python 生成函数图_利用python制作报告自动化生成2

原标题：利用python制作报告自动化生成2

根据我上一篇文章的内容，可以对数据进行拆解与透视，只是完成了自动化的第一阶段，并只是运用到pandas这个库，并没有运用到matplotlib画图。如果管理层喜欢读图表，你搞不出图表，那就是还要被批的节奏啊！况且图表表达的数据，总比干巴巴的数字好吧！

也有朋友反馈为什么不用Excel里的宏，我觉得相对VBA来说，python用起来更人性化，简洁。

所以，我们接着把上一篇中的内容；

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

先把需要用到的库导进去，中间的拆解和清洗就省了，同时把这个数据的整体情况，截个图放上来，并读取它。

chanpin3 = chanpin[["第3级部门","产品E","日期"]]

pd.pivot_table(chanpin3,values="产品E",columns="日期",index="第3级部门",aggfunc="sum")

输出：

日期32周第3级部门

会展湾区84前海湾区189前海自贸区56华侨城区80大营销部0宝城区62西丽区13

其实，以上透视也只是汇总数据的一种方式，如果是做图，我更喜欢用汇总函数grouby,下面来看看用汇总函数跟透视有什么不一样的。

chanpin4 = chanpin.groupby(["第3级部门"])["产品B"].sum().sort_values() #查询某一列，然后就可以分组出来

print(chanpin4)

输出：

第3级部门

大营销部 0.0

西丽区 40.5

会展湾区 88.0

华侨城区 89.0

前海自贸区 111.0

宝城区 119.5

前海湾区 201.5

Name: 产品B, dtype: float64

其实是一样的，当然汇总的还可以选择你想汇总的是哪一列的类别数据，比如上面有个大营销部，它的数据是0，几乎没什么作用的，那我可以把它省掉。

chanpin4 = chanpin.query("第3级部门 not in ['大营销部']").groupby(["第3级部门"])["产品B"].sum().sort_values()

print(chanpin4)

输出：

第3级部门

西丽区 40.5

会展湾区 88.0

华侨城区 89.0

前海自贸区 111.0

宝城区 119.5

前海湾区 201.5

Name: 产品B, dtype: float64

这里加了一个not，如果只是很少的类别，那就可以直接写出来，不用not in ，直接in就可以了；

以上还是处于组织数据的阶段，我们还没开始进入做图阶段，接下来就要用到matplotlib这个库的函数作图了，

chanpin4 = pd.DataFrame(chanpin4)

首先是把刚刚那个分组的数据转换成数组DataFrame类型的；

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签

plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号

如果没有以上两行代码，你的中文字在图表上显示不出来的，这个我深受其苦啊！

chanpin4.plot.bar()

plt.title('产品B',fontsize=18)

输出：

终于出图了，可看这个图，还是发现有点怪，对，就是没有数值。接下来再加上数值就好了。

F = np.arange(6)#这里选6的原因是有6列数据，所以会选择6，

J = np.array(list(chanpin4['产品B']))#这里选择产品B是因为图表取值的问题，把其它的数据添加进去，也同样道理；

plt.ylim(0,300)

for x,y in zip(F,J):

plt.text(x,y+30, '%.0f' % y, ha='center', va= 'bottom',fontsize=14)#记得%分号的后面还有一个Y，这里只是表达Y轴的原因

输出：

到这里，就跟前面的基本上是从数据读取、清洗、拆分、作图基本上完成了整个报告过程，但是，这里也只是完成了一个图的作图流程，但是我有几十个图，那怎么办呢？我是不是要把以上的代码写上几十遍？

如果真是这样，那我还是用Excel来做吧！也正好这点Excel是做不了的，并且繁琐，但是python可以通过定义函数来减少这一过程。

接下来，放大招，看用函数做是什么样的效果的；

def chanpintu(cp):

chanpin5 = chanpin[["诸侯",cp]]

chanpin5 = chanpin.query("诸侯 not in ['大营销部']").groupby(["诸侯"])[cp].sum().sort_values() #查询某一列，然后就可以分组出来

chanpin5 = pd.DataFrame(chanpin5)

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签

plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号

chanpin5.plot.bar()

name = cp+'分析'

plt.title(name,fontsize=18)

k = np.arange(6)#这里选6的原因是有6列数据，所以会选择6，

j = np.array(list(chanpin5[cp]))#这里选择cp是因为图表取值的问题，把其它的数据添加进去，也同样道理；

plt.ylim(0,300)

for x,y in zip(k,j):

plt.text(x,y+20, '%.0f' % y, ha='center', va= 'bottom',fontsize=14)#记得%分号的后面还有一个Y，这里只是表达Y轴的原因

其实，以上是对刚刚那个过程的整理，但是这里定义了一个函数，chanpintu(),变量是cp,就这样我们定义了一个chanpintu的函数，接下来，我们就可以直接用函数做图了，你爱用做多少个图，就做多少个图了。

从编程的角度来说，必须要会函数，不会函数，是很难学好语言的。

chanpintu("产品B")

chanpintu("产品C")

好，用函数作图又向自动化迈进了一步，半天的工作量，是不是十分钟可以搞定啊！返回搜狐，查看更多

责任编辑：