Chapter 24 数据可视化——柱状图

于 2024-08-03 07:00:00 发布
阅读量923 收藏 12
点赞数 29
分类专栏： Python从入门到精通 文章标签： 信息可视化 python pycharm 数据可视化 柱状图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2302_80253507/article/details/140831134
版权

欢迎大家订阅【Python从入门到精通】专栏，一起探索Python的无限可能！

文章目录

前言

在大数据时代，数据可视化成为了分析和展示数据的重要手段。在众多数据可视化形式中，柱状图以其直观性和易读性而广受欢迎。本章基于案例分析详细讲解了柱状图的不同类型，包括基础柱状图以及动态柱状图。

本篇文章参考：黑马程序员

一、基础柱状图

①基本流程

  1. 导入必要的模块:
  2. 创建柱状图对象
  3. 添加x轴数据
  4. 添加x轴数据
  5. 设置全局选项
  6. 渲染或生成图像

②常见方法

MethodFunctionExample
add_xaxis()设置 x 轴的数据bar.add_xaxis(["A", "B", "C", "D"])
add_yaxis()添加 y 轴的数据bar.add_yaxis("系列名称", [10, 20, 30, 40])
set_global_opts()设置全局配置选项bar.set_global_opts(title_opts=opts.TitleOpts(title="图表标题"))
set_series_opts()设置系列特定配置bar.set_series_opts(label_opts=opts.LabelOpts(is_show=True))
render()渲染图表并保存为 HTML 文件bar.render("chart.html")
set_colors()设置图表中柱子的颜色bar.set_colors(['#d48265', '#91c7ae'])
reversal_axis()反转轴bar.reversal_axis()
set_tooltip()自定义 tooltip 的显示方式bar.set_global_opts(tooltip_opts=opts.TooltipOpts(formatter="{b}: {c}"))
set_legends()自定义图例bar.set_series_opts(label_opts=opts.LabelOpts(position="top"))
overlap()将多个系列重叠显示bar1.overlap(bar2)
datazoom()添加数据缩放控件bar.set_global_opts(datazoom_opts=[opts.DataZoomOpts()])
export_snapshot()导出快照bar.export_snapshot("snapshot.png")

绘制垂直柱状图：

# 导包
from pyecharts.charts import Bar
# 使用Bar构建基础柱状图
bar=Bar()
# 添加x轴数据
bar.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
bar.add_yaxis("GDP",["30","20","10"])
# 绘图
bar.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
在这里插入图片描述
绘制水平柱状图：
通过reversal_axis()方法反转x轴和y轴。

# 导包
from pyecharts.charts import Bar
from pyecharts.options import LabelOpts
# 使用Bar构建基础柱状图
bar=Bar()
# 添加x轴数据
bar.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
# 设置数值标签在右侧
bar.add_yaxis("GDP",["30","20","10"],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar.reversal_axis()
# 绘图
bar.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
在这里插入图片描述

二、动态柱状图

①创建时间线
柱状图主要用于描述分类数据，回答的是每个分类中『有多少？』这个问题，这是柱状图的主要特点。但是柱状图很难动态地描述一个趋势性的数据，这里pyecharts为我们提供了一种解决方案——时间线。
如果说一个Bar或者Line对象是一张图表的话，那时间线就是创建一个一维的x轴，轴上每一个点就是一个图表对象。通过时间线，我们能够直观地展示随时间变化的数据趋势，使得数据的变化和发展过程一目了然。
在这里插入图片描述

方法：
timeline = Timeline()

Timeline()常用语法：

MethodFunctionExample
__init__()初始化时间线对象timeline = Timeline()
add()向时间线添加图表timeline.add(chart, time)
add_schema()添加时间线的基本配置timeline.add_schema(play_interval=1000)
set_global_opts()设置全局选项timeline.set_global_opts(title_opts=opts.TitleOpts(title="时间线示例"))
render()渲染图表并保存为HTML文件timeline.render("timeline.html")
set_series_opts()设置系列图表的选项timeline.set_series_opts(label_opts=opts.LabelOpts(is_show=True))
set_colors()设置时间线的颜色timeline.set_colors(["#ff0000", "#00ff00"])
set_tooltip()设置工具提示timeline.set_series_opts(tooltip_opts=opts.TooltipOpts(trigger="axis"))
clear()清空时间线中的所有图表timeline.clear()
# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts
# 使用Bar构建柱状图
bar1=Bar()
# 添加x轴数据
bar1.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
# 设置数值标签在右侧
bar1.add_yaxis("GDP",["30","20","10"],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar1.reversal_axis()

bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",["50","30","30"],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3=Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",["60","50","40"],label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象
timeline=Timeline()
# 在时间线对象内添加柱状图对象
timeline.add(bar1,"点1")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")

# 绘图(通过时间线对象绘图)
timeline.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
点1对应的柱状图：
在这里插入图片描述
点2对应的柱状图：
在这里插入图片描述
点3对应的柱状图：
在这里插入图片描述
②自动播放
可通过add_schema()方法添加时间线的基本配置，如是否自动播放、是否循坏播放、是否显示时间线等 。

# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts
# 使用Bar构建柱状图
bar1=Bar()
# 添加x轴数据
bar1.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
# 设置数值标签在右侧
bar1.add_yaxis("GDP",["30","20","10"],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar1.reversal_axis()

bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",["50","30","30"],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3=Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",["60","50","40"],label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象
timeline=Timeline()
# 在时间线对象内添加柱状图对象
timeline.add(bar1,"点1")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")

#自动播放设置
timeline.add_schema(
    # 自动播放的时间间隔，单位为毫秒
    play_interval=1000,
    # 是否显示时间线
    is_timeline_show=True,
    # 是否自动播放
    is_auto_play=True,
    # 是否循坏播放
    is_loop_play=True
)

# 绘图(通过时间线对象绘图)
timeline.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。每隔1000ms会轮换一张柱状图。
在这里插入图片描述
③时间线主题设置
在pyecharts中，我们可以通过主题设置来更改图表的外观。

基本语法：
timeline = Timeline({“theme”: 时间线主题})

例如：

# 构建时间线对象并进行主题设置
timeline = Timeline({"theme": ThemeType.LIGHT})

常用时间线主题：
在这里插入图片描述

# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts
from pyecharts.globals import ThemeType
# 使用Bar构建柱状图
bar1=Bar()
# 添加x轴数据
bar1.add_xaxis(["中国","美国","英国"])
# 添加y轴数据
# 设置数值标签在右侧
bar1.add_yaxis("GDP",["30","20","10"],label_opts=LabelOpts(position="right"))
# 反转x轴和y轴
bar1.reversal_axis()

bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",["50","30","30"],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()

bar3=Bar()
bar3.add_xaxis(["中国","美国","英国"])
bar3.add_yaxis("GDP",["60","50","40"],label_opts=LabelOpts(position="right"))
bar3.reversal_axis()

# 构建时间线对象并进行主题设置
timeline = Timeline({"theme": ThemeType.LIGHT})
# 在时间线对象内添加柱状图对象
timeline.add(bar1,"点1")
timeline.add(bar2,"点2")
timeline.add(bar3,"点3")

#自动播放设置
timeline.add_schema(
    # 自动播放的时间间隔，单位为毫秒
    play_interval=1000,
    # 是否显示时间线
    is_timeline_show=True,
    # 是否自动播放
    is_auto_play=True,
    # 是否循坏播放
    is_loop_play=True
)

# 绘图(通过时间线对象绘图)
timeline.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
在这里插入图片描述

三、案例分析

【案例——GDP动态柱状图】
1960-2019全球GDP数据.csv文本文件存储了2021年08月18日中国各省份疫情相关数据，请根据该数据绘制1960-2019年全球GDP排名前八的动态柱状图。
在这里插入图片描述
要求实现如下效果：
1.GDP数据处理为亿级
2.有时间轴，按照年份为时间轴的点
3.x轴和y轴反转，同时每一年的数据只要前8名国家
4.有标题，标题的年份会动态更改
5.设置了主题为LIGHT
在这里插入图片描述

解题思路：

  1. 需求分析
  2. 处理数据
  3. 列表排序
  4. 准备时间线
  5. 自动播放和绘图

【知识补充】
在前面我们学习过sorted()函数，可以对数据容器进行排序。而在该案例中，我们需要对列表进行排序，并指定排序规则，但sorted()函数无法完成该任务。这时我们需要补充学习列表的sort()方法。

①基本语法
列表.sort(key=选择排序依据的函数, reverse=True|False)

  • 参数key：要求传入一个函数，表示将列表的每一个元素都传入函数中，返回排序的依据
  • 参数reverse：是否反转排序结果，True表示降序，False表示升序

②书写方式
写法一：基于带名函数

# 准备列表
my_list=[["a",33],["b",55],["c",11]]

# 排序（基于带名函数）
def choose_sort_key(element):
return element[1]

my_list.sort(key=choose_sort_key,reverse=True)
print(my_list)

输出结果：
[[‘b’, 55], [‘a’, 33], [‘c’, 11]]

写法二：基于lambda函数
lambda函数相关知识点见Chapter 15 Python函数进阶这篇文章。

# 准备列表
my_list=[["a",33],["b",55],["c",11]]

# 排序（基于lambda函数）
my_list.sort(key=lambda element:element[1],reverse=True)
print(my_list)

输出结果：
[[‘b’, 55], [‘a’, 33], [‘c’, 11]]

例题代码：

# 导包
from pyecharts.charts import Bar,Timeline
from pyecharts.options import LabelOpts,TitleOpts
from pyecharts.globals import ThemeType

# 读取数据
# GB2312是针对简体中文字符集的编码，适用于处理中文文本
f=open("D:/1960-2019全球GDP数据.csv","r",encoding="GB2312")
data_lines=f.readlines()
# 关闭文件
f.close()
# 删除第一条数据
data_lines.pop(0)
# 将数据转换为字典存储
# 格式为：{年份：[国家,gdp],[国家,gdp],……}
data_dict={}
for line in data_lines:
    year=int(line.split(",")[0])   #得到年份
    country=line.split(",")[1]   #得到国家
    # 通过float将科学计数法表示的GDP值转换为正常的浮点数
    gdp=float(line.split(",")[2])   #得到GDP数据
    # 如何判断字典有没有指定的key呢？
    try:
        data_dict[year].append([country,gdp])
    except KeyError:
        data_dict[year]=[]
        data_dict[year].append(([country,gdp]))
# print(data_dict)   可以打印出来观察数据，方便理解
#输出数据：{1960: [['美国', 543000000000.0], ['英国', 73233967692.0],……],2019: [['美国', 21400000000000.0], ['中国', 14300000000000.0],……]}

# 排序年份
sorted_year_list=sorted(data_dict.keys())
# print(sorted_year_list)   可以打印出来观察数据，方便理解
#输出数据：[1960, 1961, 1962, ……]

# 创建时间线对象并设置主题
timeline=Timeline({"theme":ThemeType.LIGHT})

# 排序每个年份各国的GDP
for year in sorted_year_list:
    data_dict[year].sort(key=lambda element:element[1],reverse=True)
    # 取出本年份GDP前8名的国家
    year_data=data_dict[year][0:8]
    # print(year_data)   可以打印出来观察数据，方便理解
    """
    输出结果:
    [['美国', 543000000000.0], ['英国', 73233967692.0], ['法国', 62225478000.0], ['中国', 59716467625.0], ['日本', 44307342950.0], ['加拿大', 40461721692.0], ['意大利', 40385288344.0], ['印度', 37029883875.0]]
    [['美国', 563000000000.0], ['英国', 77741965703.0], ['法国', 67461644222.0], ['日本', 53508617739.0], ['中国', 50056868957.0], ['意大利', 44842760293.0], ['加拿大', 40934952063.0], ['印度', 39232435784.0]]
    [['美国', 605000000000.0], ['英国', 81247564156.0], ['法国', 75607529809.0], ['日本', 60723018683.0], ['意大利', 50383891898.0], ['中国', 47209359005.0], ['加拿大', 42227447631.0], ['印度', 42161481858.0]]
    [['美国', 639000000000.0], ['英国', 86561961812.0], ['法国', 84759195105.0], ['日本', 69498131797.0], ['意大利', 57710743059.0], ['中国', 50706799902.0], ['印度', 48421923458.0], ['加拿大', 45029988561.0]]
    ……
    """

    x_data=[]
    y_data=[]
    # for循坏每一年的数据，基于每一年的数据，创建每一年的bar对象
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x轴添加国家
        y_data.append(country_gdp[1])   # y轴添加GDP数据

    # 构建柱状图
    bar=Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(亿)",y_data,label_opts=LabelOpts(position="right"))
    # 反转x轴和y轴
    bar.reversal_axis()
    # 设置每一年的图标的标题
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球排名前八GDP数据")
    )

    # 将每一年的bar对象添加到时间线中
    # str(year): 将年份转换为字符串，以确保它可以正确地与 bar 关联
    timeline.add(bar,str(year))

# 设置时间线自动播放
timeline.add_schema(
# 自动播放的时间间隔，单位为毫秒
    play_interval=1000,
    # 是否显示时间线
    is_timeline_show=True,
    # 是否自动播放
    is_auto_play=True,
    # 是否循坏播放
    is_loop_play=True
)
# 绘图
timeline.render()

打开render.html文件，点击右上角的浏览器图标，可以在浏览器中查看创建的柱状图。
请添加图片描述
请添加图片描述

Heaven645
关注
  • 29
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
案例上手 Python 数据可视化
GitChat
02-27 3万+
课程亮点 6 个常用的数据可视化工具使用方法 20 个案例贯穿各个工具的学习过程 基于 GUI / HTML / Web 网站多种绘图风格 中、美、日三国不同思想的制图工具 从静态到交互，满足不同需要的图示 课程背景 数据可视化是数据分析和机器学习的重要环节，比如数据清洗、特征工程、机器学习、数据分析（特别是报告）、评估等环节都会用到“数据可视化”技术。 数据可视化同时还广泛存在于各...
python实验数据预处理案例_Python数据分析小案例——红楼梦文本分析（一） 文本预处理...
weixin_39553904的博客
12-01 3331
本文开始介绍一个简单的数据分析案例,分析红楼梦文本,本文主要内容是将红楼梦文本按照章节获取每一回的标题,字数,段落数并保存到csv中方便后续数据分析红楼梦小说文本可以在这里下载链接：https://pan.baidu.com/s/1WEmunBN_Wo75EZd1cK6_lA提取码：3xco接下来直接上代码import pandas as pdimport numpy as npwith open...
数据可视化 - 柱状图
YYDataV的博客
05-13 1934
bar = Bar() bar.add_xaxis(["连衣裙", "T恤", "短裤", "九分裤", "半身裙", "高跟凉鞋", "丝袜"]) bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]) bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]) bar.add_yaxis("商家C", [97, 11, 55, 88, 99, 60, 98]) bar.set_global...
数据可视化中柱状图的实例应用，让乘风破浪公演结果一目了然
迪赛智慧数的博客
06-28 526
柱状图在数据图表中应用相当广泛，尤其实在数据对比和数据排序的引用是比较普遍的。下面我们以最近很火的乘风破浪的姐姐第三季的前两次公演结果来展示柱状图的应用，效果如下：如图所示，一公和二公的曲目结果使用的是正负条形图，正负条形图有的平台只能显示正数和负数，有的平台可选择全部以正数形式显示。除了数据的对比，也可添加文字进行说明，如下图，在获胜曲目中标上“胜”会让结果更清晰，一眼看出《要你管》胜出《谈笑一生》、《你不要担心》胜《野蔷薇》、《自己》胜《雾里》、《羞答答的玫瑰静悄悄的开》，两队同盟分别是2：2，总分宁静
EXCEL柱状图制作（二）
weixin_44976611的博客
03-19 507
典型应用2：双系列图表，层叠样式 数据源： 可视化后： 操作步骤： 1.选择任意数据区域单元格 2.插入柱形图 3.双击柱形图空白区域（或点击设计选项卡），找到层叠套用样式 4.点击快速布局（通过快速布局工具，还能迅速调整图表中的元素）， 设计选型卡的其他样式： ...
简单实用：css+html绘制常见图表
技术圈
12-09 4203
提到绘制图表，大家可能想到ECharts，其实，一些简单的图表可以直接通过css+html实现，下面手把手带大家绘制，初学者也能轻松掌握。
[数据可视化] 柱状图
Hudas的博客
08-25 3378
本文主要讲解柱状图(纵向柱状图和横向柱状图)
从NLP视角看电视剧《狂飙》，会有什么发现？
最新发布
今春一别难相逢
03-03 6326
本文主要内容，获取解析豆瓣《狂飙》的短评相关数据和演职员信息，在数据预处理后，进行简单的数据分析和可视化展示。
网络同步在游戏历史中的发展变化（三）—— 状态同步的发展历程与基本原理（上）...
Jerish的博客
07-29 1540
前言：网络同步属于游戏开发中比较重要且复杂的一部分，但是由于网上的资料内容参差不齐，很多人直接拿别人的结论写文章，导致很多人对这一块的很多概念和理解都是错误的。本文参考了大量的相关论文和...
创意创新工作总结PPT模板-119.pptx
12-13
3. **趋势分析**：通过线图或柱状图展示数据的变化趋势，反映创新工作的进步。 4. **案例分析**：选取几个关键项目，详细阐述其创新过程和效果。 **后续章节** 1. **问题与反思**：提出在创新过程中遇到的问题，...
html实现画柱状图、饼图的插件
01-07
里面有很多实例，主要针对html画柱状图、饼图的插件，展示效果很不错。
html5制作柱形图
12-18
柱形图，可以制作多柱形图，可以制作饼图，折线图等等多种图形
html 柱状图
HumorousGhost
09-13 8406
HTML 柱状图绘制
【python】可视化-柱状图
热门推荐
weixin_44411175的博客
01-30 1万+
python绘制各种类型的柱状图：基础柱状图、堆积柱状图、分组柱状图、百分比柱状图
html5 3d柱形,Highcharts 3D柱形图
weixin_33894886的博客
07-04 652
Highcharts 3D柱形图以下实例演示了3D柱形图。我们在前面的章节已经了解了 Highcharts 基本配置语法。接下来让我们来看下其他的配置。配置chart.options3d 配置以下列出了 3D 图的基本配置，设置 chart 的 type 属性为 column，options3d 选项可设置三维效果。var chart = {type: 'column',options3d: {e...
浅谈JavaScript DOM绘制柱状图
筱葭的博客
12-27 1043
JavaScript DOM绘制柱状图 #chart-wrap{ width:910px; height:240px; border:solid 1px #B3B3DC; position:relative; top:40px; left:20px; } function renderCha
数据可视化：基本图表
闲云孤鹤
11-29 3351
本文转载至：http://www.ruanyifeng.com/blog/2014/11/basic-charts.html 作者： 阮一峰 "数据可视化"可以帮助用户理解数据，一直是热门方向。 图表是"数据可视化"的常用手段，其中又以基本图表----柱状图、折线图、饼图等等----最为常用。 用户非常熟悉这些图表，但如果被问道，它们的特点是什么，最适用怎样
Matplotlib柱状图、饼状图
胖大xian
01-29 2309
柱状图 使用Matplotlib提供的bar（）函数来绘制柱状图 与前面介绍的plot（）函数类似、程序每次调用bar（）函数时都会生成一组柱状图，如果希望生成多组柱状图、则通过多次调用bar（）函数来实现 bar（） bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs) 主要参数： x:包...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值