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

java web中分层MVC的意义
在web编程中,由于高内聚.低耦合的特点,需要将多个类实现多层,大致有以下几层:①entity,实体类,如user,role等,这些类里边包含了私有属性和公共的get.set方法这和数据库中的表相对应 ...
多次ajax请求数据json出错！！
问题描述: 1.对象数据存放在session中,每次从session中取数据 2.jsp初始化完毕调用ajax请求,返回的数据格式出错(返回部分数据,即丢失了部分数据) 解决方案:
检查MySQL内存使用情况
==================================================================================================== ...
爬虫-day02-抓取和分析
###页面抓取### 1.urllib3 是一个功能强大且好用的HTTP客户端,弥补了Python标准库中的不足安装: pip install urllib3 使用: imp ...
VS2017编译GDAL(64bit)+解决C#读取Shp数据中文路径的问题
编译GDAL过程比较繁琐,查阅了网上相关资料,同时通过实践,完成GDAL的编译,同时解决了SHP数据中文路径及中文字段乱码的问题,本文以“gdal-2.3.2”版本为例阐述整个编译过程. 一.编译准备 ...
kafka reset offset 手工重置offset
1.场景 a)有时消费端逻辑修改,需要重复消费数据,需要将offset设置到指定位置. 2.实现 kafka版本:0.11.* KIP-122: Add Reset Consumer Group Of ...
ARC085E MUL
https://atcoder.jp/contests/arc085/tasks/arc085_c 题目大意略解法最小割即可. 直接建图有负边,但是因为我们知道最后在割上的边数一定为 \(N\) ...
bitmap--Bitmap详解与Bitmap的内存优化
一.Bitmap: Bitmap是Android系统中的图像处理的最重要类之一.用它可以获取图像文件信息,进行图像剪切.旋转.缩放等操作,并可以指定格式保存图像文件. 常用方法: public voi ...
[UE4]镜像
一.这是一个右手模型,通过镜像可以得到一个左右模型. 二.通过上图分析,镜面是X轴和Z轴形成的一个面,Y轴与XZ面垂直,因此就是镜像Y轴,将模型的Transform.Scale.Y设置为-1,即可得到 ...
SYM File
Structure Programme header Section Symbol table Programme header An executable or shared object fil ...

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