- 博客(30)
- 收藏
- 关注
RSS订阅原创 Pandas：利用Styler对象设置Series、Dataframe在Jupyter Notebook中的输出样式（3）——格式化显示值、内置显示值格式化方法、表格外观、样式复用
当前pandas版本为：1.2.5。Styler对象内置样式概述pandas数据结构在Jupyter Notebook中的格式化依赖于pandas中的Styler对象。Dateframe.style属性返回值为Styler对象。Styler对象通过生成CSS样式进行格式化。Styler对象内置了一系列样式方法。highlight_null：高亮显示null值。highlight_min ：高亮显示最小值。highlight_max：高亮显示最大值。background_gradient：依
2021-06-30 02:09:31
32290
1
原创 Pandas：利用Styler对象设置Series、Dataframe在Jupyter Notebook中的输出样式（2）——内置样式
当前pandas版本为：1.2.5。Styler对象内置样式概述pandas数据结构在Jupyter Notebook中的格式化依赖于pandas中的Styler对象。Dateframe.style属性返回值为Styler对象。Styler对象通过生成CSS样式进行格式化。Styler对象内置了一系列样式方法。highlight_null：高亮显示null值。highlight_min ：高亮显示最小值。highlight_max：高亮显示最大值。background_gradient：依
2021-06-29 01:47:56
32187
1
原创 Pandas：利用Styler对象设置Series、Dataframe在Jupyter Notebook中的输出样式（1）——基础接口
当前pandas版本为：1.2.5。概述Jupyter Notebook能够风靡Python数据科学圈的重要原因之一就是可以便捷的显示pandas数据结构。pandas数据结构在Jupyter Notebook中的格式化依赖于pandas中的Styler对象。Dateframe.style属性返回值为Styler对象。Styler对象通过生成CSS样式进行格式化。Styler类定义在pandas/io/formats/style.py中，具体原理随后详述。接口格式化主要通过以下方法实现。S
2021-06-28 23:42:17
31539
2
原创 ECharts 示例——基础柱状图：包含常规组件
当前ECharts版本为5.1.2。概述按照其他可视化工具中柱状图的默认样式，对ECharts基础柱状图进行如下设置：标题，副标题：设置居中，修改字体大小图例：设置图例位置工具栏：显示工具栏背景色：设置为白色坐标轴标签：设置居中显示、标签与轴间距数据标签：顶部显示网格线：显示网格线提示框：显示提示框配置项option = { //设置提示框 tooltip: { trigger: 'axis', axisPointer: {
2021-06-27 20:48:21
31632
原创 Flask ：AttributeError: ‘Token‘ object has no attribute ‘test‘错误解决方法
错误现象在使用render_template渲染页面时，抛出AttributeError: 'Token' object has no attribute 'test'异常。程序环境为：Python3.6.0Flask 1.1.0Jinja2 3.0.1错误原因Python3.6.0与Jinja2 3.0.1不兼容解决方法升级Python解释器，使用3.6.0以上版本。降级Jinja2 ，使用3.0.1以下版本。...
2021-06-26 11:00:52
32394
4
原创 案例：pandas添加汇总行、汇总列
需求现有一批成绩，要求统计每名学生的总成绩并添加“总分”列，统计各科成绩的平均分和标准差并添加相应行。要点结合pandas.apply函数和轴方向对行列进行统计。实现import pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#读取数据score = pd.read_csv('./s
2021-06-25 12:52:36
38436
3
原创 案例：利用pandas按区间统计各分数段成绩人数并可视化
需求现有一批成绩，要求统计各分数段人数并可视化。要点pandas.cut可以把一组数据分割成离散的区间，并用为数据打上标签。然后配合pandas.value_counts函数按值计数。注意！仅能应用于Series类型。实现1代码：import pandas as pdimport matplotlib.pyplot as plt# 分数score = [22,51,60,80,70,96,89,95,68,88,85,79,100]# 设置分段bins=[0,60,70,80,90
2021-06-24 01:07:56
45794
原创 pyecharts源码解读（18）HTML组件包components之图像组件Image
当前pyecharts的版本为1.9.0。components包概述components包位于pyecharts包顶级目录中，用于定义pyecharts的HTML组件。包结构如下：├─components # HTML组件包│ │ image.py # 定义图像组件类Image│ │ table.py # 定义表格组件类Table│ │ __init__.py # 重构命名空间，将组件类命名空间提升至components包命名空间目前HTML组件类Table 和Image 与复合
2021-06-23 13:31:22
31392
3
原创 pyecharts源码解读（17）HTML组件包components之表格组件Table
当前pyecharts的版本为1.9.0。components包概述components包位于pyecharts包顶级目录中，用于定义pyecharts的HTML组件。包结构如下：├─components # HTML组件包│ │ image.py # 定义图像组件类Image│ │ table.py # 定义表格组件类Table│ │ __init__.py # 重构命名空间，将组件类命名空间提升至components包命名空间Table类pyecharts/componen
2021-06-22 00:58:45
36771
13
原创 pyecharts源码解读（16）图表类包charts之组合图表： 顺序多图Page
当前pyecharts的版本为1.9.0。概述pyecharts/charts/composite_charts/包中的四个模块分别定义了组合图表类，其中pyecharts/charts/composite_charts/page.py模块只定义了顺序类Page。Page类继承自图表基类CompositeMixin，作用为在一个容器中顺序显示多个图表。输出的HTML结构如下：Page类的签名为class Page(page_title: str = "Awesome-pyecharts", js_
2021-06-21 01:53:24
31944
1
原创 pyecharts源码解读（15）图表类包charts之组合图表： 选项卡Tab
当前pyecharts的版本为1.9.0。概述pyecharts/charts/composite_charts/包中的四个模块分别定义了组合图表类，其中pyecharts/charts/composite_charts/tab.py模块只定义了选项卡类Tab。Tab类继承自图表基类CompositeMixin，作用为利用选项卡（tab）控制多个图表的展示。输出的HTML结构如下：创建一个选项div，每个图表对应一个按钮， 用于切换显示图表。创建一个图表div，每个图表构造一个单独的div，作为图
2021-06-20 01:49:01
32402
1
原创 pyecharts源码解读（14）图表类包charts之组合图表：时间线轮播TimeLine
当前pyecharts的版本为1.9.0。概述pyecharts/charts/composite_charts/包中的四个模块分别定义了组合图表类，其中pyecharts/charts/composite_charts/timeline.py模块只定义了时间线类Timeline。Timeline类继承自图表基类Base，作用为在一个echarts实例中利用2×2网格布局同时绘制4个数据系列。即实现ECharts中的直角坐标系grid功能。注意！网格上仅支持绘制折线图，柱状图，散点图（气泡图）。G
2021-06-19 10:27:01
31735
原创 pyecharts源码解读（13）图表类包charts之组合图表：直角坐标系（网格布局）Grid
当前pyecharts的版本为1.9.0。概述pyecharts/charts/composite_charts/包中的四个模块分别定义了组合图表类，其中pyecharts/charts/composite_charts/grid.py模块只定义了网格布局类Grid。Grid类继承自图表基类Base，作用为在一个echarts实例中利用2×2网格布局同时绘制4个数据系列。注意！网格上仅支持绘制折线图，柱状图，散点图（气泡图）。Grid类的签名为class Grid( init_opts: opts
2021-06-18 01:53:49
31595
2
原创 pyecharts源码解读（12）图表类包charts之chart模块：常用图表基类Chart、直角坐标系图表基类RectChart、3D图表基类Chart3D
当前pyecharts的版本为1.9.0。pyecharts/charts/chart.py模块结构pyecharts/charts/chart.py模块主要元素为4个类：Chart类：除复合图表之外所有常用图表类的基类，它的父类为Base类。RectChart类：直角坐标系图表类的基类，父类为Chart类。Chart3D类：3D图表类的基类，父类为Chart类。ThreeAxisChart类：三维坐标系图表基类，父类为Chart3D类。pyecharts常用图表类的继承关系Chart
2021-06-17 01:00:59
31973
原创 pyecharts源码解读（11）图表类包charts之包结构及base模块：图表类继承关系、图表基类Base
当前pyecharts的版本为1.9.0。charts包结构charts包位于pyecharts包顶级目录中，用于定义图表类。charts包的结构如下：│├─charts # 图表类包│ │ base.py # 定义了图表基类Base│ │ chart.py # 基于base类定义了基本图表基类Chart、直角坐标系图表RectChart、3D图表基类Chart3D、│ │ mixins.py # 定义多重继承基类ChartMixin、CompositeMixin│ │ __
2021-06-16 04:00:24
31614
原创 pyecharts源码解读（10）渲染包render之templates目录：渲染模板
`templates`目录路径为`pyecharts/render/templates`，作用为存放渲染模板。`pyecharts`使用`jinja2`库的模板引擎生成HTML。`templates`目录中的文件主要有两类：- `macro`：模板宏定义。宏类似常规编程语言中的函数。它们用于把常用行为作为可重用的函数，取代手动重复的工作。宏还可以传递参数，因此可以实现`pyecharts`对象的渲染。- `模板文件`：模板文件分为两大类，`nb`开头的html文件是针对notebook的模板，其余
2021-06-15 01:24:56
32563
原创 pyecharts源码解读（9）渲染包render之engine模块：渲染引擎
当前pyecharts版本为1.9.0概述render包结构render包位于pyecharts包顶级目录中，用于渲染图表。render包结构如下：├─render # 渲染设置包│ │ display.py # 定义HTML、JavaScript显示类，用于支持在notebook中嵌入输出结果│ │ engine.py # 定义渲染相关类、函数│ │ snapshot.py # 定义渲染图片函数│ │ __init__.py # 暴露渲染图片函数│ ││ ├─tem
2021-06-14 01:08:50
31699
原创 pyecharts源码解读（8）渲染包render之snapshot模块：将结果渲染为图片
当前pyecharts版本为1.9.0概述render包结构render包位于pyecharts包顶级目录中，用于渲染图表。render包结构如下：├─render # 渲染设置包│ │ display.py # 定义HTML、JavaScript显示类，用于支持在notebook中嵌入输出结果│ │ engine.py # 定义渲染相关类、函数│ │ snapshot.py # 定义渲染图片函数│ │ __init__.py # 暴露渲染图片函数│ ││ ├─tem
2021-06-13 01:34:51
33223
2
原创 pyecharts源码解读（7）渲染包render之display模块：构造HTML、Javascript代码
当前pyecharts版本为1.9.0概述render包结构render包位于pyecharts包顶级目录中，用于渲染图表。render包结构如下：├─render # 渲染设置包│ │ display.py # 定义HTML、JavaScript显示类，用于支持在notebook中嵌入输出结果│ │ engine.py # 定义渲染相关类、函数│ │ snapshot.py # 定义渲染图片函数│ │ __init__.py # 暴露渲染图片函数│ ││ ├─tem
2021-06-12 01:54:20
31726
3
原创 pyecharts源码解读（6）工具包commons概述：封装JavaScript代码、有序集合数据结构、移除字典中值为None的元素
当前pyecharts版本为1.9.0概述commons包位于pyecharts包顶级目录中，用于定义pyecharts的工具类和工具函数。包结构如下：├─commons # 工具包│ │ utils.py # 定义工具类、工具函数│ │ __init__.py # 空文件commons包的主要功能定义在utils.py模块中。utils.py模块的主要元素如下：JsCode( js_code: str)类：封装JavaScript代码，在JavaScript代码两端增加分隔符--
2021-06-11 01:59:25
31442
原创 pyecharts源码解读（5）数据集包datasets概述：支持模糊查找键的数据结构FuzzyDict
当前pyecharts版本为1.9.0概述datasets包位于pyecharts包顶级目录中，用于存放pyecharts的内置数据集，并将数据集映射到固定的三个“全局”变量中。包结构如下：├─datasets # 数据集包│ │ city_coordinates.json # 省市县坐标集│ │ countries_regions_db.json # 国家地区缩写│ │ map_filename.json # 资源文件名称、路径映射表│ │ __init__.py # 定义字
2021-06-10 01:55:59
31419
原创 pyecharts源码解读（4）配置包options概述：配置项类结构
当前pyecharts版本为1.9.0概述options包位于pyecharts包顶级目录中，用于定义pyecharts的配置类。包结构如下：├─options # 配置项包│ │ charts_options.py # 定义图表项配置类│ │ global_options.py # 定义全局配置类│ │ series_options.py # 定义系列配置类│ │ __init__.py # 暴露包内3个模块的所有配置类在pyecharts中，所有配置都被定义为独立的类，
2021-06-09 01:20:49
33454
原创 pyecharts源码解读（3）内置数据集模块faker
当前pyecharts版本为1.9.0概述faker模块位于pyecharts包顶级目录中，文件名为faker.py。用于定义pyecharts的内置数据集。faker模块按照Python常用的设计模式，把在全局范围内使用的变量定义在单一模块中的类中。模块包含1个“私有”类_Faker、2个变量：_Faker类实例Faker（注意是Faker，此处未遵循Python常见命名规范）和POPULATION。Faker变量属性绝大多数属性均为列表结构，可用作类别数据。clothes = ["衬衫"
2021-06-08 02:24:49
31462
原创 pyecharts源码解读（2）“全局变量”模块globals，修改页面标题
概述globals模块位于pyecharts包顶级目录中，文件名为globals.py。用于定义pyecharts的“全局变量”。globals模块按照Python常用的设计模式，把在全局范围内使用的变量定义在单一模块中的类中。模块包含11个“私有”类、12个变量，除ToolTipFormatterType外，其余变量均为对应类的实例。# 渲染方式RenderType = _RenderType()# 允许的生成的文件类型FileType = _FileType()# Symbol 样式类型
2021-06-07 22:19:51
32561
原创 pyecharts源码解读（1）包目录结构、模块功能概述
pyecharts包（当前版本1.9.0）结构如下：echarts│ exceptions.py # 定义了两个自定义异常类，用于处理地理坐标和词云蒙版图片异常。│ faker.py # pyecharts内置的样例数据│ globals.py # 定义全局变量│ types.py # 定义主要图表类的类型提示│ _version.py # 定义版本信息、作者信息│ __init__.py # 包命名空间整理，导入子包和版本信息│├─charts│ │ base.py│
2021-06-06 00:38:06
30970
原创 pyecharts根据echarts配置项生成图表（通过将JavaScript对象转换为Python字典）
用过echarts的同学都知道，它提供了一个叫setOptions的方法，通过这个方法我们传入一个options就可以生成一个图表了。对开发者而言，这是非常方便的，我们只需维护这个options变量就OK了。转过头看pyecharts，由于对echarts进行了封装，所以需要源码安装，看看人家是怎么封装的，才能知道怎么用啊。，官方文档也说了Base类是所有图表类基类，所以options有很大概率是在这里被初始化的。注意：正常来讲options应该是JSON格式的，但是在python中需要对其进行反序
2021-06-05 10:45:15
31085
原创 pyecharts在jupyter notebook和jupyter lab中的渲染方法
pyecharts提供了多种渲染机制，支持在Jupyter Notebook和Jupyter Lab单元格输出中直接渲染图形，并保持交互性。Jupyter Notebook在Jupyter Notebook中直接调用render_notebook方法即可随时随地渲染图表。例如：from pyecharts.charts import Barbar = Bar()bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])bar.add_yaxi
2021-06-04 00:50:08
34978
3
原创 pyecharts新旧版本（v0.5.X 和 v1）的区别
pyecharts作为一个用于生成ECharts图表的Python第三方库，近几年流行度很高。目前，pyecharts版本有两大分支，v0.5.X 和 v1， 两个版本是完全不兼容的！两个版本的包结构、类和方法都有非常的区别！v0.5.X维护状态：停止维护，最终版本0.5.11平台：支持 Python2.7，3.4+文档：http://05x-docs.pyecharts.org/快速案例：from pyecharts import Barbar = Bar("我的第一个
2021-06-03 00:36:18
32876
5
原创 案例：利用Pandas按年月、考试科目汇总学生成绩并展示为并列柱状图
需求现有一批学生成绩，需要分析不同月份各科考试成绩波动情况，根据数据可知，即按照考试月份及考试科目对成绩汇总求平均成绩。问题解决根据数据源结构可知，主要难点如下：源数据中的日期列格式为年/月/日，为便于汇总，需转换为年/月格式。需要按日期、考试科目对分数进行分组并求均值。需要将分析结果以柱状图的形式进行展示关键中间结果读取数据data = pd.read_excel("考试分数.xlsx")df = data[['日期','考试科目','分数']]转换日期df["日期"]
2021-06-02 01:06:28
32766
原创 matplotlib之pyplot模块——绘制小提琴图violinplot()
当前有效matplotlib版本为：3.4.1。概述violinplot()函数的作用是绘制小提琴图。小提琴图和箱形图有点类似，它也可以显示四分位数（quartile）。不同于箱形图是通过长方形呈现的，以及绘图组件都对应实际的数据点，小提琴图集合了箱形图和密度图的特征，主要用来显示数据的分布状态，它能很好地表征了连续变量数据的分布情况。在外形上，因为所绘制的图形像一把把小提琴，故名“小提琴图”。小提琴图是用于观察多个数据分布情况的有效媒介，相比于箱形图，它在视觉上更令人愉悦。函数的签名为matplo
2021-06-01 01:27:03
39052
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人