s_unbo的博客

一、说明Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。二、官方参考网址pyecharts基本实用参考：https://pyecharts.org/#/zh-cn/pyecharts代码效果参考：https://gallery.pyecharts.org/#/Bar/bar_with_brush三、组合组件1、Grid

一、为什么需要动态地图动态地图是反映自然和人文现象变迁和运动的地图，可以根据时间或地域的变化展现出某件事情的发展规律，pyecharts画出动态地图。二、导入数据(虚拟数据)import pyecharts.options as optsfrom pyecharts.globals import ThemeTypefrom pyecharts.commons.utils import JsCodefrom pyecharts.charts import Timeline,Mapdata =

一、基本柱状图/条形图from pyecharts import options as optsfrom pyecharts.charts import Barl1 = ['星期一','星期二','星期三','星期四','星期五','星期六','星期日']l2 = [100,200,300,400,500,400,300]bar = ( Bar() .add_xaxis(l1) .add_yaxis("基本柱状图",l2) .set_global_opts(titl

一、代码1、代码#!/usr/bin/env python# -*- coding: utf-8 -*-# author : sunbo time : 2022/2/21 0021import pyecharts.options as optsfrom pyecharts.charts import MapGlobefrom pyecharts.faker import POPULATIONdata = [x for _, x in POPULATION[1:]]low,high =

一、Python利用高德地图经纬度数据绘制定位（一）. 背景利用高德地图申请的api进行目标地址的经纬度爬取并绘制定位。（二）. 获取API1. 注册高德开放平台个人开发者进入高德开放平台：https://developer.amap.com/ 注册账户成为个人开发者2. 获取key进入右上角“控制台”应用管理 > 我的应用 > 创建新应用（任意命名） > 添加 > 复制key提交后显示：（三）. 编码import requestsimport json

一、导读Python地图可视化库有大家熟知的pyecharts、plotly、folium，其他还有稍低调的bokeh、basemap、geopandas，也是地图可视化的利器。二、pyecharts1、中国地图链式调用# -*- coding: utf-8 -*-from pyecharts.charts import Map,Geofrom pyecharts import options as optsdata=[("广东",10430.03),("山东",9579.31),("河南"

一、漏斗分析模型应用场景举例漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。漏斗分析是互联网行业常用的数据分析模型，数据分析师们经常将漏斗模型运用于流量监控、用户转化等场景中，以此来辅助运营的决策。作为数据行业的初学者，你可能听过很多次漏斗分析模型，但是却不知道漏斗分析模型如何应用于业务分析。1.什么是漏斗分析漏斗分析可以直观地呈现用户行为步骤以及各步骤之间的转化率，分析各个步骤之间的转化率，可以为运营提供辅助决策的意见；减少“漏掉”的用户

python-绘图-多变量多属性数据分析catplot画板参数说明：代码import numpy as npimport pandas as pnimport matplotlib.pyplot as pltimport seaborn as sns#定义画板风格sns.set(style="whitegrid",color_codes = True)#生成随机数np.random.seed(sum(map(ord,"categorical")))#读取数据titanic = sn

python-绘图-多变量回归分析seaborn-data 下载地址https://github.com/mwaskom/seaborn-data然后存到本地电脑的某个位置, 再读取文件, 这是需要加上 data_home 这个参数就行了df = sns.load_dataset('flights', data_home="d:/dataset/seaborn-data")df.head()代码import numpy as npimport pandas as pdimport sea

python-绘图-单变量数据分析利用python 的 pandas、matplotlib、seaborn 进行单变量数据分析并绘制图形代码import numpy as npimport pandas as pdfrom scipy import stats,integratefrom scipy.stats import *import matplotlib.pyplot as pltimport seaborn as snssns.set(color_codes = True)n