爬取搜狗热搜榜数据制成南丁格尔图

最新推荐文章于 2023-07-26 10:34:10 发布
最新推荐文章于 2023-07-26 10:34:10 发布
阅读量2.5k 收藏 3
点赞数 6
分类专栏： python爬虫 scrapy-爬虫 eclipse 文章标签： eclipse jquery python windows 数据库
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/BattleWolf_HUA/article/details/70845817
版权

【实验目的】
1.在Windows平台上使用基本的Python语言结合Scrapy将搜狗热搜榜上的九个热门类型的数据进行爬取，并将爬取数据保存到本地数据库；
2.使用eclipse编辑工具结合echarts和jQuery等组件将爬取到的数据以南丁格尔图的形式展现出来。
【实验原理】
1.Scrapy结合xpath和Css可以很方便快捷的从获取到的网页中找出所需标签的文本内容，同时可以为爬取到的数据建模，在存储数据的时候免去了对数据的繁琐处理；
2.Python结合Scrapy可以在短时间内快速的爬取多个网页的内容，通过对网页内容的分析处理找出所需的数据，同时Python通过pymysql可以直接操作MySQL数据库，这样就可以把网页上爬取到的想要的数据直接存储到数据库中。
【实验环境】
Windows10-64位操作系统
Python-3.6.1
Scrapy-1.3.3
Eclipse-Mars.1 Release (4.5.1)
Apache Tomcat v8.0
MySQL Ver 14.14 Distrib 5.5.37, for Win32 (x86)
Google Chrome
【实验内容】
搜狗热搜榜网页中有九个热门的类型，比如有热门电影、热门电视剧、热门游戏等，每个热门的类型都提供了十个热门数据，每个热门数据中都包含着数据的名字以及搜索指数，南丁格尔图可以直观的对每个热门类型的数据进行比较，将热搜榜的九个类型做成南丁格尔图显示出来。
这是搜狗热搜榜2017-4-26九个热门类型的数据图
这里写图片描述
这里写图片描述
九个热门类型的南丁格尔图
【实验步骤】
<一、安装Python3.6.1、Scrapy>

Windows：
1>从https://www.python.org/downloads/上安装Python3.6.1
这里写图片描述
2>下载后的安装文件
这里写图片描述
3>双击进行安装：
这里写图片描述
4>点击下一步
这里写图片描述
5>下一步
这里写图片描述
6>安装完成后退出。打开DOS命令行，查询Python版本

python --version

7>从https://sourceforge.net/projects/pywin32/files/pywin32/Build%20221/下载安装pywin32
请确认下载符合系统的pywin32版本（win32或者amd64）
这里写图片描述
8>双击进行安装即可。安装完成后，打开DOS命令行进行安装Scrapy

pip install Scrapy

9>安装完成后，输入命令查看Scrapy版本：

Scrapy -V

这里写图片描述
< 二、使用Scrapy 进行数据的爬取>

1.打开DOS命令行，进入桌面：

cd Desktop

2.使用Scrapy创建爬虫项目，名字为resou:

scrapy startproject resou

3.resou文件夹->resou文件夹->spider文件夹，手动创建一个Python文件，名字为resou.py(创建一个文本文档，更改名字和后缀为：resou.py)
这里写图片描述
4.右键点击resou.py文件，用IDLE编写Python文件
这里写图片描述
5>编辑爬取数据的代码：

#导入Scrapy包和pymysql包
import scrapy
import pymysql
#pymysql包是Python连接MySQL数据库所需要的包

#创建ReSouSpider类，继承scrapy.Spider类
class ReSouSpider(scrapy.Spider):
    #为爬虫定义一个名字（这个名字必须是独一无二的）
    name = "ReSouSpider"
    #爬虫爬取网页的域
    allowed_domains=['http://top.sogou.com/']
    #爬取网页的链接
    start_urls = [
            'http://top.sogou.com/'
        ]
    #定义parse函数
    def parse(self,response):
        #网页中控制九个热门类型的div标签
        divs = ['//div[@class="section s1"]',
                '//div[@class="section s2"]',
                '//div[@class="section s3"]',
                '//div[@class="section s4"]',
                '//div[@class="section s5"]',
                '//div[@class="section s6"]',
                '//div[@class="section s7"]',
                '//div[@class="section s8"]',
                '//div[@class="section s9"]']
        #循环读取九个标签中的数据
        for div in divs:
            #这里获取到的是对应热门类型的第一条内容的名字
            FName= response.xpath(div+'/ul/li/div[@class="txt-box"]/p/a/text()').extract()
            #这里读取到的是对应热门类型的第一条内容对应的搜索指数
            FStringData = response.xpath(div+'/ul/li/div[@class="txt-box"]/p/text()')[0].extract()
            #获取搜索指数中的数据
            FData=FStringData.split("：")[-1]
            #这里读取到的是对应热门类型从第二条内容开始读取到的内容名字集
            ONames = response.xpath(div+'/ul/li/a/text()').extract()

            #连接数据库
            conn = pymysql.connect(host="127.0.0.1",
                          port=3306,
                          user="root",
                           passwd="wph",
                           db="r",
                           charset='utf8mb4'
                           )
            cursor = conn.cursor()
            #获取到含有数据表名字的字符串
            tableStringName = response.xpath(div+'/div/a/@href')[0].extract()
            #通过截取字符串获取到数据表的名字
            tableName = tableStringName.split('/')[0]
            try:
                #创建数据表，包含三条记录，（id 主键，自增,name,value）
                cursor.execute("create table "+tableName+"(id int NOT NULL AUTO_INCREMENT,name varchar(255) NOT NULL,value varchar(255) NOT NULL,PRIMARY KEY (id))")
                #将爬取到的热门类型的第一条内容的名字和搜索指数存储到数据表
                cursor.execute("insert into "+tableName+"(name,value)values(%s,%s)",(FName,FData))
                #存储够进行提交，没有提交将不会保存到数据库的表中
                conn.commit()

                Index=0
                #开始遍历其他内容的名字
                for EName in ONames:
                    #获取到从热门类型从第二条记录开始的数据集中的数据
                    OData=response.xpath(div+'/ul/li/span/text()')[Index].extract()
                    Index+=1
                    #将热门类型从第二开始的数据保存到数据库表中
                    cursor.execute("insert into "+tableName+"(name,value) values(%s,%s)",(EName,OData))
                    conn.commit()

            finally:

                cursor.close()
                conn.close()

6>这样爬取网页的爬虫代码就编写好了，下一步就可以爬取网页了，打开DOS命令行，进入之前创建好的resou文件夹，开始爬取数据：

cd resou
scrapy crawl ReSouSpider

7>输入命令点击回车后，爬虫就开始自动爬取数据了,等到出现下图是，就爬取结束。
这里写图片描述
8>接下来就可以去数据库中查看爬取下的数据了，在DOS命令行登录数据库查看数据，记住自己的账号和密码哦

mysql -u数据库用户 -p数据库密码
show databases;
use resou;
show tables;

就会出现九个热门类型的数据表了，你可以挨个查看每个数据表中的数据
这里写图片描述

select * from animation

或者你可以通过数据库可视化工具来查看我们爬取下的数据表和其中的数据：
这里写图片描述
这里写图片描述
这里写图片描述
这里我们的爬虫爬取数据就结束了，这个过程中我们爬取了搜狗热搜榜上九个热门类型的数据，并把每个热门类型的前十条数据的名字和热搜数据保存到了mysql数据库，接下来我们就开始把这些数据做成南丁格尔图吧。
<三、借助Eclipse结合Echarts等组件做南丁格尔图>
1>打开Eclipse，创建一个动态web工程，名字就取为Echarts-NDGE
这里写图片描述
这里写图片描述
2>在webcontent->WEB-INFO->lib中导入所需要的jar包，并将他们加入到路径中去
这里写图片描述
3>在webcontent文件下创建js文件夹，用来存放js文件
这里写图片描述
这里写图片描述
4>在创建好的js文件中加入我们需要用到的echarts和jquery这两个js文件
这里写图片描述
5>导包结束和文件添加结束后，我们就正式开始编程了，先从获取MySQL数据库的数据入手，在src下建立一个名为AccessDataDButil包，里边创建一个名为DButil的java文件
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
6>DButil.java中的代码如下；主要是连接数据库，在其他类调用时返回这个连接;

package AccessDataDButil;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;

public class DButil {

private Connection connection;

    public Connection getConnection(){

        try {
            //加载驱动
            Class.forName("org.gjt.mm.mysql.Driver");
            //驱动连接数据库
            connection=DriverManager.getConnection("jdbc:mysql://localhost:3306/resou","root","wph");
        } catch (ClassNotFoundException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        catch (SQLException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
        //返回connection
        return connection;
    }
    public void ConnClose(){
        try {
            connection.close();
        } catch (SQLException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }
}

7>在src文件下创建一个DataModel包，里边创建一个DataEntity.java文件；
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
在DataEntity中，对数据进行建模，规定数据的类型；

package DataModel;

public class DataEntity {

    private String name;
    private float value;
    public String getName() {
        return name;
    }
    public void setName(String name) {
        this.name = name;
    }
    public float getValue() {
        return value;
    }
    public void setValue(float value) {
        this.value = value;
    }


}

8>在src文件下创建一个AccessDataDAO包，里边创建一个AccessDao.java文件；
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
在AccessDao文件中编写代码，主要是获取数据库的连接，然后通过sql语句进行获取数据表中的数据。

package AccessDataDAO;

import java.sql.Connection;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;
import java.util.ArrayList;
import java.util.List;

import AccessDataDButil.DButil;
import DataModel.DataEntity;

public class AccessDao {

    Connection conn;
    DButil db;
    ResultSet set;
    Statement st;
    public List<DataEntity> getAttribute(String TableName){

        db=new DButil();
        conn=db.getConnection();

        String sql = "select name,value from "+TableName;
        List<DataEntity> list = new ArrayList<DataEntity>();
        try {
            st = conn.createStatement();
            set = st.executeQuery(sql);
            while (set.next()) {
                DataEntity entity = new DataEntity();
                entity.setName(set.getString("name"));
                entity.setValue(Float.parseFloat(set.getString("value")));
                list.add(entity);
            }
        } catch (SQLException e) {
            System.err.println(e.getMessage());
        }
        return list;
    }

}

9>在src下面创建一个DataService包，在包下边创建一个getData.java文件
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
在getData文件中，对获取到的数据进行处理，并进行数据的传送；

package DataService;

import java.io.IOException;
import java.io.PrintWriter;
import java.util.List;

import javax.servlet.ServletException;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

import com.alibaba.fastjson.JSON;

import AccessDataDAO.AccessDao;
import DataModel.DataEntity;

public class getData extends HttpServlet{

    public void doGet(HttpServletRequest request, HttpServletResponse response)
            throws ServletException, IOException {
        //编码类型
        response.setContentType("text/html;charset=utf-8");
        String[] dbName= {"movie","animation","book","people","auto","game","song","tvplay","tvshow"};
        AccessDao dao=new AccessDao();
        List<DataEntity> list0,list1,list2,list3,list4,list5,list6,list7,list8;
        list0=dao.getAttribute(dbName[0]);
        list1=dao.getAttribute(dbName[1]);
        list2=dao.getAttribute(dbName[2]);
        list3=dao.getAttribute(dbName[3]);
        list4=dao.getAttribute(dbName[4]);
        list5=dao.getAttribute(dbName[5]);
        list6=dao.getAttribute(dbName[6]);
        list7=dao.getAttribute(dbName[7]);
        list8=dao.getAttribute(dbName[8]);
        String jsonString0=JSON.toJSONString(list0);
        String jsonString1="?"+JSON.toJSONString(list1);
        String jsonString2="?"+JSON.toJSONString(list2);
        String jsonString3="?"+JSON.toJSONString(list3);
        String jsonString4="?"+JSON.toJSONString(list4);
        String jsonString5="?"+JSON.toJSONString(list5);
        String jsonString6="?"+JSON.toJSONString(list6);
        String jsonString7="?"+JSON.toJSONString(list7);
        String jsonString8="?"+JSON.toJSONString(list8);
        PrintWriter out = response.getWriter();
        out.print(jsonString0);
        out.print(jsonString1);
        out.print(jsonString2);
        out.print(jsonString3);
        out.print(jsonString4);
        out.print(jsonString5);
        out.print(jsonString6);
        out.print(jsonString7);
        out.print(jsonString8);
        //System.out.println(list.toString());
        out.flush();
        out.close();
    }
    public void doPost(HttpServletRequest request, HttpServletResponse response)
            throws ServletException, IOException {
        doGet(request, response);
    }
}

10>在webcontent->WEB-INFO下边创建web.xml文件；
这里写图片描述
这里写图片描述
这里写图片描述
web.xml中代码为：

<?xml version="1.0" encoding="UTF-8"?>
<web-app xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://xmlns.jcp.org/xml/ns/javaee" xsi:schemaLocation="http://xmlns.jcp.org/xml/ns/javaee http://xmlns.jcp.org/xml/ns/javaee/web-app_3_1.xsd" id="WebApp_ID" version="3.1">
  <display-name>EchartTest</display-name>
  <welcome-file-list>
    <welcome-file>index.html</welcome-file>
    <welcome-file>index.htm</welcome-file>
    <welcome-file>index.jsp</welcome-file>
    <welcome-file>default.html</welcome-file>
    <welcome-file>default.htm</welcome-file>
    <welcome-file>default.jsp</welcome-file>
  </welcome-file-list>

  <servlet>
    <servlet-name>getData</servlet-name>
    <servlet-class>DataService.getData</servlet-class>
  </servlet>
  <servlet-mapping>
    <servlet-name>getData</servlet-name>
    <url-pattern>/getData</url-pattern>
  </servlet-mapping>

</web-app>

11>在webcontent下边创建一个showPicture.jsp文件，编写显示南丁格尔图的代码：
这里写图片描述
这里写图片描述
showPicture.jsp中的代码：

<%@ page language="java" import="java.util.*" contentType="text/html; charset=UTF-8"
    pageEncoding="UTF-8"%>
    <%
        String path = request.getContextPath();
        String basePath = request.getScheme()+"://"+request.getServerName()+":"+request.getServerPort()+path+"/";
    %>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
 <base href="<%=basePath%>">
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>Insert title here</title>
<!-- 引入Jquery包 -->
<script type="text/javascript" src="js/jquery-2.1.4.min.js"></script>
<!-- 引入Echarts包 -->
<script type="text/javascript" src="js/echarts.min.js"></script>

</head>
<body bgcolor="#F0F0F0">
<h1 align="center">南丁格尔玫瑰图</h1><br>
<hr>
    <br/>
        <div id="main" style="width: 1400px;height:1000px;"></div>

</body>
<script type="text/javascript">
        // 基于准备好的dom，初始化echarts实例
        var myChart = echarts.init(document.getElementById('main'));

        // 指定图表的配置项和数据
        myChart.setOption({
                    title : {
                        text: '本数据来自搜狗热搜榜---2017.04.27',
                        x:'center'
                    },
                    tooltip : {
                        trigger: 'item',
                        formatter: "{a} <br/>{b} : {c} ({d}%)"
                    },
                    toolbox: {
                        show : true,
                        feature : {
                            mark : {show: true},
                            dataView : {show: true, readOnly: false},
                            magicType : {
                                show: true,
                                type: ['pie', 'funnel']
                            },
                            restore : {show: true},
                            saveAsImage : {show: true}
                        }
                    },
                    calculable : true,
                    series : [
                        {
                            name:'热门电影',
                            type:'pie',
                            radius : [30, 110],
                            center : ['20%', '20%'],
                            roseType : 'area',
                            data:[]
                        },
                        {
                            name:'热门动漫',
                            type:'pie',
                            radius : [30, 110],
                            center : ['50%', '20%'],
                            roseType : 'area',
                            data:[]
                        },
                        {
                            name:'热门小说',
                            type:'pie',
                            radius : [30, 110],
                            center : ['80%', '20%'],
                            roseType : 'area',
                            data:[]
                        },
                        {
                            name:'热门人物',
                            type:'pie',
                            radius : [30, 110],
                            center : ['20%', '50%'],
                            roseType : 'area',
                            data:[]
                        },
                        {
                            name:'热门汽车',
                            type:'pie',
                            radius : [30, 110],
                            center : ['50%', '50%'],
                            roseType : 'area',
                            data:[]
                        },
                        {
                            name:'热门游戏',
                            type:'pie',
                            radius : [30, 110],
                            center : ['80%', '50%'],
                            roseType : 'area',
                            data:[]
                        },
                        {
                            name:'热门音乐',
                            type:'pie',
                            radius : [30, 110],
                            center : ['20%', '80%'],
                            roseType : 'area',
                            data:[]
                        },
                        {
                            name:'热门电视剧',
                            type:'pie',
                            radius : [30, 110],
                            center : ['50%', '80%'],
                            roseType : 'area',
                            data:[]
                        },
                        {
                            name:'热门综艺',
                            type:'pie',
                            radius : [30, 110],
                            center : ['80%', '80%'],
                            roseType : 'area',
                            data:[]
                        }
                    ]

        });

        // 异步加载数据
        var info = {"opt": "pie"};
        $.post("./getData", info, function(data){
            var dat=data.split("?");
            var dat0=JSON.parse(dat[0]);
            var dat1=JSON.parse(dat[1]);
            var dat2=JSON.parse(dat[2]);
            var dat3=JSON.parse(dat[3]);
            var dat4=JSON.parse(dat[4]);
            var dat5=JSON.parse(dat[5]);
            var dat6=JSON.parse(dat[6]);
            var dat7=JSON.parse(dat[7]);
            var dat8=JSON.parse(dat[8]);

            /* for(var i=0; i < data.length; i++){
                mapOnlyKey.push( data[i].name);
                mapKeyValue.push({"value":data[i].value, "name": data[i].name });
                mapOnlyValue.push( data[i].value );
            }
            console.log(mapOnlyKey);
            console.log(mapKeyValue);
            console.log(mapOnlyValue);
            alert(mapKeyValue); */
            // 填入数据
            myChart.setOption({

                series: [{
                    data: dat0
                },
                {
                    data: dat1
                },
                {
                    data: dat2
                },
                {
                    data: dat3
                },
                {
                    data: dat4
                },
                {
                    data: dat5
                },
                {
                    data: dat6
                },
                {
                    data: dat7
                },
                {
                    data: dat8
                }
                ]
            });
        // 使用刚指定的配置项和数据显示图表。
        }); 
    </script>
</html>

12>所有的工作都做完了，接下来运行jsp页面，来看看我们做的南丁格尔图吧
这里写图片描述
这里写图片描述
为了更好的查看，我们将链接复制下来，去浏览器上查看吧：
这里写图片描述
这里写图片描述
好了，这就是我们要展示的九个热门类型的南丁格尔图，通过这个图，我们可以清楚直观的看到热搜榜上各个热门类型的情况。

途音
关注
  • 6
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
通过Python分析2020年全年微博热搜数据
素履独行 | 元培的个人博客
01-27 2719
本文内容热搜抓取热搜分析全年热搜热度分析全年热搜情感分析全年热搜词云分析全年热搜人物分析本文小结 几天前， Catcher Wong 大佬告诉我，他终于写完了2020年的年终总结。在看完大佬的年终总结以后，我有一种“前浪被后浪拍死在沙滩上”的感觉，正如当学生时都看“别人家的孩子”，工作以后看的都是“别人的年终总结”。我们的生活，其实就是由“别人”和“我们”交织在一起，而更多的时候，是成为“大多数”的“我们”，去关注成为“少数”的“别人”。我想说的是，世间万物互为装饰，就像卞之琳在《断章》里写道，“明月装饰了
分布式全站爬虫——以"搜狗电视剧"为例
崔斯特的博客
04-11 456
先看看robots协议User-agent:* Allow:/ Sitemap:http://kan.sogou.com/sitemap/sitemap.xml 牛皮！分析打开...
python爬取国外疫情数据并生成南丁格尔玫瑰图
ZJF的博客
06-10 2616
效果展示 直接上代码 获取国外疫情数据 #coding:utf-8 import requests import re import xlwt headers = { 'Accept-Encoding':'gzip, deflate, br', 'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8', 'Content-Type': 'application/x-www-form-urlencoded', 'Host': 'api.inews.qq.com', 'Us
热搜数据实现
yhyhyh_的博客
01-03 209
#热搜数据实现
爬取微博热搜榜并进行数据分析
分享关于数据的知识。
07-26 5869
用requests库访问页面用get方法获取页面资源，登录页面对页面HTML进行分析，用beautifulsoup库获取并提取自己所需要的信息。再讲数据保存到CSV文件中，进行数据清洗，数据可视化分析，绘制数据图表，并用最小二乘法进行拟合分析。
数据可视化-制作南丁格尔玫瑰图
04-08
数据可视化-制作南丁格尔玫瑰图
数据采集与预处理之xpath爬取豆瓣电影新片榜信息(爬取代码+可视化大屏+数据爬取csv文件)
最新发布
04-11
1、数据采集与预处理是数据分析的关键步骤，其中爬取特定网站的信息是常见的...4、可视化大屏：柱形图、雷达图、南丁格尔玫瑰图、桑基图等 （可结合博客文章《数据采集与预处理之xpath爬取豆瓣电影新片榜信息》使用）
利用Python绘制南丁格尔图
12-21
自定义数据和显示的颜色 provinces = ['北京', '上海', '黑龙江', '吉林', '辽宁', '内蒙古', '新疆', '西藏', '青海', '四川', '云南', '陕西', '重庆', '贵州', '广西', '海南', '澳门', '湖南', '江西', '福建',...
Android中使用Canvas绘制南丁格尔玫瑰图(Nightingale rose diagram)
09-03
南丁格尔玫瑰图（Nightingale rose diagram），也称为极地面积图，是一种特殊的统计图表，通常用来展示多个分类数据的相对大小。它由一系列的扇形组成，每个扇形代表一个分类，扇形的面积与数据值成正比，而扇形的...
教你用Excel2021制作南丁格尔玫瑰图.docx
09-27
南丁格尔玫瑰图是一种常用的图表类型，用于展示多个系列的数据。下面是使用 Excel 2021 制作南丁格尔玫瑰图的步骤： 1. 打开 Excel 2021 软件并创建一个新的工作表。 在 Excel 2021 中，用户可以创建一个新的工作...
Python科学绘图 南丁格尔图/玫瑰图
糊里糊涂
02-16 3624
基于Python&Pyecharts的南丁格尔图/玫瑰图绘制。
【Python】数据分析：如何使用matplotlib和pyecharts制作南丁格尔玫瑰图
黎明总是如期而至
12-11 6740
玫瑰图是弗罗伦斯·南丁格尔所发明的。又名为极坐标面积图，是一种圆形的直方图。南丁格尔自己常昵称这类图为鸡冠花图(coxcomb)，适用于绘制比较、随时间变化的循环现象。和传统的饼图展示形式单一相比，南丁格尔玫瑰图更加绚丽，给人的感觉更直观、深刻，因此，南丁格尔玫瑰图在数据可视化领域的应用十分广泛。文章介绍如何使用python制作玫瑰图，提供了2中方式：pyecharts生成html和matplotlib生成png。
D3 二维图表的绘制系列（十一）南丁格尔图
zjw_python的博客
02-20 4062
上一篇： 环状饼图 https://blog.csdn.net/zjw_python/article/details/98480632 下一篇： 基础散点图 https://blog.csdn.net/zjw_python/article/details/98201470 代码结构和初始化画布的Chart对象介绍，请先看 https://blog.csdn.net/zjw_python/artic...
教你用正确的方式在webpack里引入jQuery、eCharts等lib
weixin_34148340的博客
02-07 550
前注： 关于webpack的文档全文（我自己写的教程）请查看 根目录的文档说明。 如果可以，请给本项目加【Star】和【Fork】持续关注。 有疑义请点击这里，发【Issues】。 点击这里查看DEMO 9、外部扩展（Externals） 9.0、DEMO使用说明 安装： npm i 复制代码运行： npm run dev 复制代码打包（生产模式）： npm run build 复制代码9.1、应...
springDataEntity 示例
weixin_30627381的博客
02-28 508
package com.guohuai.cms.platformext.push; import java.io.Serializable;import java.sql.Timestamp; import javax.persistence.Entity;import javax.persistence.Table; import org.hibernate.annotations.Dyn...
【Python绘图】pyecharts绘制南丁格尔玫瑰图
weixin_44378835的博客
03-23 8416
from pyecharts.charts import Pie from pyecharts import options as opts import random # 随机颜色生成 def randomcolor(kind): colors = [] for i in range(kind): colArr = ['1', '2', '3', '4', '...
数据分析软件图表详解-南丁格尔图的故事
weixin_44553289的博客
02-19 5361
DataViz数据可视化分析工具中的南丁格尔图也叫南丁格尔玫瑰图、鸡冠花图或极坐标区域图。是由弗洛伦斯·南丁格尔发明的。南丁格尔是英国护士和统计学家，出生于意大利的一个英国上流社会的家庭。虽然出身贵族南丁格尔却选择了完全不同的人生道路，选择了当时地位低下的护理工作，在德国学习护理后，曾往伦敦的医院工作。于1853年成为伦敦慈善医院的护士长。她是世界上的第一位女护士，是近代护理事业的创始人，由于她的...
Python数据可视化之南丁格尔玫瑰图(亲测)
gb4215287的博客
09-23 4571
文章目录 1. 什么是南丁格尔玫瑰图 2. 南丁格尔玫瑰图的绘制 1. 什么是南丁格尔玫瑰图 央视新闻用来展示疫情0增长天数的图就是南丁格尔玫瑰图。 南丁格尔玫瑰图（Nightingale rose diagram）又名鸡冠花图、极坐标区域图。统计学家和医学改革家佛罗伦斯‧南丁格尔 (Florence Nightingale) 曾在克里米亚战争期间使用这种图表传达士兵身亡情况，故得名。 2. 南丁格尔玫瑰图的绘制 (1) 安装pyecharts库 pip install pyechart.
编写一段利用python制作南丁格尔玫瑰图的代码
08-03
南丁格尔玫瑰图是一种可视化数据的方式，通常用于展示多个数据类别间的数量关系，并以雷达图的形式呈现。在Python中，我们可以使用matplotlib库来创建南丁格尔玫瑰图。 首先，我们需要导入所需的库： ```python ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
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