提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
目录
前言
本文是通过对牛奶面包销售量的日期数据处理,然后算当前元素与前一个元素的增长率,最终得到
数据增长率的折现、柱形图。
提示:以下是本篇文章正文内容,下面案例可供参考
一、pyecharts是什么?
ECharts是一款基于JavaScript的数据可视化图表库,提供直观,生动,可交互,可个性化定制的数据可视化图表。ECharts最初由百度团队开源,并于2018年初捐赠给Apache基金会,成为ASF孵化级项目。
二、使用步骤
1.下载
代码如下(示例):
pip install pyecharts -i https://pypi.tuna.tsinghua.edu.cn/simple
2.导入库
代码如下(示例):
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Bar, Line
三、读取数据
读取一个名为“折线图作业数据-商品销量(2).xlsx”的Excel文件,并将其存储在一个名为“data”的变量中。这个变量可以被用来进行数据分析和可视化。
结果如下:
data = pd.read_excel(r'./折线图作业数据-商品销量(2).xlsx')
data
3.1转换成列表并打印
使用了 pandas 库中的 agg 函数,对日期列进行聚合操作,lambda 函数中的 str(x)[5:10] 表示将日期转换成字符串后,取其中的第 5 到第 10 个字符,即月份和日期。最后将结果转换成列表并打印出来。
结果如下:
x=data['日期'].agg(lambda x:str(x) [5:10]).tolist()
print(x)
3.2将名为“牛奶”的数据列转换为列表,并将其打印出来。
data1=data["牛奶"].tolist()
print(data1)
3.3同理打印面包的列表
结果如下:
data2=data["面包"].tolist()
print(data2)
四、构造data1增长率数据
首先创建了一个空列表rate_of_rise1,然后通过for循环遍历data1中的每个元素。如果是第一个元素,增长率为0,否则计算当前元素与前一个元素的增长率,并将结果保留小数点后3位后添加到rate_of_rise1列表中。最后返回rate_of_rise1列表。
结果如下:
rate_of_rise1 = []
for i in range(len(data1)):
if i==0:
rate_of_rise1.append(0)
else:
rate = data1[i]/data1[i-1]-1 # 计算增长率
rate_of_rise1.append((round(rate,3))) # 保留小数点后3位,添加到列表中
rate_of_rise1
4.1同理构建data2的增长率数据增长率数据
定义了一个空列表rate_of_rise2,然后通过循环遍历data2中的每个元素,计算出当前元素与前一个元素的增长率,并将其保留小数点后3位后添加到rate_of_rise2列表中。如果是第一个元素,则增长率为0。最后返回rate_of_rise2列表。
结果如下:
rate_of_rise2 = []
for i in range(len(data2)):
if i==0:
rate_of_rise2.append(0)
else:
rate = data2[i]/data2[i-1]-1 # 计算增长率
rate_of_rise2.append((round(rate,3))) # 保留小数点后3位,添加到列表中
rate_of_rise2
五、画图
使用了pyecharts库中的Bar()和Line()方法,分别用于生成柱形图和折线图。同时,还使用了一些配置项,如设置坐标轴名称、最大值、颜色等。最后,调用render_notebook()方法将图表渲染到notebook中。
如图所示:
bar = (
Bar()
.add_xaxis(x)
.add_yaxis("牛奶", data1)
.add_yaxis("面包", data2)
#.set_colors([ "#82CAFF", "#F62817"]) # 另一种颜色设置方法
.extend_axis( # 添加副坐标轴
yaxis=opts.AxisOpts(name='增长率',min_=-3) # 配置副坐标轴
)
.set_global_opts(
title_opts=opts.TitleOpts(title="数据增长率柱形、折线复合图"),
yaxis_opts=opts.AxisOpts( # 配置主坐标轴
name='数值',
max_=250
),
)
)
line = (
Line()
.add_xaxis(x)
.add_yaxis("牛奶增长率",
rate_of_rise1,
is_smooth = True,
yaxis_index=1,
linestyle_opts = opts.LineStyleOpts(color='red',
width=3,
type_ = 'dashed'
),
)
.add_yaxis("面包增长率",
rate_of_rise2,
is_smooth = True,
yaxis_index=1,
linestyle_opts = opts.LineStyleOpts(color='skyblue',
width=3,
type_ = 'solid'
),
)
.set_series_opts(
markline_opts=opts.MarkLineOpts( # 标记副y轴0刻度线,突出增长率的正负属性
data=[
{"yAxis": 0},
],
label_opts=opts.LabelOpts(is_show=True),
linestyle_opts = opts.LineStyleOpts(color='green',
width=3,
type_ = 'dotted',
),
)
)
)
bar.overlap(line) # 调用overlap组件(方法)实现层叠
bar.render_notebook()
总结
以上就是今天要讲的内容,本文仅仅简单介绍了用Pyecharts实现方法组合图形的方法,由此得知yecharts提供了大量有的图表还有高度灵活的配置项。