidu.com/s/1vAvKwCry4P4QeofW-RqZ_A 提取码:9pcd 复制这段内容后打开百度 ...
【数据科学】Python数据可视化概述
注:很早之前就打算专门写一篇与Python数据可视化相关的博客,对一些基本概念和常用技巧做一个小结.今天终于有时间来完成这个计划了! 0. Python中常用的可视化工具 Python在数据科学中的地 ...
Python数据可视化的四种简易方法
摘要: 本文讲述了热图.二维密度图.蜘蛛图.树形图这四种Python数据可视化方法. 数据可视化是任何数据科学或机器学习项目的一个重要组成部分.人们常常会从探索数据分析(EDA)开始,来深入了解数据, ...
python --数据可视化（一）
python --数据可视化一.python -- pyecharts库的使用 pyecharts--> 生成Echarts图标的类库 1.安装: pip install pyecharts ...
python 数据可视化
一.基本用法 import numpy as np import matplotlib.pyplot as plt x = np.linspace(-1,1,50) # 生成-1到1 ,平分50个点 ...
【python可视化系列】python数据可视化利器--pyecharts
学可视化就跟学弹吉他一样,刚开始你会觉得自己弹出来的是噪音,也就有了在使用python可视化的时候,总说,我擦,为啥别人画的图那么溜: [python可视化系列]python数据可视化利器--pyec ...

随机推荐

select大表报错
MySQL查询大表报错 MySQL执行select操作时候,如果执行查询的表的数据量比较大,就会报错error code 2013.或者报错已杀死,并直接退出MySQL客户端.如下所示: mysql& ...
sdk manager更改国内镜像
两种方法: 一.参考: https://blog.csdn.net/u010165004/article/details/45227019 打开Android SDK Manager,在Tools下的 ...
Oracle查看表空间
知道表空间名,显示该表空间包括的所有表. select * from all_tables where tablespace_name='表空间名' 知道表名,查看该表属于那个表空间 select t ...
Struts2单文件上传原理及示例
一.文件上传的原理表单元素的enctype属性指定的是表单数据的编码方式,该属性有3个值: 1.application/x-www-form-urlencoded:这是默认编码方式,它只处理表单域里 ...
关于Rabbitmq的routingkey的作用
对于消息发布者而言它只负责把消息发布出去,甚至它也不知道消息是发到哪个queue,消息通过exchange到达queue,exchange的职责非常简单,就是一边接收发布者的消息一边把这些消息推到qu ...
sed命令的基本使用方法
sed命令 stream editor,用程序的方式编辑文本.基本上是玩正则模式匹配. 用s命令替换 $ sed "s/my/Hao Chen's/g" pets.txt 单引号去 ...
二维码（android）
我们都知道一般的二微码都是以不同形式显示有的是登入,有的是网页,其实二维码只是一个字符串.到这里我们就有一个疑问那二维码是这样判断是网站或者是登入功能的呢? 其实这些判断部分,二维码生成器早就给你完成 ...
Selenium之动作链（ActionChains）
用selenium做自动化,有时候会遇到需要模拟鼠标操作才能进行的情况,比如单击.双击.点击鼠标右键.拖拽等等.而selenium给我们提供了一个类来处理这类事件——ActionChains se ...
python 开发接口（一）
一.首先导入模块 pip install flask 二 1 import flas 2 import json import flask #1.启动一个服务 #2.接收到客户端传过来的数据 #3. ...
python之路——20
学习内容 1.序列化——数据类型转向字符串数据类型反序列化——字符串转向数据类型2.序列化模块 json模块通用序列化格式弊端:只有少部分数据类型可通过json转化 pickle模块所有的py ...

吴裕雄 python 数据可视化

吴裕雄 python 数据可视化的更多相关文章

随机推荐

热门专题