pyecharts

再用Map可视化时，由于世界地图的国家名默认为英文，所以如果爬取的国家名时中文则可视化后不显示数据，这里需要将英文名转换为对应的中文，下面提供一个世界主要国家的国名中英文字典 name_map = { 'Singapore Rep.' : '新加坡' , 'Dominican Rep.' : '多米尼加' , 'Palestine' : '巴勒斯坦' , 'Bahamas' : '巴哈马' , 'Timor-Leste' : '东帝汶' , 'Afghanistan' : '阿富汗' , 'Guinea-Bissau' : '几内亚比绍' , "Côte d'Ivoire" : '科特迪瓦' , 'Siachen Glacier' : '锡亚琴冰川' , "Br. Indian Ocean Ter." : '英属印度洋领土' , 'Angola' : '安哥拉' , 'Albania' : '阿尔巴尼亚' , 'United Arab Emirates' : '阿联酋' , 'Argentina' : '阿根廷' , 'Armenia' : '亚美尼亚' , 'French Southern and Antarctic Lands' : '法属南半球和南极领地' , 'Australia' : '澳大利亚' , 'Austria' : '奥地利' , 'Azerbaijan' :

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 没有安装PyEcharts的，先安装PyEcharts： data = pd.read_excel( 'D:/python/xgyq.xlsx',sheet_name= '1')#按新增字段进行降序 data = data.sort_values( by=[ '新增'],ascending=[False]) 安装好PyEcharts之后，就可以将需要使用的模块进行导入： c = ( #创建柱图对象，并设置大小，也可以不设置，直接使用默认大小即可 Bar(init_opts=opts.InitOpts(width= "800px", height= "400px")) #设置X轴数据系列，只取前 10个数据，并转为列表格式 .add_xaxis( data.省份[: 10].tolist()) #设置Y轴数据系列及显示颜色，只取前 10个数据，并转为列表格式 .add_yaxis( "", data.新增[: 10].tolist()) # 设置图表标题及位置 .set_global_opts(title_opts=opts.TitleOpts(title= "新增TOP10",pos_left= "center")) #通过render(

第一个好友分析： 我们需要用到wxpy这个库，这个库用到时会弹出一个二维码，这个二维码是通过扫码的方式登录微信，以获取信息 1 # 导入模块 2 from wxpy import * 3 4 # 初始化机器人，选择缓存模式（扫码）登录 5 bot = Bot(cache_path= True) 6 7 # 获取我的所有微信好友信息 8 friend_all = bot.friends() 接下来我们调用这个库的函数做到将好友的信息转化成列表 1 lis= [] 2 for a_friend in friend_all: 3 NickName = a_friend.raw.get( ' NickName ' ,None) 4 Sex ={1: " 男 " ,2: " 女 " ,0: " 其它 " }.get(a_friend.raw.get( ' Sex ' ,None),None) 5 City = a_friend.raw.get( ' City ' ,None) 6 Province = a_friend.raw.get( ' Province ' ,None) 7 Signature = a_friend.raw.get( ' Signature ' ,None) 8 list_0= [NickName,Sex,City,Province,Signature] 9 lis

涉及到时间序列的观察值，我们可以绘制折线图来做相关数据分析。例如： from pyecharts.charts import * from pyecharts import options as opts x_data = ['2-06', '2-13', '2-20', '2-27', '3-05', '3-12', '3-19', '3-26', '4-02', '4-09', '4-17'] # 现有确诊 y1_data = [20677, 46537, 49156, 36829, 22695, 13171, 6287, 2896, 987, 351, 122] # 累计治愈 y2_data = [817, 4131, 11788, 26403, 41966, 51533, 58381, 61731, 63612, 64236, 63494] line = (Line() .add_xaxis(x_data) .add_yaxis('现有确诊', y1_data, color='#10aeb5') .add_yaxis('累计治愈', y2_data, color='#e83132') .set_series_opts(label_opts=opts.LabelOpts(is_show=True)) .set_global_opts( title_opts=opts

大家知道，考研很大一部分也是考信息收集能力。每年往往有很多人就是在这上面栽跟头了，不能正确分析各大院校往年的录取信息，进而没能选择合适的报考院校。 至于很多院校的录取信息是以 PDF 形式发布，例如我手上的深大电通录取结果，这就需要我们先把 PDF 转化为 Excel 啦。 (1)PDF (2)Excel 有了 Excel，那我们就可以为所欲为了！ 开始 1. 载入 Excel 表格 #coding=utf8 import xlrd import numpy as np from pyecharts.charts import Bar from pyecharts.charts import Pie, Grid from pyecharts import options as opts #==================== 准备数据 ==================== # 导入Excel 文件 data = xlrd.open_workbook("C:/深圳大学电子与信息工程学院2020年电子信息硕士生拟录取名单.xlsx") # 载入第一个表格 table = data.sheets[0] 2. 提取 Excel 表格数据 tables = def Read_Excel(excel): # 从第4行开始读取数据，因为这个Excel文件里面从第四行开始才是考生信息

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 先来看看绘制的动态水球图： 没有安装PyEcharts的，先安装PyEcharts： # 安装pyecharts模块，直接安装就是最新的版本 pip install pyecharts 安装好PyEcharts之后，就可以将需要使用的模块进行导入： from pyecharts import options as opts from pyecharts.charts import Liquid 水球图数据很简单，就是一个完成率数字，所以不用定义或导入，也无需做转换。 接下来就可以绘制水球图了： c = ( # 创建水球图对象 Liquid() # 设置数据系列名称及数据，is_outline_show是设置边框线，根据自身喜欢选择 .add( " 完成率 " , [0.5], is_outline_show= False) # 设置图表标题及位置 .set_global_opts(title_opts=opts.TitleOpts(title= " XX业务完成情况 " ,pos_left= " center " )) # 通过render()方法将水球图渲染为html .render( " 圆形水球图.html " ) ) 水球图的颜色可以设置

用pyecharts绘制出来的面积图、圆环图太有个性了，未免感觉有点“高处不胜寒”。今晚虽然休息，但继用matplotlib绘制折线图之后，我又心血来潮地想用matplotlib来制作一点面积图，因为这在零售行业也是常用的可视化图形之一。具体如下： 绘制常规面积图（饼图）： # 导入库 import matplotlib.pyplot as plt import numpy as np # 在线显示 %matplotlib inline # 让中文标签正常显示 plt.rcParams["font.sans-serif"] = ["SimHei"] # 让负号正常显示 plt.rcParams["axes.unicode_minus"] = False # 调整画布的大小 fig = plt.figure(figsize = (10,10)) # 准备待传入的参数 # 数值 data=[100,125,135,145,150] # 各扇区的我颜色 colors = ["DarkMagenta", "Teal", "pink", "SlateGray", "Tomato"] # 对应的标签 labels = ["蔬菜", "水果", "水产", "猪肉", "综合"] # 直接绘制出一个简单而又原始的饼图 # plt.pie(data, labels = labels) #

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 作者：CDA数据分析师 地摊经济火了！微博微热点数据 我们先看到微博微热点的数据： 全网热度指数趋势 从全网热度指数的变化趋势来看，地摊经济的热度在6月3日起逐步升温，6月4日9时达到了99.69的峰值。 全网关键词云图 再看到全网关键词云图，在与地摊经济相关的全部信息中， 提及频次最高的词语依次为"地摊经济"、“摆摊"和"全员”。 B站视频弹幕数据 目前在B站上也涌现出许多关于地摊经济的视频。 我们看到其中这个关于成都地摊经济与文化的视频，目前该个视频在B站上播放量达到14.1万，收获了3856条弹幕。 地址：https://www.bilibili.com/video/BV1Ft4y1y7iG?from=search&seid=12113765873623399312 那么这些弹幕中大家都在谈论些什么呢？我们对这些弹幕进行分析整理，让我们看到词云图。 弹幕词云图 可以看到大家讨论最多的就是除了"地摊"、“成都”，还有就是"卫生"、“城管”、“利润"等内容。其中地摊"美食”、“小吃”、“烧烤”、"干净"也是大家十分关注的问题。 是否支持地摊经济弹幕投票 在视频结尾，也发起了你是否支持地摊经济的弹幕投票，支持的打数字1，不支持的打数字2

前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 项目实现知识点： Pandas库及pyecharts库 Pandas：数据分析和处理工具。 pd.read_csv()：读取csv文件。 pyecharts：绘图库，提供30多种图标，超过400个以上的地图文件，支持原生百度地图，为地理数据可视化提供支持。 pyecharts.charts：提供了基本的图表，例如条形图、直方图等。 项目实现过程： 1.导入模块 2.打开文件 3.读取数据 4.整理数据 5.创建漏斗图 6.添加组件 7.显示漏斗并设置名称 8.结果展示 来源： oschina 链接： https://my.oschina.net/u/4325464/blog/4397042

我分别用 matplotlib, seaborn, plotly, pyecharts 这4个库来绘制同一种图形 ① matplotlib import matplotlib matplotlib.__version__ # '2.2.2' import matplotlib.pyplot as plt # import matplotlib as mp1 # 显示中文 plt.rcParams["font.sans-serif"] = [u"SimHei"] # mp1.rcParams["font.family"] = "STFangsong" # plt.rcParams["axes.unicode_minus"] = False # 在线显示matplotlib作出来的图形 %matplotlib inline plt.plot(["周一","周二","周三","周四","周五","周六","周日"], [1, 1.5, 4, -1.2, 0.8, 2.3, -2] ,c='red') plt.bar(["周一","周二","周三","周四","周五","周六","周日"], [2, 3, -1.5, -1.04, 4.2, 3,0.5] ) plt.show() # 保存图片 # plt.savefig(r"C:\Users\QDM\Desktop\混合图.jpg") #