【pyecharts】.add_yaxis添加纵坐标的值可视化后数据不显示

写在前面:

由于CSDN的审查机制的原因,更多博客内容请访问我的个人博客或GitHub:

  1. 个人博客地址:个人博客
  2. GitHub地址:GitHub
    问题代码【发现横坐标可以正确显示但纵坐标一直不显示】
from pyecharts.charts import Bar
import pandas as pd
import os
path = "./tmp_overseas"
files = os.listdir(path)
usa_date = []
usa_new = []
for i in files:
    usa_data = pd.read_csv("./tmp_overseas/{}".format(i), index_col=0)
    date = i[-9:-4]
    usa_data = usa_data.loc["美国"]["累计确诊"]
    usa_new.append(usa_data)
    usa_date.append(date)
bar = (Bar()
       .add_xaxis(usa_date)
       .add_yaxis(series_name="text", y_axis=usa_new)
)
bar.render_notebook()


这里用普通列表test来代替usa_new进行测试【发现可以正确显示】

from pyecharts.charts import Bar
import pandas as pd
import os
path = "./tmp_overseas"
files = os.listdir(path)
usa_date = []
usa_new = []
for i in files:
    usa_data = pd.read_csv("./tmp_overseas/{}".format(i), index_col=0)
    date = i[-9:-4]
    usa_data = usa_data.loc["美国"]["累计确诊"]
    usa_new.append(usa_data)
    usa_date.append(date)
test = [23, 34]
bar = (Bar()
       .add_xaxis(usa_date)
       .add_yaxis(series_name="text", y_axis=test)
)
bar.render_notebook()

在这里插入图片描述
查看usa_new的类型和test的类型区别【结果发现都是列表类型,这就奇怪了,为什么两个列表一个可以显示一个不可以显示】

print(type(usa_new))
print(type(test))

在这里插入图片描述
进一步排查错误,查看usa_new和test这两个列表的数据类型是否有区别【发现问题了,一个师numpy.int64类型一个是int类型,并结合刚才的测试结果,test可以正常显示,usa_new不能正确显示,这里判断可能是int类型可以正确显示而numpy.int64类型不能正确显示,所以采取修改usa_new中的数据类型为int的方式来查看是否可以正确显示】

print(type(usa_new[0]))
print(type(test[0]))

在这里插入图片描述
修改usa_new列表中的数据类型为int【发现能够完美解决该问题】

from pyecharts.charts import Bar
import pandas as pd
import os
path = "./tmp_overseas"
files = os.listdir(path)
usa_date = []
usa_new = []
for i in files:
    usa_data = pd.read_csv("./tmp_overseas/{}".format(i), index_col=0)
    date = i[-9:-4]
    usa_data = usa_data.loc["美国"]["累计确诊"]
    usa_new.append(int(usa_data))  # 这里将usa_new中的数据类型转换为int
    usa_date.append(date)
bar = (Bar()
       .add_xaxis(usa_date)
       .add_yaxis(series_name="text", y_axis=usa_new)
)
bar.render_notebook()

在这里插入图片描述

  • 10
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
数据可视化(三)时间数据可视化 时间分为连续型时间和离散型时间 连续型时间数据可视化 连续型时间数据可视化 阶梯图 阶梯图 曲线保持在同⼀个,直到发⽣变化,直接跳跃到下⼀个,类似、 # datax = [1995,1996,1997,1998, 1999,2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008,2009] # int数据当x轴显⽰不出数据 datax = ['1995', '1996', '1997', '1998', '1999', '2000', '2001', '2002', '2003', '2004', '2005', '2006', '2007', '2008','2009'] datay = [0.32, 0.32, 0.32, 0.32, 0.33, 0.33, 0.34, 0.37, 0.37, 0.37, 0.37, 0.39, 0.41, 0.42, 0.44] line=( Line() .add_xaxis(datax) .add_yaxis("",datay,is_step=True)#is_step为false则为折线图 .set_global_opts(title_opts=opts.TitleOpts("阶梯图"), yaxis_opts=opts.AxisOpts(min_=0.3), ) .set_series_opts() .render("result/jieti.html") ) 折线图: 折线图: 显⽰数据的变化趋势 #图3-6 #pyecharts实现 data=pd.read_csv("data/world-population.csv") datax=data["Year"] datay=data["Population"] line=( Line() .add_xaxis(datax) # .add_xaixs(datax) .add_yaxis("",datay) .set_global_opts(title_opts=opts.TitleOpts("sdfjsgjfs"), xaxis_opts=opts.AxisOpts(min_="1960"), yaxis_opts=opts.AxisOpts(min_=3000000000), ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .render("test.html") ) #matplotlib实现 plt.plot(datax,datay) plt.show() 拟合曲线( 拟合曲线(matplotlib实现的可能不考) 实现的可能不考) 根据给定的离散数据点绘制的曲线 选择适当的曲线类型来拟合观测数据,并⽤拟合的曲线⽅程分析两个变量间的关系 filename="data/unemployment-rate-1948-2010.csv" ya=[] xa=[] try: with open(filename) as f: reader=csv.reader(f) for datarow in reader: if reader.line_num!=-1: ya.append(float(datarow[3])) # print(datarow[3]) xa.append(int(datarow[1])) except csv.Error: print("Erroe resding") sys.exit(-1) plt.figure() plt.scatter(xa[:],ya[:],s=10,c='g',marker='o',alpha=0.5) ploy=np.polyfit(xa,ya,deg=3) plt.plot(xa,np.polyval(ploy,xa)) plt.show() 离散型时间数据可视化 离散型时间数据可视化 散点图 散点图 ⽤位置作为视觉线索 直观的表现出影响因数和预测对象之间的总体关系趋势, 柱状图: 柱状图: ⽤⾼度或长度的差异来显⽰指标数的⼀种图形。 柱形间距决定了柱状图的美观程度 data=pd.read_csv("data/hot-dog-contest-winners.csv") datax=data["Year"].values.tolist() datay=data["Dogs eaten"].values.tolist() # print(datay) bar=( Bar() .add_xaxis(datax) .add_yaxis("",datay) .set_global_opts(title_opts=opts.Tit

“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 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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