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） |
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 |
【本文地址】
今日新闻 |
推荐新闻 |