![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据可视化
文章平均质量分 94
又迷茫了
普通一名大学生
展开
-
可视化-实验五-Pyecharts工具包的使用及文本数据可视化
由于pyecharts背后封装的js库,会涉及到数据类型转化。它暂时要求输入数据必须是python的基础数据类型,比如字符串,列表,字典,而不能是序列这样的数据类型。因此序列输入需要事先被转化为list等基础数据类型才能被pyecharts支持。参考代码段:2、自行设计数据,生成饼图随机生成数据方法(也可以自行设计数据,注意数据格式是列表):图5-3 随机生成数据以自己随机生成的数据/自行设计的数据为基础,生成基础饼图1、复现极坐标绘制效果半径表示日期:参考:https://gallery.pyechart原创 2024-05-10 09:00:00 · 719 阅读 · 0 评论 -
可视化-实验四- seaborn工具包绘图基础及关系
一、任务一。原创 2024-05-09 09:00:00 · 873 阅读 · 0 评论 -
可视化实验三 Matplotlib库绘图及时变数据可视化
一个通常的 对象需要一个 我们想要动画的对象和一个 修改绘制在图形上的数据的函数func。人口数据总共拥有4个特征,分别为就业人员、第一产业人员、第二产业人员、第三产业就业人员。基于1的数据,绘制3个产业就业人员数据的饼图、柱状图和箱线图。通过柱形图可以对比分析各产业就业人员数量,通过饼图可以发现各产业就业人员的变化,绘制每个特征的箱线图则可以发现不同特征增长或减少的速率变化。并说明下选择的图形适合用来处理哪一类型的数据(时变、比例、关系、复杂数据)。是灵活的,因为它允许任何可迭代的艺术家按顺序动画。原创 2024-05-08 17:04:11 · 908 阅读 · 0 评论 -
实验二 pandas库绘图以及数据清洗
datacsv.plot.scatter(x="身高",y="体重",color="r")#散点图。plt.rcParams['font.family']=['STSong']#设置汉字字体。print(X.loc[1])#默认索引为0,1,2,3,4,由索引号(下标)引用元素。datacsv["体重"].plot(color="r")#折线图。datacsv["体重"].hist(color="r")sex=['女','男','男','女','男'datacsv["身高"].plot()#折线图。原创 2024-03-30 14:49:51 · 1367 阅读 · 0 评论