pyecharts交互式绘图

最新推荐文章于 2024-08-20 13:04:52 发布
最新推荐文章于 2024-08-20 13:04:52 发布
阅读量2.6k 收藏 50
点赞数 10
文章标签： python 开发语言
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/l_dq223020/article/details/131709594
版权

实验项目名称：pyecharts交互式绘图

实验目的及要求：

（1）掌握pyecharts的基础语法
（2）掌握柱形图的绘制方法
（3）掌握折线图的绘制方法
（4）掌握饼图的绘制方法
（5）掌握并行多图的绘制方法
（6）掌握时间线轮播多图的绘制方法

实验内容：

（1）根据第2章实训2处理后的数据，统计2017年6月销量前5的商品销量、每台售货机每月的总交易额、每台售货机各类（按大类）商品的销售额，并利用这些数据绘制相关图形。
（2）根据第2章实训2处理后的数据，统计2017年每月每台售货机的销售额、每台售货机每月各类（按大类）商品的销售额，并利用这些数据绘制相关图形

实验步骤

（1）获取处理好的数据

In [179]:

#（1）获取处理好的数据
import pandas as pd
import numpy as np 
from pyecharts.charts import Bar,Pie,Line
from pyecharts import options as opts
data=pd.read_csv('./处理后的数据.csv',encoding='gbk')
data.head()

Out[179]:

订单号设备ID应付金额实际金额商品支付时间地点状态提现大类二级类
0DD201708167493663618499909784E43A6E078A076314.54.568g好丽友巧克力派2枚2017-01-01 00:53:00D已出货未退款已提现非饮料饼干糕点
1DD201708167493663555814061164E43A6E078A041723.03.040g双汇玉米热狗肠2017-01-01 01:33:00A已出货未退款已提现非饮料肉干/豆制品/蛋
2DD201708167493578526890939886E43A6E078A068745.55.5430g泰奇八宝粥2017-01-01 08:45:00E已出货未退款已提现非饮料方便速食
3DD201708167493683507186615837E43A6E078A042285.05.048g好丽友薯愿香烤原味2017-01-01 09:05:00C已出货未退款已提现非饮料膨化食品
4DD201708167493759548618252006E43A6E078A041343.03.0600ml可口可乐2017-01-01 09:41:00B已出货未退款已提现饮料碳酸饮料

（2）设置系统配置项和全局配置项，绘制销量前5的商品销量柱形图

In [180]:

#（2）设置系统配置项和全局配置项，绘制销量前5的商品销量柱形图
data1=data.groupby('商品').count()###按商品分组，统计商品的出现频次====>即为商品的销量
data2=data1.sort_values('订单号',ascending=False).head()['订单号']###获取销量前五的数据
columns={'订单号':'销量'}#对列进行重新命名
data2=pd.DataFrame(data2)###将其转换成一个DataFrame类型
data2=data2.rename(columns=columns)##对列索引进行重新命名
data3=data2.T##将获取已经处理好的数据进行一个转置
init_opts=opts.InitOpts(width='1000px', height='800px')
bar=(
    Bar(init_opts)
          .add_xaxis(data3.columns.tolist())
          .add_yaxis('销量', data3.loc['销量'].tolist(), 
                     label_opts=opts.LabelOpts(position='insideTop'))
         .set_global_opts(title_opts=opts.TitleOpts(
         title='销量前5的商品销量柱形图'))
     )
bar.render('销量前5的商品销量柱形图.html')
bar.render_notebook()

Out[180]:

 

（3）设置系统配置项和全局配置项，绘制售货机每月总交易额折线图

In [181]:

#（3）设置系统配置项和全局配置项，绘制售货机每月总交易额折线图
data['支付时间']=pd.to_datetime(data['支付时间'])#将支付时间转换成datetime类型，便于分析
data['月份']=data['支付时间'].dt.month##从数据中提取出销售月份具体是哪月，并将其添加到data当中去
temp=data.groupby(by=['月份','地点'],as_index=False)['实际金额'].sum()
x=sorted(list(set(data['月份'].values.tolist())))
x_data=[str(i)+'月' for i in x]
location=list(set(temp['地点'].values.tolist()))
location=sorted(location)
y=[]
for i in location:
    y.append(np.round(temp[temp['地点']==i]['实际金额'].values.tolist(),2))
line=(Line()
     .add_xaxis(x_data)
     .add_yaxis('售货机A',y[0],label_opts=opts.LabelOpts(is_show=False))
     .add_yaxis('售货机B',y[1],label_opts=opts.LabelOpts(is_show=False))
     .add_yaxis('售货机C',y[2],label_opts=opts.LabelOpts(is_show=False))
     .add_yaxis('售货机D',y[3],label_opts=opts.LabelOpts(is_show=False))
     .add_yaxis('售货机E',y[4],label_opts=opts.LabelOpts(is_show=False))
     )
line.render('售货机每月总交易额折线图.html')
line.render_notebook()

Out[182]:

（4）设置系统配置项和全局配置项，绘制售货机各类（按大类）商品的销售额饼图

In [183]:

import warnings
warnings.filterwarnings('ignore')
category_sales = data.groupby(['地点', '大类'])['实际金额'].sum().reset_index()
###写一个类方法，按照大类（非饮料和饮料）和各类（A、B、C、D、E）来对大类重新进行一个命名，可以更加直观看出数据属于哪类
##以字典形式处理
def dl_gl(dl):
    mapping = {
        ('非饮料', 'A'): 'A非饮料',
        ('非饮料', 'B'): 'B非饮料',
        ('非饮料', 'C'): 'C非饮料',
        ('非饮料', 'D'): 'D非饮料',
        ('非饮料', 'E'): 'E非饮料',
        ('饮料', 'A'): 'A饮料',
        ('饮料', 'B'): 'B饮料',
        ('饮料', 'C'): 'C饮料',
        ('饮料', 'D'): 'D饮料',
    }
    return mapping.get((dl['大类'], dl['地点']), 'E饮料')
##调用方法
category_sales['大类'] = category_sales.apply(dl_gl, axis=1)

from pyecharts.charts import Pie
# 绘制饼图
pie = Pie()
pie.add("", [list(z) for z in zip(category_sales['大类'].values.tolist(), list(category_sales.sum(axis=1)))])
pie.set_global_opts(legend_opts=opts.LegendOpts(orient="vertical", pos_top="15%", pos_left="2%"))
pie.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
pie.render('售货机各类（按大类）商品的销售额饼图.html')
pie.render_notebook()

 

 

#（4）设置系统配置项和全局配置项，绘制售货机各类（按大类）商品的销售额饼图
temp=data.groupby('大类')['实际金额'].sum()##进行分组统计
temp=pd.DataFrame(temp)
temp=temp.T##将获取的数据进行一个转置，便于计算
pie = (
    Pie()
        .add('', [list(z) for z in zip(temp.columns.tolist(), temp.loc['实际金额'].values.tolist())])
        .set_global_opts(title_opts=opts.TitleOpts(title='售货机各类（按大类）商品的销售额饼图'))
        .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render('售货机各类（按大类）商品的销售额饼图2.html')
pie.render_notebook()

In [185]:

 

（5）设置系统配置项和全局配置项，绘制2017年每月每台售货机的销售额的时间线轮播多图

In [186]:

from pyecharts.charts import Timeline

# 按售货机和月份分组，计算每台售货机每月的总交易额
data_monthly = data.groupby(['地点', '月份'])['实际金额'].sum().reset_index()

# 创建时间线轮播多图
timeline = Timeline()

# 添加每个月的图表
for month in data_monthly['月份'].unique().tolist():
    bar = (
        Bar()
        .add_xaxis(data_monthly[data_monthly['月份'] == month]['地点'].tolist())
        .add_yaxis("销售额", data_monthly[data_monthly['月份'] == month]['实际金额'].tolist())
        .set_global_opts(title_opts=opts.TitleOpts(title="2017年{}月每台售货机销售额".format(month)))
    )
    timeline.add(bar, "{}月".format(month))
timeline.render('2017年每月每台售货机的销售额的时间线轮播多图.html')
timeline.render_notebook()

Out[186]:

 

In [187]:

from pyecharts import options as opts
from pyecharts.charts import Line, Timeline
data['年份']=data['支付时间'].dt.year
# 获取2017年每月每台售货机的销售额数据
monthly_amount = data[data['年份'] == 2017].groupby(['地点', '月份']).sum()['实际金额'].reset_index()

# 绘制时间线轮播多图
timeline = (
    Timeline()
    .add_schema(play_interval=1000)
)

for location in ['A', 'B', 'C','D','E']:
    line = (
        Line()
        .add_xaxis(monthly_amount[monthly_amount['地点'] == location].月份.tolist())
        .add_yaxis("销售额", monthly_amount[monthly_amount['地点'] == location]['实际金额'].tolist())
        .set_global_opts(title_opts=opts.TitleOpts(title="售货机{}每月销售额折线图".format(location)))
    )
    timeline.add(line, "{}售货机".format(location))
timeline.render('2017年每月每台售货机的销售额的时间线轮播多图2.html')
timeline.render_notebook()

（6）设置系统配置项和全局配置项，绘制售货机每月各类（按大类）商品的销售额饼图的并行多图

In [188]:

#（6）设置系统配置项和全局配置项，绘制售货机每月各类（按大类）商品的销售额饼图的并行多图
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts import options as opts
from pyecharts.charts import Bar,Line,Pie, Timeline,Grid
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore')
colors1= ["#00FF80","#800000"]
colors2= ["#000080","#008000 "]
colors3= ["red", "yellow"]
colors4= ["#FF0080", "#80FF00"]
colors5= ["#FF0000", "#00FF00#800000"]
# 获取每台售货机各类（按大类）商品的销售额数据
category_amount = data.groupby(['地点', '大类']).sum()['实际金额'].reset_index()
# init_opts=opts.InitOpts(width='50px', height='40px')
pie1 = (
    Pie(init_opts=opts.InitOpts(width='50px', height='40px',theme=ThemeType.LIGHT))
    .add("", [list(z) for z in zip(category_amount[category_amount['地点'] == 'A'].大类.tolist(), 
                                     category_amount[category_amount['地点'] == 'A']['实际金额'].tolist())], 
         radius=["30%", "50%"], center=["15%", "50%"], rosetype="radius" ) 
    .set_colors(colors1)
    .set_global_opts(title_opts=opts.TitleOpts(title="商品的销售额饼图的并行多图"))
)
pie2= (
    Pie(init_opts=opts.InitOpts(width='50px', height='40px',theme=ThemeType.VINTAGE))
    .add("", [list(z) for z in zip(category_amount[category_amount['地点'] == 'B'].大类.tolist(), 
                                     category_amount[category_amount['地点'] == 'B']['实际金额'].tolist())], 
         radius=["30%", "50%"], center=["30%", "50%"], rosetype="radius").set_colors(colors1)
    .set_colors(colors2)
)

# 绘制饼图
pie3 = (
    Pie(init_opts=opts.InitOpts(width='50px', height='40px',theme=ThemeType.WONDERLAND))
    .add("", [list(z) for z in zip(category_amount[category_amount['地点'] == 'C'].大类.tolist(), 
                                     category_amount[category_amount['地点'] == 'C']['实际金额'].tolist())],
         radius=["30%", "50%"], center=["50%", "50%"], rosetype="radius")
    .set_colors(colors3)
)
pie4 = (
    Pie(init_opts=opts.InitOpts(width='50px', height='40px',theme=ThemeType.ROMA))
    .add("", [list(z) for z in zip(category_amount[category_amount['地点'] == 'D'].大类.tolist(), 
                                     category_amount[category_amount['地点'] == 'D']['实际金额'].tolist())],
         radius=["30%", "50%"], center=["65%", "50%"], rosetype="radius")
    .set_colors(colors4)
)
pie5 = (
    Pie(init_opts=opts.InitOpts(width='50px', height='40px',theme=ThemeType.WESTEROS))
    .add("", [list(z) for z in zip(category_amount[category_amount['地点'] == 'E'].大类.tolist(), 
                                     category_amount[category_amount['地点'] == 'E']['实际金额'].tolist())], 
         radius=["30%", "50%"], center=["85%", "50%"], rosetype="radius") 
    .set_colors(colors5)
)

grid = (
    Grid()
    .add(pie1, grid_opts=opts.GridOpts(pos_left="30%", pos_top="30%"))
    .add(pie2, grid_opts=opts.GridOpts(pos_left="60%", pos_right="30%"))
    .add(pie3, grid_opts=opts.GridOpts(pos_left="50%", pos_right="5%"))
    .add(pie4, grid_opts=opts.GridOpts(pos_left="70%", pos_right="5%"))
    .add(pie5, grid_opts=opts.GridOpts(pos_left="90%", pos_right="5%"))
)
grid.render('售货机每月各类（按大类）商品的销售额饼图的并行多图.html')
grid.render_notebook()#从左到右分别是A，B，C，D，E

绘制售货机各类（按大类）全年商品的销售额饼图和柱形图的并行多图

In [189]:

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar, Line, Pie, Grid, Timeline
from pyecharts.charts import Page
from pyecharts.globals import ThemeType
from pyecharts.charts import Timeline
bart = data.groupby(['地点', '大类']).sum()['实际金额'].reset_index()
bart=pd.DataFrame(bart)
fyl = []
yl = []
for index, row in bart.iterrows():
    if row['大类'] == '非饮料' and row['地点'] in ['A', 'B', 'C', 'D', 'E']:
        fyl.append(row)
    else:
        yl.append(row)
        
fyl=pd.DataFrame(fyl)
yl=pd.DataFrame(yl)
are=['A', 'B', 'C', 'D', 'E']
fyl=fyl['实际金额'].values.tolist()
yl=yl['实际金额'].values.tolist()
init_opts=opts.InitOpts(width='1200px',height='720px',theme=ThemeType.ROMA)
bar=(
    Bar(init_opts)
    .add_xaxis(are)
    .add_yaxis('非饮料',fyl)
    .add_yaxis('饮料',yl)
    .set_global_opts(title_opts=opts.TitleOpts(title='售货机每月各类（按大类）商品的销售额饼图的并行多图'),
                     legend_opts=opts.LegendOpts(pos_left="15%",pos_top="25"),
                     yaxis_opts=opts.AxisOpts(name='销售额'),
                     xaxis_opts=opts.AxisOpts(name='地点'))
    
)
area=['售货机A', '售货机B', '售货机C', '售货机D', '售货机E']
pie1=(
    Pie()
    .add('',[list(z) for z in zip(area,fyl)],
        radius=[20,100],center=[750,600])
    .set_global_opts(title_opts=opts.TitleOpts(title='非饮料类销售情况',pos_top="60%",pos_left="55%"),
                    legend_opts=opts.LegendOpts(orient='vertical',pos_left="90%",pos_bottom="50"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)',position="outside",color=['red','blue','green','purple','skyblue']))

)
pie2=(
    Pie()
    .add('',[list(z) for z in zip(area,yl)],
        radius=[15,100],center=[750,200])
    .set_global_opts(title_opts=opts.TitleOpts(title='饮料类销售情况',pos_top="50",pos_left="55%"),
                    legend_opts=opts.LegendOpts(orient='vertical',pos_left="90%"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} \n ({d}%)'),position="outside",color=['red','blue','green','purple','skyblue'])

)
grid=(Grid(init_opts=opts.InitOpts(width='1200px',height='720px',theme=ThemeType.ROMA)))
grid.add(bar,grid_opts=opts.GridOpts(pos_left="5%", pos_right="60%"))
grid.add(pie1,grid_opts=opts.GridOpts(pos_bottom="60",pos_left="60%"))
grid.add(pie2,grid_opts=opts.GridOpts(pos_top="60",pos_left="60%"))
grid.render('售货机各类（按大类）全年商品的销售额饼图和柱形图的并行多图.html')
grid.render_notebook()

实验环境：

硬件：计算机
软件：python+jupyter notebook+matplotlib

实验结果：

销量前5的商品是？

In [191]:

data3.columns

Out[191]:

Index(['怡宝纯净水', '脉动', '东鹏特饮', '阿萨姆奶茶', '营养快线'], dtype='object', name='商品')
答：由（1）可知销量前5的商品是怡宝纯净水、脉动、东鹏特饮、阿萨姆奶茶、营养快线。

售货机每月总交易情况如何？

答：从中可以看出5 ~ 12月相对来说，波动比较大。
从第（3）题售货机每月总交易额折线图和第（5）题2017年每月每台售货机的销售额的时间线轮播多图的折线图结合起来，
可以看出总交易额A售货机在5 ~ 12 月波动比较大，B售货机和C售货机在6 ~ 11月波动较大，
D售货机6 ~ 10 月波动较大，E售货机在7 ~ 12 月波动较大。
在十二个月当中，A售货机和D售货机在十二月份的时候有一个最高点，
B售货机和C售货机在十月份的时候有一个最高点，
E售货机在十一月份的时候有一个最高点，
也就是说这是总交易额最高的时候的月份，销售量最好的时候。
在二月和七月当中各类售货机的总交易额都比较低，和其他月份相比较起来，
在六月份时候，出现5 ~ 6月份总交易额暴涨,6 ~ 7月总交易额爆跌的现象。
总体来看E售货机的总交易额波动最为明显，当先看第（5）题2017年每月每台售货机的销售额的时间线轮播多图的折线图会发现其实波动起#### 伏都比较大，
但是再回过来看第（3）题的图的时候你会发现E售货机的波动起伏最为明显，其他售货机的相对来说平缓一些。
对比发现，E售货机的总交易额就像股票呈现一个暴涨暴跌的状态，如果选择E售货机进行炒股的话，对于稳定性收入的人不太适合。
但总体来说，E售货机的销量额是比较好的，因为它的总交易额在十二个月当中普遍最高。
从第（5）题2017年每月每台售货机的销售额的时间线轮播多图的柱形图来看，
从柱形图当中可以很清楚的看到十二个月里面经常会出现这样的情形E售货机 > C售货机> B售货机 > A售货机> D售货机 ；
按各类售货机来看，总体来说十二月中，E售货机每月的总交易额普遍偏高，D售货机普遍偏低，相对于其他售货机而言。

 

 

 

o不ok!
关注
  • 10
    点赞
  • 踩
  • 50
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
干货 | 使用pyecharts绘制交互式动态地图
xilu_data的博客
12-10 1398
干货 | 使用pyecharts绘制交互式动态地图 说到pyecharts，相信很多人不会陌生，一个优秀的python可视化包。 pyecharts是中国人开发的，相比较matplotlib、seaborn等老牌可视化库，pyecharts是十分符合国内用户习惯的，尤其在地理空间图表方面。 本文是想试探一下pyecharts在绘制地理图表方面的功底如何，那就开始吧！ 安装pyecharts py...
pyecharts绘图
BaiJing1999的博客
11-18 2261
pyechartspyecharts绘图pyecharts 介绍pyecharts 特性pyecharts 安装pyecharts 初体验折线图Pie 饼图环形图散点图标注每一个点的数值多个参数控制散点大小——sybol_size=number控制散点形状——symbol="circle" pyecharts绘图 pyecharts官网 pyecharts 介绍 ECharts，一个使用JavaS...
绘制交互式基础图形
m0_73781862的博客
04-26 1233
统计2017年6月销量前五的商品销量、每台售货机每月的总交易额、每台售货机各类（大类）商品的销售额，并利用这些数据集绘制相关图形。数据集链接：https://pan.baidu.com/s/1fDubZdmnfR5iyfPN9b9_bQ?6.设置系列配置项和全局变量项，绘制售货机每月各类（大类）商品的销售额饼图的并行多图。5.设置系列配置项和全局变量项，绘制2017年每月每台售货机的销售额的时间线轮播多图。4.设置系列配置项和全局变量项，绘制售货机各类（大类）商品的销售额饼图。
Python-2018年“泰迪杯“数据分析职业技能大赛B题任务二-个人代码分享[完整更新版]
weixin_45921726的博客
01-02 8488
用python完成泰迪杯B题的任务二前言1.问题重述2.问题分析3.问题的求解4.代码展示5.结果展示6.对代码的一些注释后语 前言 Hello，大家好我双来了(๑╹◡╹)ﾉ”！这次给大家带来泰迪杯任务二的代码分享，那么废话不多说直接开始吧！ 1.问题重述 题目源文件：https://pan.baidu.com/s/1HZvjMo9ct5nG5FYqzcta4Q 任务 2.1 绘制 2017 ...
python基本图形绘制
夏末秋也凉的博客
08-26 368
目录 不同编程语言的开发目的和适用对象 编程语言的种类 机器语言： 汇编语言： 高级语言： 超级语言： turtle库的使用： turtle基本介绍： turtle绘图窗体布局 turtle空间坐标体系 绝对坐标 海龟坐标 turtle角度坐标体系 绝对角度 海龟角度 RGB色彩体系 程序语法元素分析 turtle画笔控制函数 turtle运动控制函数 turtle方向控制函数 基本循环语句 不同编程语言的开发目的和适用对象 学习内容
2018年“泰迪杯”数据分析职业技能大赛B题
qq_64611070的博客
07-30 3573
2018年泰迪杯B题的代码分享，包含任务一、任务二,适合初学者，较简单易懂。
python 数据分析可视化实战 超全超详细
02-16 1583
python 数据分析可视化实战 超全超详细
基于python 数据分析可视化实战 超全 附完整代码数据.zip
01-11
基于python 数据分析可视化实战 超全 附完整代码数据.zip 制2017年6月销量前五的商品销量柱状图:先将时间转换为标准格式，再讲时间列换位到索引上，用户输入...根据销量对字典进行排序，获取用户画前几的柱状图，绘图。
数据可视化技术应用-pyecharts可视化绘图.pptx
02-16
Pyecharts是Python中的一款强大数据可视化库，专门用于生成交互式的JavaScript图表，其易用性和灵活性使得在Python环境中进行数据可视化变得简单。 在使用Pyecharts进行数据可视化时，主要分为以下几个步骤： 1. *...
Python基于pyecharts实现关联图绘制
12-20
`pyecharts`是Python中的一个ECharts图表库，它提供了一系列丰富的交互式图表类型，包括关联图。 首先，我们来详细解释这个过程： 1. **数据准备**： - 在这个示例中，数据可能来源于Word2Vec模型，该模型用于...
使用pyecharts1.7进行简单的可视化大全
09-16
PyEcharts 提供了丰富的图表类型，如折线图、柱状图、饼图等，支持多种配置项，可以轻松地生成动态交互式的图表。 在本文档中，我们将详细介绍如何使用 PyEcharts 1.7 版本进行简单的数据可视化，包括如何设置不同...
基于Python（Pyecharts）绘制个人足迹地图【100010383】
01-10
Pyecharts是一个用于生成Echarts图表的Python库，它允许我们利用Python的简洁语法创建丰富的、交互式的可视化图表，包括地图。以下是你需要了解的关键知识点： 1. **Python基础知识**：首先，你需要对Python编程有...
基于Python的自动售货机销售数据可视化分析及预测
毕业作品网站
07-10 7193
销量前五的商品销量柱状图:先将时间转换为标准格式，再讲时间列换位到索引上，用户输入要绘制那一月的销量柱状图，通过循环遍历得到次月商品名单，创建等长零列表，两列表压缩成字典，依次更新字典中商品销量，根据销量对字典进行排序，获取用户画前几的柱状图，绘图。......
pyecharts实现并行多图
YinXyz000的博客
12-14 124
请基于pyecharts，用柱形图和折线图在同一个坐标系展示表1数据，得到图1。将上述图1到图4，利用“并行多图”的方式排布，得到图5。请基于pyecharts，用堆积柱形图展示表3数据，得到图3。请基于pyecharts，用雷达图展示表4数据，得到图4。表1. 2014-2021年中国中医类医疗卫生机构诊疗量。请基于pyecharts，用环图展示表2数据，得到图2。将上述图1到图5，利用“轮播多图”的方式排布，得到图6。表3. 全国药店中药饮片供应商占比情况。表4. 全国药店药品销售额占比。
Echarts无人售货机梳理
Xiaozou_Q的博客
05-13 1101
分析：由图可以看出，除销售金额外，其余各特征的环比增长率均大于0；平均每天的销售额在5000元以上，每日销售金额环比增长率波动幅度较大，2019年9月26日销售额的增长速度最快；在支付方式上，用户普遍使用微信或支付宝的方式进行支付。
无人售货机项目分析
x11__111的博客
05-13 576
（Bubble Chart）是一种多变量的图片，是散点图的一种变体，气泡图其实是在散点图的基础上进行升级改造的，在原有的以横纵坐标为变量的基础上，引入第三个变量，用气泡的大小来表示，是一种展示三个变量之间关系的数据图表，因此被称为气泡图。对比饼图，环形图能够比较方便的对比各个不同的环形图，而不是将注意力关注在饼图的各个扇形所占整体比重上，一般来说饼图很难进行多个饼图直接的对比，而且饼图的空间利用率不如环形图，环形图内部空心部分可以显示文本信息，标题等。饼图适用于二维数据，一个是分类字段，一个连续数据字段。
并行多图，顺序多图，选项卡地图，时间线轮播图的动态图片的绘制
weixin_46700209的博客
12-30 1687
1.并行多图 from pyecharts import options as opts from pyecharts.charts import Bar, Geo, Grid from pyecharts.faker import Faker bar = ( Bar(init_opts=opts.InitOpts(width="200px",height="300px")) .add_xaxis(Faker.choose()) .add_yaxis("商家A", Faker.v
pyecharts
睥睨意的博客
04-13 800
pyecharts
python之matplotlib （5 散点图和柱状图）
最新发布
这是C.L 的博客，欢迎大家学习浏览！！
08-20 339
附：colormap对照 '%.f'%y‘是标注数据的形式设置：保留两位小数，数据来源于y数组。也可以这样写：f'{y:.2f}',在它前面的参数是标注的位置。也可以是一个数组，表示每个点的颜色不同。ax.bar()中y参数是直方图的高度，其中facecolor是条形图的颜色，而edgecolor是除了条形图内的颜色。也可以是一个数组，表示每个点的大小不同。参数来指定一个colormap，用于映射颜色数组到颜色。
pyecharts绘图工具
06-07
Pyecharts是一个Python数据可视化库，它基于Echarts实现了大量的图表类型，可以轻松地创建各种交互式图表。通过Pyecharts可以绘制多种图表类型，如折线图、柱状图、散点图、地图等，并且可以自定义样式和配置项，...
评论 4
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