记录在可视化的常用方法

记录在可视化的常用方法

读取数据

import pandas as pd
#pandas读取数据
excel_data = pd.read_excel("D:\\py_taidi\\keshihua\\可视化数据.xlsx")

删除 death_data 列为空的行

notnull = excel_data.dropna(subset=["death_data"])

使用 as_index=False 将 as_index设置为 False后 分组列将不会被作为索引

city_shanghai_dzsw_count = city_shanghai_dzsw[['com_addr', 'se_cat']].groupby(by=['se_cat'], as_index=False).agg('count')

    se_cat  com_addr
0     3C电子         6
1     二手电商         2
2   其他电商服务         8
3      化妆品         3
4     大宗商品         1
5      奢侈品         4
6     家居家纺         3
7   数字虚拟商品         1
8     服装服饰        24
9     母婴电商         5
10    珠宝首饰         3
11    生鲜食品        15
12  电商解决方案        17
13    社区电商         1
14    综合电商        35
15    跨境电商        11

不使用 as_index=False 分组列 se_cat将被作为索引

        com_addr
se_cat          
3C电子           6
二手电商           2
其他电商服务         8
化妆品            3
大宗商品           1
奢侈品            4
家居家纺           3
数字虚拟商品         1
服装服饰          24
母婴电商           5
珠宝首饰           3
生鲜食品          15
电商解决方案        17
社区电商           1
综合电商          35
跨境电商          11

根据 death_data 分组进行count统计

date = notnull[['com_name', 'death_data']].groupby(by='death_data').agg('count')

            com_name
death_data          
1985-08-08         1
1990-12-31         1
2000-08-11         1
2003-07-31         1
2003-08-03         1
              ...
2019-10-17         1
2019-10-29         1
2019-11-01         1

时间类型转换

# 将数据类型转换为日期类型
t['date'] = pd.to_datetime(t['death_data'])

将时间 date 作为索引

# 将date设置为index
df = t.set_index('date')

            bianh com_name com_addr   cat   se_cat death_data
date                                                         
2019-11-25      1     麦子金服       上海    金融       借贷 2019-11-25
2019-11-24      2     拓道金服       浙江    金融       借贷 2019-11-24
2019-11-01      3     云柏科技       广东  医疗健康  医疗器械及硬件 2019-11-01
2019-10-29      4     迷你生鲜       福建  电子商务     生鲜食品 2019-10-29
2019-10-17      5     一生健康       北京  医疗健康     寻医诊疗 2019-10-17
           ...      ...      ...   ...      ...        ...
2003-08-03   6268      小课桌       江苏    教育      K12 2003-08-03
2003-07-31   6269      旅行者       上海    旅游   旅游综合服务 2003-07-31
2000-08-11   6270    3C物联网       上海  企业服务   IT基础设施 2000-08-11
1990-12-31   6271     广信房产       广东    金融      投融资 1990-12-31
1985-08-08   6272   德赛信息科技       广东    硬件     智能家居 1985-08-08

根据 date 日期的年份进行分组统计

count = t['date'].groupby(t['date'].dt.year).agg('count')
print(count.index)

打印出的索引

Int64Index([1985, 1990, 2000, 2003, 2004, 2005, 2006, 2007, 2008, 2009, 2010,
            2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019],
           dtype='int64', name='date')

pyecharts画图

from pyecharts import options as opts
from pyecharts.charts import Bar

bar = (
    Bar(init_opts=opts.InitOpts(width='1500px', height='400px'))
        .add_xaxis(count.index.tolist())
        .add_yaxis("各年份被淘汰的公司总数对比", count.values.tolist())
        .set_global_opts(title_opts=opts.TitleOpts(title="Bar-各年份被淘汰的公司总数对比"))
        # .set_colors("red")  # 柱子的颜色
        .set_global_opts(

        # x轴
        xaxis_opts=opts.AxisOpts(
            name='年份',
            name_location='middle',
            name_gap=20,
            #  x轴名称的格式配置
            name_textstyle_opts=opts.TextStyleOpts(
                font_family='Times New Roman',
                font_size=14,
            ),
        ),
        # y轴
        yaxis_opts=opts.AxisOpts(
            name='年份淘汰总数',
            name_location='middle',
            name_gap=30,
            name_textstyle_opts=opts.TextStyleOpts(
                font_family='Times New Roman',
                font_size=14,
                color='black',
            ),
            axistick_opts=opts.AxisTickOpts(
                #                     is_show=False,  # 是否显示
                is_inside=True,  # 刻度线是否在内侧
            ),
            axislabel_opts=opts.LabelOpts(
                font_size=12,
                font_family='Times New Roman',
            ),
        ),
        # 设置标题
        title_opts=opts.TitleOpts(

            title='各年份淘汰总数',

        )
    )
)
bar.render()

排序：使用 .sort_values(by=‘sort’,ascending=False) 默认为升序，ascending=False为降序

city_beijing_count =  city_beijing[['com_addr','cat']].groupby(by=['cat'],as_index=False).agg('count')

city_beijing_count['sort'] = city_beijing_count.values[:,1:]

print(city_beijing_count.sort_values(by='sort',ascending=False))