python学习day15地图、柱状图

最新推荐文章于 2024-08-16 00:28:12 发布
最新推荐文章于 2024-08-16 00:28:12 发布
阅读量281 收藏 4
点赞数 5
分类专栏： Python学习 文章标签： python 学习 信息可视化
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/qq_54714615/article/details/141193470
版权

地图、柱状图

地图

在这里插入图片描述


from pyecharts.charts import Map
map=Map()
data=[
    ('北京市',999),
    ('上海市',133),
    ('河南省',123),
    ('西藏自治区',123),
    ('吉林省',12),
]

map.add("地图",data,"china")
map.render()

在这里插入图片描述

示例


from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

map=Map()
data=[
    ('北京市',999),
    ('上海市',133),
    ('河南省',123),
    ('西藏自治区',123),
    ('吉林省',12),
]

map.add("地图",data,"china")


map. set_global_opts(
visualmap_opts=VisualMapOpts(
    is_show=True,
    is_piecewise=True,
    pieces=[
        {"min" : 1,"max": 9, "label": "1-9人","color": "#CCFFFF"},
        { "min": 10,"max" : 99,"label" : "10-99人","color":"#FFFF99"},
        { "min": 100,"max": 499,"label": "99-499人","color" :"#FF9966"},
        {"min": 500,"max": 999,"label": "499-999人","color":"#FF6666"},
        { "min": 1000,"max": 9999,"label": "1000-9999人","color":"#CC3333"},
        { "min" : 10000,"label" : "10000以上","color" :"#990033"}
])
)



map.render()

在这里插入图片描述

RGB颜色对照表获取
在这里插入图片描述
全国疫情地图

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

map=Map()

data1=open("E:/桌面文件/疫情.txt",'r',encoding="UTF-8")
data2=data1.read()
JSON_data=json.loads(data2)

province=JSON_data["areaTree"][0]["children"]
data=[]

for i_data in province:
    province_name=i_data["name"]
    if province_name[-1] != "省":
        province_name = province_name + "省"
    print(province_name)
    province_num=i_data["total"]["confirm"]
    yuan_data=(province_name,province_num)
    data.append(yuan_data)
print(data)
map.add("全国疫情地图",data,"china")
map. set_global_opts(
visualmap_opts=VisualMapOpts(
    is_show=True,#是否显示
    is_piecewise=True,#是否分段
    pieces=[
        {"min" : 1,"max": 9, "label": "1-9人","color": "#CCFFFF"},
        { "min": 10,"max" : 99,"label" : "10-99人","color":"#FFFF99"},
        { "min": 100,"max": 499,"label": "99-499人","color" :"#FF9966"},
        {"min": 500,"max": 999,"label": "499-999人","color":"#FF6666"},
        { "min": 1000,"max": 9999,"label": "1000-9999人","color":"#CC3333"},
        { "min" : 10000,"label" : "10000以上","color" :"#990033"}
])
)



map.render()

在这里插入图片描述
河南省疫情地图

import json
from pyecharts.charts import Map
from pyecharts.options import VisualMapOpts

map=Map()

data1=open("E:/桌面文件/疫情.txt",'r',encoding="UTF-8")
data2=data1.read()
JSON_data=json.loads(data2)

province=JSON_data["areaTree"][0]["children"][3]["children"]
data=[]

for i_data in province:
    province_name=i_data["name"]
    province_name = province_name + "市"
    print(province_name)
    province_num=i_data["total"]["confirm"]
    yuan_data=(province_name,province_num)
    data.append(yuan_data)
print(data)
map.add("河南省疫情地图",data,"河南")
map. set_global_opts(
visualmap_opts=VisualMapOpts(
    is_show=True,#是否显示
    is_piecewise=True,#是否分段
    pieces=[
        {"min" : 1,"max": 9, "label": "1-9人","color": "#CCFFFF"},
        { "min": 10,"max" : 99,"label" : "10-99人","color":"#FFFF99"},
        { "min": 100,"max": 499,"label": "99-499人","color" :"#FF9966"},
        {"min": 500,"max": 999,"label": "499-999人","color":"#FF6666"},
        { "min": 1000,"max": 9999,"label": "1000-9999人","color":"#CC3333"},
        { "min" : 10000,"label" : "10000以上","color" :"#990033"}
])
)



map.render()

在这里插入图片描述

柱状图

from pyecharts.charts import Bar
from pyecharts.options import *
#构建柱状图对象
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("基础柱状图.html" )

在这里插入图片描述

XY轴反转

bar.reversal_axis()

在这里插入图片描述

小结

在这里插入图片描述

时间线柱状图

#创建时间线
from pyecharts.charts import Bar,Timeline
from pyecharts.options import *
bar1= Bar()
bar1.add_xaxis(["中国","美国","英国"])
bar1.add_yaxis(" GDP",[30,20,10],label_opts=LabelOpts(position="right"))
bar1.reversal_axis()
bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",[50,30,20],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()
#创建时间线对象
timeline = Timeline()#timeline对象添加bar柱状图
timeline.add(bar1,"2021年GDP")
timeline.add(bar2,"2022年GDP")
#通过时间线绘图
timeline.render("基础柱状图-时间线.html")

在这里插入图片描述

自动播放

#设置自动播放
timeline.add_schema(
play_interval=1000,
#自动播放的时间间隔，单位毫秒
is_timeline_show=True,
#是否在自动播放的时候，显示时间线
is_auto_play=True,
#是否自动播放
is_loop_play=True,
#是否循环自动播放
)

在这里插入图片描述

#创建时间线
from pyecharts.charts import Bar,Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType
bar1= Bar()
bar1.add_xaxis(["中国","美国","英国"])
bar1.add_yaxis(" GDP",[30,20,10],label_opts=LabelOpts(position="right"))
bar1.reversal_axis()
bar2=Bar()
bar2.add_xaxis(["中国","美国","英国"])
bar2.add_yaxis("GDP",[50,30,20],label_opts=LabelOpts(position="right"))
bar2.reversal_axis()
#创建时间线对象
timeline = Timeline({"theme":ThemeType.LIGHT})#timeline对象添加bar柱状图
timeline.add(bar1,"2021年GDP")
timeline.add(bar2,"2022年GDP")


#设置自动播放
timeline.add_schema(
play_interval=1000,
#自动播放的时间间隔，单位毫秒
is_timeline_show=True,
#是否在自动播放的时候，显示时间线
is_auto_play=True,
#是否自动播放
is_loop_play=True,
#是否循环自动播放
)
#通过时间线绘图
timeline.render("基础柱状图-时间线.html")

在这里插入图片描述

小结

在这里插入图片描述

动态柱状图

sort排序

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

my_list=[['a',33],['b',90],['c',12]]


def choose_sort_key(element):
    return element[1]

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

练习动态柱状图

from pyecharts.charts import Bar, Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

def sort_dta(element):
    return element[1]

f=open("E:/桌面文件/1960-2019全球GDP数据.csv","r",encoding="GB2312")
data=f.readlines()
f.close()
data.pop(0)
data_culi=[]
data_dirc={}
for element in data:
    data_culi.append(element.strip())

for j in data_culi:
    year=int(j.split(",")[0])
    country=j.split(",")[1]
    GDP=float(j.split(",")[2])
    try:
        data_dirc[year].append([country,GDP])
    except KeyError:
        data_dirc[year]=[]
        data_dirc[year].append([country, GDP])
list_year_key=sorted(data_dirc.keys())
timeline = Timeline({"theme": ThemeType.LIGHT})  # timeline对象添加bar柱状图
for element2 in list_year_key:
    data_dirc[element2].sort(key=sort_dta, reverse=True)
    year_data=data_dirc[element2][0:8:1]
    print(year_data)
    x_data = []
    y_data = []
    for  i in year_data:
        x_data.append(i[0])
        y_data.append(i[1]/100000000)
    x_data.reverse()
    y_data.reverse()
    bar = Bar()
    bar.add_xaxis(x_data)
    bar.add_yaxis(" GDP(亿)", y_data, label_opts=LabelOpts(position="right"))
    bar.reversal_axis()
    # 创建时间线对象
    bar.set_global_opts(

        title_opts=TitleOpts(
            title=f"{element2}全球前8GDP数据"
        )

    )

    timeline.add(bar, str(element2))


timeline.add_schema(
play_interval=500,
#自动播放的时间间隔，单位毫秒
is_timeline_show=True,
#是否在自动播放的时候，显示时间线
is_auto_play=True,
#是否自动播放
is_loop_play=True,
#是否循环自动播放
)



#通过时间线绘图
timeline.render("GDP时间线.html")

在这里插入图片描述

#include<菜鸡>
关注
  • 5
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Day8-Python基础学习之地图和柱状图构建
m0_46053885的博客
04-10 431
地图可视化基本使用​# 准备地图对象# 准备数据data = [("北京市", 99),("上海市", 199),("湖南省", 299),("台湾省", 399),("广东省", 499)# 添加数据map.add("测试地图", data, "china")# 设置全局选项is_piecewise=True, # 开启手动校准范围pieces=[
python数据分析学习day08：柱状图
weixin_44748589的博客
07-13 5930
x 表示x坐标，数据类型为float类型，一般为np.arange()生成的固定步长列表 height 表示柱状图的高度，也就是y坐标值，数据类型为float类型，一般为一个列表，包含生成柱状图的所有y值 width 表示柱状图的宽度，取值在0~1之间，默认值为0.8 bottom 柱状图的起始位置，也就是y轴的起始坐标，默认值为None align 柱状图的中心位置，“center”，"lege"边缘，默认值为’center’ color 柱状图颜色，默认为蓝色 alpha 透明度，取值在0~
Python学习从0到1 day18 Python可视化基础综合案例 3.动态柱状图
m0_73983707的博客
03-25 820
01.基础柱状图02.基础时间线柱状图03.GDP动态柱状图绘制。
python绘制带误差棒的柱状图
群智能算法开发
05-06 1902
【代码】python绘制带误差棒的柱状图，含详细图片设置
python日记Day18——Pandas之Excel绘图
12-22
1、柱状图： import pandas as pd import matplotlib.pyplot as plt stu = pd.read_excel("C:/Temp/stu.xlsx") stu.sort_values(by='Total_grades',inplace=True,ascending=False) stu.plot.bar(x='Name',y='Total_...
蓝桥杯python第4天，python-Day04.rar
04-30
matplotlib库则用于数据可视化，绘制各种图表，如折线图、柱状图和散点图。 10. **网络编程**：Python的socket模块提供了网络通信功能，可以创建客户端和服务端进行数据交换，实现TCP或UDP协议。 通过“蓝桥杯...
2024.4.18 Python爬虫复习day06 可视化2
04-14
Matplotlib是基础的绘图库，可以绘制折线图、柱状图、散点图等多种图表，而Seaborn则基于Matplotlib，提供了更高级的接口和更美观的默认样式。Plotly和Bokeh则专注于交互式可视化，它们能在网页环境中生成动态图表，...
2024.4.19 Python爬虫复习day07 可视化3
04-14
1. **基本图表类型**：线图、柱状图、散点图、饼图、直方图等，这些都是数据分析中最常见的图表形式。 2. **数据调用**：如何从爬取的数据中提取需要的信息，并将其转化为可视化所需的格式。 3. **自定义图表**：...
python中seaborn包常用图形使用详解
09-18
2. **分布图(distplot)**：对于连续型特征，`sns.distplot(train.cnt.values, bins=50, kde=True)`能展示数据的分布形态，`bins`参数用于设定柱状图的分割数量，`kde=True`表示开启核密度估计线，如果发现图形的尾部...
【Python】入门到放弃之第九章《字典》
MP13537560060的博客
08-15 556
这是本系列的第九章节内容，《字典》。在Python中，字典（Dictionary）是一种内置的数据结构，用于存储键值对（key-value pairs）。字典是可变的，意味着你可以在创建字典后添加、删除或修改其中的元素。字典的键（key）必须是唯一的，并且是不可变的（即，它们必须是不可变数据类型，如字符串、数字或元组，但不能是列表或字典等可变类型）。字典的值（value）则可以是任何数据类型，包括列表、元组、字典等。以上，就是Python中字典的全部内容。
【python学习】深入解析 `jq` 库：JSON 处理的利器
m0_54007171的博客
08-13 389
jq库是 Python 对流行的命令行工具jq的封装。它允许你直接在 Python 中使用jq的查询语言来处理 JSON 数据。借助jq，你可以轻松地对 JSON 数据进行过滤、选择、转换、聚合等操作，极大地简化了代码复杂度。
GraphRAG：复杂查询的知识图谱新框架
YeJuliaLi的博客
08-14 678
微软最近发布了名为 GraphRAG（Graphs + Retrieval Augmented Generation）的创新 RAG 框架，这是一个将文本提取、语义网络分析，与大语言模型（LLM）的提示和总结功能结合在一起的端到端系统，用于深入理解文本数据集。在对私有数据中的复杂文本信息进行文档分析时，GrahRAG 使用 LLM 生成的知识图谱来大幅提高问答性能。这里的私有数据集是指 LLM 没...
【Markdown】Markdown 中的语言简称
EleganceJiaBao的博客
08-12 941
以下是常见编程语言、脚本语言、标记语言等在 Markdown 中的语言简称以及相应的示例：
importlib库介绍
m0_51579041的博客
08-14 196
importlib
Java读写EM4305卡、将4305卡制做成4100ID卡
zhangjin7422的专栏
08-14 373
Java读写em4305低频RFID源码，支持将EM4305卡配置成4100ID卡
python爬虫入门（六）之 xpath 解析
最新发布
2302_79795489的博客
08-16 275
XPath（XML Path Language）是一种用于在 XML 文档中查找信息的语言。html是xml的一个子集（XML 允许用户创建自己的标签来描述数据。例如，<book><title><author>是 XML 标签，可以用于描述书籍信息）。Xpath可以用来遍历 XML 文档的节点、选择节点，或对节点进行条件筛选，实际上它就是靠节点之间的关系去查找内容。
【Python】python中抽象类学习笔记
qq_42761751的博客
08-12 412
抽象类是一个不能被实例化的类，通常作为其他类的基类抽象方法是一个没有具体实现的方法一个抽象类可以有或者没有抽象方法, 但是一般来说定义抽象类的时候总会在类中定义抽象方法Python并没有直接支持抽象类，但是提供了一个模块（abc）来允许定义抽象类通过继承abc.ABC类定义一个抽象类pass上述代码中类虽然继承了ABC但是没有定义抽象方法，仍然可以被实例化。"""使用@abstractmethod来定义抽象方法"""passmain()代码报错：不能实例化一个带有抽象方法的抽象类。
SciPy：基于 NumPy 的算法库和数学工具包，用于数学、科学和工程领域。
LS_Ai的博客
08-15 752
无论是进行线性代数运算、优化问题求解、积分与微分方程处理，还是进行信号和图像处理，SciPy都提供了高度优化的工具，使得复杂的科学计算任务变得更加简单和高效。SciPy的目标是为用户提供一个全面的科学计算环境，其中涵盖了常见的线性代数、优化、积分、插值、傅里叶变换、信号处理、统计、图像处理、以及ODE（常微分方程）求解等功能。SciPy与NumPy紧密结合，同时也与Pandas、Matplotlib等库有很好的兼容性，这使得它在科学研究、数据分析和工程计算中占据了重要地位。
python用seaborn画柱状图
06-28
### 回答1： 使用Python中的Seaborn库可以很方便地绘制出柱状图。具体步骤如下： 1. 导入Seaborn库和需要使用的数据集。 2. 使用Seaborn的barplot()函数绘制柱状图，设置x轴和y轴的标签、标题等。 3. 可以使用其他Seaborn函数对图形进行美化，如设置颜色、调整字体大小等。 示例代码如下： ``` import seaborn as sns import matplotlib.pyplot as plt # 导入数据集 tips = sns.load_dataset("tips") # 绘制柱状图 sns.barplot(x="day", y="total_bill", data=tips) # 设置x轴和y轴的标签、标题等 plt.xlabel("Day of the Week") plt.ylabel("Total Bill") plt.title("Total Bill by Day of the Week") # 显示图形 plt.show() ``` 运行以上代码，即可得到一张以“day”为x轴，“total_bill”为y轴的柱状图。 ### 回答2： Seaborn是一个基于Matplotlib的Python可视化库，用于在统计数据中生成各种图表。Seaborn比Matplotlib更容易使用，提供了更多的可视化选项和颜色主题。Seaborn的一些常见的图表类型包括折线图、散点图、直方图和柱状图等。其中，柱状图常用于展示不同类别的数据项之间的比较。下面我们就针对Python中Seaborn库如何实现绘制柱状图进行简要的介绍。 1. 导入Seaborn库和数据 首先在Python环境中导入seaborn库和需要展示的数据。可以利用Pandas读取数据，将文件存储到dataframe中。 ``` import seaborn as sns import pandas as pd df = pd.read_csv('data.csv') ``` 2. 绘制单变量的柱状图 如果想要对单个变量进行可视化，我们可以使用countplot()函数。这个函数默认绘制每个类别的频数，或者可以直接指定某个变量的计数。下面展示了如何绘制类别数据的频数。 ``` sns.countplot(x='Category', data=df) ``` 其中，x参数指定用于分组的变量名，data参数为数据来源。 3. 绘制双变量的柱状图 如果我们想要比较两个变量之间的关系，我们可以使用barplot()函数。这个函数会对第一个变量按照第二个变量进行分组（如按照性别分组，显示不同性别下的工资情况）。 ``` sns.barplot(x='Gender', y='Salary', data=df) ``` 其中，x参数指定用于分组的变量名，y参数指定用于比较的变量名，data参数为数据来源。 4. 设置常用参数 柱状图的展示还可以设置其他常见的参数，比如柱状图的颜色、标签和字体等。下面是柱状图的常用参数： - color：柱状图的颜色 - hue：柱状图的细分颜色，通常是第三个变量 - order：柱状图的顺序 - hue_order：柱状图中hue的顺序 - palette：调色板名称 - errorbar：是否显示误差条。 下面是针对以上参数的使用举例： ``` sns.barplot(x='Gender', y='Salary', hue='Education', data=df, palette='BuGn') ``` 其中，hue参数将性别按学历细分，palette设置了调色板名称。 最后，Seaborn库中还支持绘制多重柱状图、堆积柱状图等。这些图像的设计原则是简单易懂且美观，帮助用户更好地理解数据。所以在实际使用中，我们可以根据数据的需求和特点结合实际情况选择使用哪种柱状图。 ### 回答3： Seaborn是Python数据可视化库，它是基于Matplotlib构建的高级图形库。Seaborn的优点在于它提供了与Matplotlib相似的API，并且可以轻松地实现漂亮的数据可视化效果。 绘制柱状图是Seaborn中常见的任务之一。使用Seaborn绘制柱状图，可以通过几个简单的步骤来完成。 1.引入Seaborn和Matplotlib库： ```python import seaborn as sns import matplotlib.pyplot as plt ``` 2.设置绘图风格： ```python sns.set_style('whitegrid') ``` 3.创建数据，可以使用pandas库来创建： ```python import pandas as pd data = pd.DataFrame({'name': ['A', 'B', 'C', 'D', 'E'], 'score': [82, 75, 65, 90, 76]}) ``` 4.绘制柱状图： ```python sns.barplot(x='name', y='score', data=data, color='skyblue') plt.show() ``` 上面的代码中，x参数指定x轴的数据列名，y参数指定y轴的数据列名，data参数指定使用的数据集，color参数指定绘制的颜色。 最后使用plt.show()命令显示图形。 除此之外，Seaborn还有很多其他绘图函数，包括线图、散点图、热力图等，可以根据具体需求进行选择和使用。
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