◆ ◆ ◆ ◆ ◆
前言
一個數據分析師的業務能力強不強,就看他的可視化做的漂不漂亮。
俗話說,一圖勝千言。然而,我一直在去往作圖好看的路上》》》
週末,花了2個小時簡單看了一下pyecharts庫,太炫酷了。於是,趕緊偷學了幾招!
先給大家看看成果,嘿嘿~別笑我!
條形圖
首先,需要安裝pyecharts庫,安裝過程還是有些複雜,及其容易報錯。不過,多嘗試幾次就可以了。
今天,我們主要講解一下pandas如何結合pyecharts展現出可交互的可視化效果。
# 導包
import pandas as pd
from pyecharts.charts import Bar,Timeline
# 讀取Excel文件——2019年數據
df = pd.read_excel(r'C:\Users\Administrator\Desktop\Demo.xlsx',sheet_name='2019')
print(df)
# result
年份 地區 營業額 純利潤
0 2019 東北 27 26
1 2019 華北 29 25
2 2019 西北 32 28
3 2019 西南 26 23
4 2019 東南 22 18
# 實例化Bar()
bar = Bar()
# 橫軸標籤
bar.add_xaxis(df['地區'].tolist())
# 縱軸圖例,數據
bar.add_yaxis(df.columns[2], df['營業額'].tolist())
bar.add_yaxis(df.columns[3], df['純利潤'].tolist())
# 生成效果圖
bar.render_notebook()
# 讀取Excel文件——2017~2019年數據
df1 = pd.read_excel(r'C:\Users\Administrator\Desktop\Demo.xlsx',sheet_name='2017-2019')
print(df1)
# result
年份 地區 營業額 純利潤
0 2017 東北 18 16
1 2017 華北 35 30
2 2017 西北 20 16
3 2017 西南 28 25
4 2017 東南 32 27
5 2018 東北 27 24
6 2018 華北 29 28
7 2018 西北 24 20
8 2018 西南 27 25
9 2018 東南 30 25
10 2019 東北 27 26
11 2019 華北 29 25
12 2019 西北 32 28
13 2019 西南 26 23
14 2019 東南 22 18
# 實例化Timeline()
t = Timeline()
# 通過循環,生成多個年份的交互圖
for year in df1['年份'].unique():
df_year = df1[df1['年份']==year]
bar = Bar()
bar.add_xaxis(df_year['地區'].tolist())
bar.add_yaxis(df_year.columns[2], df_year['營業額'].tolist())
bar.add_yaxis(df_year.columns[3], df_year['純利潤'].tolist())
t.add(bar,f'{year}年')
t.render_notebook()
這樣,就實現了文章開頭展現出來的交互效果了。棒棒噠~大家也可以再返回去看看開頭的效果。
我是公告
明天(3.17號)就是我的生日了,感謝大家這麼長時間以來對我的欣賞與鼓勵。值此生日之際,特回饋粉絲,尤其是想從事數據分析的萌新們,學習Python的新手,或者不太熟練的人羣,一定要抓住這個機會。推出如下福利:
參與方式:掃描二維碼加好友,發66元紅包即可。
【1】66塊錢入交流羣。收費完全是爲了防止廣告黨、一些惡意程序、機器人以及一部分號主。最重要的是,也能考驗你是否真的想學習,想改變現狀。
【2】滿滿的乾貨。奉送本人親自錄製的Python教程及pandas教程。(不許外傳,尊重版權)還有一些開源書籍等優質資料。
【3】無限期答疑。我會利用下班時間、週末時間爲大家答疑釋惑。無論是代碼相關,還是行業經驗,或者是面試技巧等等,總之問啥答啥。
實話實說,很多交流羣要麼廣告滿天飛,要麼羣主根本不搭理你們,無論下班還是週末,都不會回你的消息。基於此,創建了這個高質量的交流羣。
最後,不論你是否加羣,我也希望你能夠認真對待每一天。
記住:機會成本是最大的成本!以前,我也總是在猶豫、徘徊中活得漸漸平庸,幸好我及時覺醒,還遇到了貴人。只恨北漂來的太晚~或許這正是它的時間。
精彩推薦
連續兩次被高校教師應用於教學的文章
“在看”的永遠18歲~