堆积面积图、三维散点图(pyecharts) |
您所在的位置:网站首页 › excel建立堆积面积图 › 堆积面积图、三维散点图(pyecharts) |
目录 一、pyecharts是什么? 二、堆积面积图使用步骤 1.引入所要用到的数据库 2.读入数据 (1).数据去重,并查看是否去重成功 (2).数据加工 3.数据预处理 4.数据结构重组 5.画图 三、三维三点图 1.引入数据库 2.导入数据 3.剔除年龄缺失值 4.数据筛选 5.画图 四、总结 前言 在对数据的掌握及分析变得愈加重要的当今时代,数据可视化作为提高用户对数据的理解程度,创新架构,增进体验的重要一环,一向富有表现力的Python语言应当可以发挥更大作用,优秀的pyechart第三方库即在这样的背景下诞生。 一、pyecharts是什么?要了解pyecharts是什么?我们必须先了解Echares是什么。Echarts是一个由百度开源的商业级数据图表,它是一个纯JavaScript的图表库,可以为用户提供直观生动,可交互,可高度个性化定制的数据可视化图表,赋予了用户对数据进行挖掘整合的能力。 我们即可定义:pyecharts库是一个用于生成 Echarts 图表的类库。 二、堆积面积图使用步骤1.引入所要用到的数据库 代码如下: import pandas as pd如果你运行不成功,那可是你没有安装这个数据库,只按住win+R输入cmd,打开命令提示符后输入“pip install pandas” ,点击回车。等待安装完后就可以正常使用了。当然不只是这个数据库,其他的数据库没有,你也可以使用“pip install”+数据库名称进行安装 2.读入数据 代码如下: data_mpv_sale = pd.read_excel(r'E:\20210322022\数据可视化\MPV销量数据2012-2021(1).xlsx') data_mpv_sale3.数据预处理 (1).数据去重,并查看是否去重成功 data_mpv_sale2 = data_mpv_sale.drop_duplicates(subset=['采集时间','排名'],keep='last') data_mpv_sale2 = data_mpv_sale2.sort_values(by=['采集时间','排名']) data_mpv_sale2可以看到去重成功了 (2).数据加工 时间条件筛选 '201721'>'20173' data_mpv_sale3 = data_mpv_sale2[data_mpv_sale2['采集时间']>'2017'] data_mpv_sale3['车型'] data_mpv_sale3['厂商'] data_mpv_sale3['车型_厂商'] = data_mpv_sale3['车型'] + '_' + data_mpv_sale3['厂商'] data_mpv_sale3时间数据加工 data_mpv_sale4 = data_mpv_sale3.copy() # 复制一个表格对象 data_mpv_sale4['年份'] = data_mpv_sale4['采集时间'].agg(lambda x:int(x[:4])) data_mpv_sale4['月份'] = data_mpv_sale4['采集时间'].agg(lambda x:int(x[-2:])) def jidu(month): if month |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |