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

rocketmq 4.3.2 解决远程不能消费问题，解决未识别到公网IP问题
1.解决远程不能消费问题问题描述: nameserver和broker启动后,用tools(命令如下)能发送消息和消费消息,在局域网服务器能发送消息,消费启动后收不到消息通知问题 sh tools. ...
NGUI外包开发总结一下今天的收获
先总结一下今天的收获:在一个脚本类中对其成员变量进行初始化时,什么时候在Awake()中,什么时候在Start()中是有讲究的. 1)当成员变量会被外部脚本引用时,尤其是该成员变量是一个自己定义的非脚 ...
如何开发一款html5(H5)跨平台 k12动画/交互课件/游戏
flash交互课件能生动表达教学内容,也深受广大教育工作者的喜爱,但是目前flash课件只能在pc电脑平台上进行展示,且目前苹果公司已经不再支持flash各类产品,也就是后续苹果ios pc系统也已经 ...
element-ui 点击获取table的行索引
<el-table :data="list" v-loading.body="listLoading" element-loading-text=&quo ...
upstream timed out (10060: A connection attempt failed because the connected party did not properly respond
openresty 错误日志报错内容: // :: [error] #: * upstream timed : A connection attempt failed because the conn ...
windows下配置apache+https
通过https反向代理映射到http地址,可实现以https的方式,访问普通的http网站.主要涉及到以下三个配置文件的修改:httpd.confhttpd-ssl.confhttpd-vhosts. ...
ssh方式请求gitlab需要密码解决方法
问题:gitlab是使用docker安装的,配置好公钥私钥后,请求gitlab一直需要输入密码,而且这个密码输入什么都不对. 原因:后来发现是因为docker做了端口映射,如使用宿主机的10022映射 ...
SpringBoot与SpringCloud的版本对应详细版
大版本对应: Spring Boot Spring Cloud 1.2.x Angel版本 1.3.x Brixton版本 1.4.x stripes Camden版本 1.5.x Dalston版本 ...
Oracle数据库ORA-01109 数据库未打开
引致 https://blog.csdn.net/colinmok/article/details/39504879?locationNum=11&fps=1 感谢! 在plsql创建了2表 ...
Qt之QTreeWidget入门
QTreeWidget的一些基本操作 1.insertTopLevelItems,insertTopLevelItem用来添加顶层的item QTreeWidget *treeWidget = new ...

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