Pandas遇上Pyecharts碰撞出可交互的可视化效果

统计与数据分析实战

共 1905字,需浏览 4分钟

 ·

2020-09-09 21:00


◆ ◆ ◆  ◆ 



前言


一个数据分析师的业务能力强不强,就看他的可视化做的漂不漂亮。


俗话说,一图胜千言。然而,我一直在去往作图好看的路上》》》


周末,花了2个小时简单看了一下pyecharts库,太炫酷了。于是,赶紧偷学了几招!


先给大家看看成果,嘿嘿~别笑我!




条形图


首先,需要安装pyecharts库,安装过程还是有些复杂,及其容易报错。不过,多尝试几次就可以了。

今天,我们主要讲解一下pandas如何结合pyecharts展现出可交互的可视化效果。

# 导包import pandas as pdfrom pyecharts.charts import Bar,Timeline
# 读取Excel文件——2019年数据df = pd.read_excel(r'C:\Users\Administrator\Desktop\Demo.xlsx',sheet_name='2019')print(df)
# result 年份 地区 营业额 纯利润0 2019 东北 27 261 2019 华北 29 252 2019 西北 32 283 2019 西南 26 234 2019 东南 22 18
# 实例化Bar()bar = Bar()# 横轴标签bar.add_xaxis(df['地区'].tolist())# 纵轴图例,数据bar.add_yaxis(df.columns[2], df['营业额'].tolist())bar.add_yaxis(df.columns[3], df['纯利润'].tolist())# 生成效果图bar.render_notebook()



# 读取Excel文件——2017~2019年数据df1 = pd.read_excel(r'C:\Users\Administrator\Desktop\Demo.xlsx',sheet_name='2017-2019')print(df1)
# result 年份 地区 营业额 纯利润0 2017 东北 18 161 2017 华北 35 302 2017 西北 20 163 2017 西南 28 254 2017 东南 32 275 2018 东北 27 246 2018 华北 29 287 2018 西北 24 208 2018 西南 27 259 2018 东南 30 2510 2019 东北 27 2611 2019 华北 29 2512 2019 西北 32 2813 2019 西南 26 2314 2019 东南 22 18
# 实例化Timeline()t = Timeline()
# 通过循环,生成多个年份的交互图for year in df1['年份'].unique(): df_year = df1[df1['年份']==year] bar = Bar() bar.add_xaxis(df_year['地区'].tolist()) bar.add_yaxis(df_year.columns[2], df_year['营业额'].tolist()) bar.add_yaxis(df_year.columns[3], df_year['纯利润'].tolist()) t.add(bar,f'{year}年')
t.render_notebook() 
  
 

这样,就实现了文章开头展现出来的交互效果了。棒棒哒~大家也可以再返回去看看开头的效果。



送书啦



(规则:分享朋友圈,集赞50个即可,先来先得)
记住:机会成本是最大的成本!以前,我也总是在犹豫、徘徊中活得渐渐平庸,幸好我及时觉醒,还遇到了贵人。只恨北漂来的太晚~或许这正是它的时间。

精彩推荐

连续两次被高校教师应用于教学的文章
人力和财务都可以学的Python数据分析实战
Python3十大经典错误及解决办法
一句Python代码解决需求才是好的Coder(一)


在看”的永远18岁~
浏览 35
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报