时间数据可视化南丁格尔玫瑰图

最新推荐文章于 2024-09-02 16:56:21 发布

Unicorn

最新推荐文章于 2024-09-02 16:56:21 发布

阅读量955

点赞数 2

文章标签：信息可视化 python 数据分析

本文链接：https://blog.csdn.net/weixin_61521289/article/details/130699271

版权

【实验名称】时间数据的可视化

【实验目的】

1.掌握时间数据在大数据中的应用

2.掌握时间数据可视化图表表示

3. 利用python程序实现堆叠柱形图可视化的

【实验原理】

时间是一个非常重要的维度与属性。时间序列数据存在于社会的各个领域，如：天文观测数据、气象图像、临床诊断记录等。诊断记录包括病人的每次看病的病情记录以及心电图等扫描仪器的数据记录等。金融和商业交易记录如股市每天的交易价格及交易量、超市中每种商品的销售情况等。不管是延续性还是暂时性的时间数据，可视化的最终的目的就是从中发现趋势。时间型数据包含时间属性，不仅要表达数据随时间变化的规律，还需表达数据分布的时间规律。它可以分为连续性和离散型时间数据。

这里就讲述下离散型数据的堆叠柱形图，堆叠柱形图的几何形状和常规柱形图很相似，在柱形图中，数据值为并行排列，而在堆叠柱图则是一个个叠加起来的。它的特点就是如果数据存在子分类，并且这些子分类相加有意义的话，此时就可以使用堆叠柱形图来表示。本次实验结合本章讲述的堆叠柱形图的列子，这里我们要画的是极坐标系-堆叠柱状图，也是南丁格尔玫瑰图。由于半径和面积的关系是平方的关系，南丁格尔玫瑰图会将数据的比例大小夸大，尤其适合对比大小相近的数值；由于圆形有周期的特性，所以玫瑰图也适用于表示一个周期内的时间概念，比如星期、月份。下面就用python程序来实现。

【实验环境】

OS：Windows

python：v3.6

【实验步骤】

题目一：下载数据源（http://datasets.flowingdata.com/hot-dog-places.csv）历年热狗大胃王比赛的前三名的成绩

里面的数据格式如下：

把hot-dog-places.csv文件保存在自己的目录里面。比如（E：/test/）

题目二：打开cmd ,安装python所需要的第三方的包（不需要做）

输入pip install pyecharts

题目三：打开pycharm

点开File->New Project ，填写工程目录和python解释器

若python解释器不正确需要按照以下步骤更改

题目四：开始编写程序实现极坐标的堆叠柱形图

from pyecharts import Polar
from pyecharts import Bar,Scatter3D
from pyecharts import Page
import csv
page = Page()
polar = Polar("极坐标系-堆叠柱状图示例1",width=1200, height=600)
filename = "hot-dog-places.csv"
datax = []
datay= []
with open(filename) as f:
    reader = csv.reader(f)
    for datarow in reader:
        datax.append(datarow)
radius= datax[0]
y1=datax[1]
y2=datax[2]
y3=datax[3]
print(y1)
polar.add("A",y1,radius_data=radius,type="barRadius",is_stack=True)
polar.add("B",y2,radius_data=radius,type="barRadius",is_stack=True)
polar.add("C",y3,radius_data=radius,type="barRadius",is_stack=True)
polar.show_config()
page.add(polar)
polar = Polar("极坐标系-堆叠柱状图示例2",width=1200,height=600)
polar.add("A",y1,angle_data=radius, type="barAngle",is_stack=True)
polar.add("B",y2,angle_data=radius, type="barAngle",is_stack=True)
polar.add("C",y3,angle_data=radius, type="barAngle",is_stack=True)
polar.show_config()
page.add(polar)
page.render()

最后呈现的图形如下：

（这里我们画了2种极坐标的堆叠柱形图，一个是半径表示时间，一个是圆边表示时间。并把两张图显示在一个render.html里面）