精华内容
下载资源
问答
  • Python绘制柱形图

    2020-07-12 15:02:41
    Python绘制柱形图 %%time import psycopg2 import psycopg2.extras import pandas as pd import numpy as np import matplotlib import matplotlib.pyplot as plt import datetime #import pyecharts as echarts #...

    Python绘制柱形图

    %%time
    import psycopg2
    import psycopg2.extras
    import pandas as pd
    import numpy as np
    import matplotlib
    import matplotlib.pyplot as plt
    import datetime
    #import pyecharts as echarts  #可视化工具
    
    """用于解决matplotlib无法显示中文问题"""
    plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
    plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
    pd.set_option('display.max_columns',200)
    """"""
    
    #屏蔽工具包信息
    import warnings
    warnings.filterwarnings("ignore")
    #构建自定义函数
    def postgresql_cnn_7days(sql,days):
        sql = sql
        days = days
        test = 0
        cur = []
        conn = psycopg2.connect(dbname = 'postgres',host = '127.0.0.1',user = 'postgres',password = 'puhonglin918',port = 5432)
        cursor = conn.cursor(cursor_factory=psycopg2.extras.DictCursor)
        date_start = str(datetime.date.isoformat(datetime.date(2020,2,11)- datetime.timedelta(days = days)))
        date_end = str(datetime.date.isoformat(datetime.date(2020,2,11)))
        if test == 1:
            print(cursor.mogrify(sql, (date_start,date_end)))
            #cursor.execute(sql,(date_start,date_end))
            #print(cursor.fetchone())
            cursor.close()
            conn.close()
            return [],[]
        else:
            cursor.execute(sql,(date_start,date_end))
            col_tuple = cursor.description
            cur = cursor.fetchall()
            col_name = []
            for i in col_tuple:
                col_name.append(i[0])
            conn.commit()
            cursor.close()
            conn.close()
        return cur,col_name
    sql_update_data='select \
    cgi \
    ,object_rdn \
    ,ecgi \
    ,cell_name \
    ,city \
    ,area \
    ,grid \
    ,band_use \
    ,latitude \
    ,longitude \
    ,scene_name \
    ,vendor \
    ,enodeb_id \
    ,first_join_date \
    ,latest_update_date \
    ,lost_days \
    ,curr_flag \
    ,eff_start_date \
    ,eff_end_date \
    from \
    public.a_effective_cell_mark \
    where \
    latest_update_date >= %s\
    and latest_update_date < %s;'
    
    postgresql_cnn_7days(sql_update_data,7)
    cur_days_num,cur_days_num_col = postgresql_cnn_7days(sql_update_data,7)
    print(cur_days_num_col)
    cur_df_day_num = pd.DataFrame(np.array(cur_days_num),columns = [['cgi','object_rdn','ecgi','cell_name','city','area','grid','band_use','latitude','longitude','scene_name','vendor','enodeb_id','first_join_date','latest_update_date','lost_days','curr_flag','eff_start_date','eff_end_date'
    ]])
    display(cur_df_day_num)
    sql_city_num = 'select \
    case when city is null then \'不详\' else city end as city \
    ,count(1) as num \
    from \
    public.a_effective_cell_mark \
    where \
    latest_update_date >= %s\
    and latest_update_date < %s \
    group by \
    city;'
    data,data_col = postgresql_cnn_7days(sql_city_num,1)
    summary = pd.DataFrame(np.array(data),columns = [['city','num']])
    display(summary)
    x=[]
    y=[]
    print(len(data))
    for i in range(0,len(data)):
        x.append(data[i][0])
        y.append(data[i][1])
    print(x)
    print(y)
    
    
    import pandas as pd
    import matplotlib.pyplot as plt
    # print(unrate)
    # plot 的两个参数,第一个是x坐标,第二个是y坐标
    x=[]
    y=[]
    for i in range(0,len(data)):
        x.append(data[i][0])
        y.append(data[i][1])
    print(x)
    print(y)
    plt.plot(x,y)
    # 让x下面的数据旋转45度
    plt.xticks(rotation=90)
    # 添加x,y和大标题的信息
    plt.xlabel("地市")
    plt.ylabel("小区数")
    plt.title("各地市小区数")
    plt.show()
    
    import numpy as np
    from matplotlib import pyplot as plt
    plt.figure(figsize=(9,6))
    x=[]
    y=[]
    for i in range(0,len(data)):
        x.append(data[i][0])
        y.append(data[i][1])
    print(x)
    print(y)
    plt.bar(x,y,width = 0.35,facecolor = 'lightskyblue',edgecolor = 'white')
    #width:柱的宽度
    #水平柱状图plt.barh,属性中宽度width变成了高度height
    #打两组数据时用+
    #facecolor柱状图里填充的颜色
    #edgecolor是边框的颜色
    #想把一组数据打到下边,在数据前使用负号
    #plt.bar(X, -Y2, width=width, facecolor='#ff9999', edgecolor='white')
    #给图加text
    for x,y in zip(x,y):
        plt.text(x, y, y, ha='center', va= 'bottom')
    plt.ylim(0,+1.25)
    plt.show()
    
    

    GP数据库操作.ipynb

    展开全文
  • 我们经常看到的Bar Chart Race(柱形竞赛),可以看到数据的呈现非常的直观。今天就一起来学习下如何生成和上面一样的柱形竞赛。1、导入PythonPython12345importpandasaspdimportmatplotlib....

    我们经常看到的Bar Chart Race(柱形竞赛图),可以看到数据的呈现非常的直观。今天就一起来学习下如何生成和上面一样的柱形竞赛图。

    Bar-Chart-Race.gif

    1、导入Python库

    Python

    1

    2

    3

    4

    5importpandasaspd

    importmatplotlib.pyplotasplt

    importmatplotlib.tickerasticker

    importmatplotlib.animationasanimation

    fromIPython.displayimportHTML

    2、加载数据集

    这里使用的是城市人口数据集,加载我们想要的数据:其中,name为城市名称,group为城市所在区域。

    Python

    1

    2df=pd.read_csv("data/city_populations.csv",usecols=['name','group','year','value'])

    df.head()

    df.png

    3、初步处理数据

    提取某一年的TOP10城市:

    Python

    1

    2current_year=2018

    dff=df[df['year'].eq(current_year)].sort_values(by='value',ascending=True).head(10)

    dff.png

    4、 绘制基础柱状图

    Python

    1

    2fig,ax=plt.subplots(figsize=(15,8))

    ax.barh(dff['name'],dff['value'])

    barh.png

    5、 调整样式(设置颜色、添加标签)重新绘制图片

    Python

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16colors=dict(zip(

    ["India","Europe","Asia","Latin America","Middle East","North America","Africa"],

    ["#adb0ff","#ffb3ff","#90d595","#e48381","#aafbff","#f7bb5f","#eafb50"]

    ))

    group_lk=df.set_index('name')['group'].to_dict()

    fig,ax=plt.subplots(figsize=(15,8))

    # pass colors values to `color=`

    ax.barh(dff['name'],dff['value'],color=[colors[group_lk[x]]forxindff['name']])

    # iterate over the values to plot labels and values (Tokyo, Asia, 38194.2)

    fori,(value,name)inenumerate(zip(dff['value'],dff['name'])):

    ax.text(value,i,name,ha='right')# Tokyo: name

    ax.text(value,i-.25,group_lk[name],ha='right')# Asia: group name

    ax.text(value,i,value,ha='left')# 38194.2: value

    # Add year right middle portion of canvas

    ax.text(1,0.4,current_year,transform=ax.transAxes,size=46,ha='right')

    bar-2018.png

    6、 完善代码,将代码整合进函数

    优化内容:文字:更新字体大小,颜色,方向

    轴:将X轴移到顶部,添加颜色和字幕

    网格:在条后面添加线

    格式:逗号分隔的值和坐标轴

    添加标题,字幕,装订线空间

    删除:框框,y轴标签

    Python

    1

    2

    3

    4

    5

    6

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16

    17

    18

    19

    20

    21

    22

    23

    24

    25

    26

    27

    28fig,ax=plt.subplots(figsize=(15,8))

    defdraw_barchart(year):

    dff=df[df['year'].eq(year)].sort_values(by='value',ascending=True).tail(10)

    ax.clear()

    ax.barh(dff['name'],dff['value'],color=[colors[group_lk[x]]forxindff['name']])

    dx=dff['value'].max()/200

    fori,(value,name)inenumerate(zip(dff['value'],dff['name'])):

    ax.text(value-dx,i,name,size=14,weight=600,ha='right',va='bottom')

    ax.text(value-dx,i-.25,group_lk[name],size=10,color='#444444',ha='right',va='baseline')

    ax.text(value+dx,i,f'{value:,.0f}',size=14,ha='left',va='center')

    # ... polished styles

    ax.text(1,0.4,year,transform=ax.transAxes,color='#777777',size=46,ha='right',weight=800)

    ax.text(0,1.06,'Population (thousands)',transform=ax.transAxes,size=12,color='#777777')

    ax.xaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))

    ax.xaxis.set_ticks_position('top')

    ax.tick_params(axis='x',colors='#777777',labelsize=12)

    ax.set_yticks([])

    ax.margins(0,0.01)

    ax.grid(which='major',axis='x',linestyle='-')

    ax.set_axisbelow(True)

    ax.text(0,1.12,'The most populous cities in the world from 1500 to 2018',

    transform=ax.transAxes,size=24,weight=600,ha='left')

    ax.text(1,0,'by @pratapvardhan; credit @jburnmurdoch',transform=ax.transAxes,ha='right',

    color='#777777',bbox=dict(facecolor='white',alpha=0.8,edgecolor='white'))

    plt.box(False)

    draw_barchart(2018)

    bar-new.png

    7、 绘制动态柱状图

    为了看起来像是在竞赛,我们使用matplotlib.animation中的FuncAnimation来重复调用上面的函数在画布上制作动画。frames参数为函数接受的值。

    Python

    1

    2

    3

    4

    5

    6importmatplotlib.animationasanimation

    fromIPython.displayimportHTML

    fig,ax=plt.subplots(figsize=(15,8))

    animator=animation.FuncAnimation(fig,draw_barchart,frames=range(1968,2019))

    HTML(animator.to_jshtml())

    # or use animator.to_html5_video() or animator.save()

    8、 额外奖励,绘制xkcd风格的图形

    Python

    1

    2

    3withplt.xkcd():

    fig,ax=plt.subplots(figsize=(15,8))

    draw_barchart(2018)

    xkcd.png

    matplotlib 的 animations使用说明

    Matplotlib中动画实现的原理跟其它一样,就是让多幅图连续播放,每一幅图叫做一帧(frame)。

    生成动画的核心语句如下:

    Python

    1

    2

    3

    4

    5

    6importmatplotlib.animationasanimation

    fromIPython.displayimportHTML

    fig,ax=plt.subplots(figsize=(15,8))

    animator=animation.FuncAnimation(fig,draw_barchart,frames=range(1968,2019))

    HTML(animator.to_jshtml())

    # or use animator.to_html5_video() or animator.save()

    Python

    1classmatplotlib.animation.FuncAnimation(fig,func,frames=None,init_func=None,fargs=None,save_count=None,*,cache_frame_data=True,**kwargs)

    参数说明:fig:进行动画绘制的figure

    func:更新函数

    frames:传入更新函数的迭代值,即生成每一帧(frame)的参数

    init_func:初始函数

    fargs:传入更新函数的额外参数

    save_count:指定保存动画(gif或mp4)的帧数

    interval:指定帧间隔时间,单位是ms

    repeat_delay:如果指定了循环动画,则设置每次循环的间隔时间

    repeat:指定是否循环动画

    blit:是否优化绘图

    cache_frame_data:控制是否缓存帧数据

    核心方法说明:save(self, filename[, writer, fps, dpi, …]):将动画保存为文件(gif或mp4).

    to_html5_video(self[, embed_limit]):将动画HTML5动画

    to_jshtml(self[, fps, embed_frames, …]):将动画返回为HTML格式

    微信支付

    reward_1516254736-200x200.jpg

    支付宝

    reward_1516254736_1-200x200.jpg

    展开全文
  • 本文的文字及图片来源于网络,仅供学习...没有安装PyEcharts的,先安装PyEcharts:data = pd.read_excel('D:/python/xgyq.xlsx',sheet_name='1')#按新增字段进行降序data = data.sort_values(by=['新增'],ascending=[...

    本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

    没有安装PyEcharts的,先安装PyEcharts:

    data = pd.read_excel('D:/python/xgyq.xlsx',sheet_name='1')#按新增字段进行降序

    data = data.sort_values(by=['新增'],ascending=[False])

    安装好PyEcharts之后,就可以将需要使用的模块进行导入:

    c = (

    #创建柱图对象,并设置大小,也可以不设置,直接使用默认大小即可

    Bar(init_opts=opts.InitOpts(width="800px", height="400px"))

    #设置X轴数据系列,只取前10个数据,并转为列表格式

    .add_xaxis(data.省份[:10].tolist())

    #设置Y轴数据系列及显示颜色,只取前10个数据,并转为列表格式

    .add_yaxis("", data.新增[:10].tolist())

    # 设置图表标题及位置

    .set_global_opts(title_opts=opts.TitleOpts(title="新增TOP10",pos_left="center"))

    #通过render()方法将柱图渲染为html

    .render("柱形图.html")

    )

    导入数据:

    c = (

    #创建柱图对象,并设置大小,也可以不设置,直接使用默认大小即可

    Bar(init_opts=opts.InitOpts(width="800px", height="400px"))

    #设置X轴数据系列,只取前10个数据,并转为列表格式

    .add_xaxis(data.省份[:10].tolist())

    #设置Y轴数据系列及显示颜色,只取前10个数据,并转为列表格式

    .add_yaxis("", data.新增[:10].tolist())

    # 设置图表标题及位置

    .set_global_opts(title_opts=opts.TitleOpts(title="新增TOP10",pos_left="center"))

    #通过render()方法将柱图渲染为html

    .render("柱形图.html")

    )

    接下来就可以绘制柱形图了:

    c = (

    #创建柱图对象,并设置大小,也可以不设置,直接使用默认大小即可

    Bar(init_opts=opts.InitOpts(width="800px", height="400px"))

    #设置X轴数据系列,只取前10个数据,并转为列表格式

    .add_xaxis(data.省份[:10].tolist())

    #设置Y轴数据系列及显示颜色,只取前10个数据,并转为列表格式

    .add_yaxis("", data.新增[:10].tolist())

    # 设置图表标题及位置

    .set_global_opts(title_opts=opts.TitleOpts(title="新增TOP10",pos_left="center"))

    #通过render()方法将柱图渲染为html

    .render("柱形图.html")

    )

    效果如下图:

    5f9334bc5e59

    在这里插入图片描述

    c = (

    Bar(init_opts=opts.InitOpts(width="800px", height="400px"))

    .add_xaxis(data.省份[:10].tolist())

    .add_yaxis("累计", data.确诊人数[:10].tolist())

    .add_yaxis("新增", data.新增[:10].tolist())

    .set_global_opts(title_opts=opts.TitleOpts(title="TOP10"))

    .render("柱形图.html")

    )

    绘制的多数据系列柱形图效果是这样的:

    5f9334bc5e59

    在这里插入图片描述

    c = (

    Bar(init_opts=opts.InitOpts(width="800px", height="400px"))

    .add_xaxis(data.省份[:10].tolist())

    #设置Y轴数据系列及显示颜色

    .add_yaxis("", data.新增[:10].tolist(),color='#FF1493')

    .set_global_opts(title_opts=opts.TitleOpts(title="新增TOP10",pos_left="center"))

    .render("柱形图.html")

    )

    5f9334bc5e59

    在这里插入图片描述

    展开全文
  • python 绘制柱状图

    2019-04-18 21:20:00
    python 绘制柱状图 import matplotlib.pyplot as plt import numpy as np # 创建一个点数为 8 x 6 的窗口, 并设置分辨率为 80像素/每英寸 plt.figure(figsize=(8, 6), dpi=80) # 再创建一个规格为 1 x 1 ...

    python 绘制柱状图

    import matplotlib.pyplot as plt
    import numpy as np
    
    # 创建一个点数为 8 x 6 的窗口, 并设置分辨率为 80像素/每英寸
    plt.figure(figsize=(8, 6), dpi=80)
    
    # 再创建一个规格为 1 x 1 的子图
    plt.subplot(1, 1, 1)
    
    # 柱子总数
    N = 6
    # 包含每个柱子对应值的序列
    values = (25, 32, 34, 20, 41, 50)
    
    # 包含每个柱子下标的序列
    index = np.arange(N)
    
    # 柱子的宽度
    width = 0.35
    
    # 绘制柱状图, 每根柱子的颜色为紫罗兰色
    p2 = plt.bar(index, values, width, label="rainfall", color="#87CEFA")
    
    # 设置横轴标签
    plt.xlabel('Months')
    # 设置纵轴标签
    plt.ylabel('rainfall (mm)')
    
    # 添加标题
    plt.title('Monthly average rainfall')
    
    # 添加纵横轴的刻度
    plt.xticks(index, ('Jan', 'Fub', 'Mar', 'Apr', 'May', 'Jun'))
    plt.yticks(np.arange(0, 81, 10))
    
    # 添加图例
    plt.legend(loc="upper right")
    
    plt.show()

    运行结果

    转载于:https://www.cnblogs.com/ldcs/p/10732472.html

    展开全文
  • 本文主要讲解如何使用python绘制三维的柱形图,如下图源代码如下:1234567891011121314151617181920212223242526272829import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3dimport Axes3D#...
  • python绘制柱形图

    2021-03-04 21:58:26
    python的plt.bar()函数可以绘制柱形图: import matplotlib.pyplot as plt x=[1,2,3,4,5] y=[5,4,3,2,1] plt.bar(x,y) plt.show()
  • #若是不想显示直线,可以直接将上面两行注释掉 plt.bar(index, pvalue, width,color="#87CEFA") #绘制柱状图 #plt.xlabel('cell type') #x轴 plt.ylabel('p value') #y轴 plt.title('Result of Network Screen') #...
  • python绘制柱状图

    2020-12-23 11:26:19
    使用python 绘制横向柱状图 def plt_pic_1(x,y1,y2): x = x[5:10] y1 = y1[5:10] y_11 = [] for i in range(len(y1)): y_11.append(int(float(y1[i]))) y2 = y2[5:10] y_22 = [] for i in range(len(y2)): y_22....
  • 1.柱形图。import matplotlib.pylab as pltimport seaborn as snsimport pandas as pddf = pd.DataFrame()df['group'] = ['A','B','C']df['value'] = [12, 4, 8]p1=sns.barplot( data=df, x='group', y='value' )plt...
  • 目录1 问题2 从柱状图绘制完整统计图注意事项3 Python3代码4 参考文献1 问题同样是统计图,有的美观的表达了想法,有的却让人看不明白。那么,我们在绘制完整统计图时要注意哪些事项呢?下面通过柱状图来说明。2 ...
  • 关于绘图库Matplotlib的安装方法:点击这里小编之前也和大家分享过python使用matplotlib实现的折线图和制饼图效果,感兴趣的朋友们也可以点击查看,下面来看看python使用matplotlib绘制柱状图的方法吧,具体如下:1....
  • 柱形图数据会被绘制成垂直,水平或者是层叠效果的柱形图。注意:接下来的设置会影响到不同类型的图表。设置类别可以控制柱形图是垂直或是水平。使用层叠图形时,需要设置overlap成100。如果柱形是水平的,x和y坐标会...
  • Excel2007中怎么制作目标线柱形图?表现实际数据是否达到预测目标值的特殊图表。案例包括图表类型转换、误差线设置、图表格式设置等内容。那么具体要怎么做呢?下面小编就给你分享Excel2007中制作目标线柱形图的方法。...
  • Python——使用matplotlib绘制柱状图1、基本柱状图首先要安装matplotlib(matplotlib.org/api/pyplot_…) 可以使用pip命令直接安装# -*- coding: utf-8 -*-import matplotlib.pyplot as pltnum_list = [1.5,0.6,7.8...
  • )) .set_global_opts(title_opts=opts.TitleOpts(title='实际销售金额', subtitle="QDM"), xaxis_opts=opts.AxisOpts(name='商品'), yaxis_opts=opts.AxisOpts(name='单位:万元')) ) # bar.render('柱状图.html') ...
  • matplotlib是Python中最基本的绘图库,而柱状图又是使用频率较高的可视化图形。下面我就在有pyecharts库和R语言,echarts绘图经验的基础上,简单得摸索一下用matplotlib绘制柱状图的方法。代码如下:# 导入相关的库...
  • python绘制柱状图形+柱状图增加数字标注 data = pd.Series([4, 5, 6], index=['A','B','C']) fig = plt...
  • 使用Plotly绘制基本的柱状图,需要用到的函数是graph_objs 中 Bar函数通过参数,可以设置柱状图的样式。通过barmod进行设置可以绘制出不同类型的柱状图出来。我们先来实现一个简单的柱状图:#-*- coding: utf-8 -*-...
  • 介绍一种简单而又功能强大的绘制图形或报表的包—pyecharts,一个基于Echarts(基于JS的数据可视化库)的图标类库,除了绘制常见的折线图、柱状图、饼图、箱型图和散点图外,还可以绘制3D柱状图、关系图、仪表盘、...
  • 本文实例讲述了Python实现绘制柱状图并显示数值功能。分享给大家供大家参考,具体如下:# -*- coding:utf-8 -*-#! python3import matplotlib.pyplot as pltimport mpl_toolkits.mplot3d#定义函数来显示柱状上的...
  • 本文实例讲述了Python实现绘制柱状图并显示数值功能。分享给大家供大家参考,具体如下:# -*- coding:utf-8 -*-#! python3import matplotlib.pyplot as pltimport mpl_toolkits.mplot3d#定义函数来显示柱状上的...
  • #若是不想显示直线,可以直接将上面两行注释掉 plt.bar(index, pvalue, width,color="#87CEFA") #绘制柱状图 #plt.xlabel('cell type') #x轴 plt.ylabel('p value') #y轴 plt.title('Result of Network Screen') #...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 11,783
精华内容 4,713
关键字:

python绘制柱形图

python 订阅