木白^0^端墨

Pyecharts 可视化

一、Pyecharts 认识

Pyecharts 是一个用于生成 Echarts 图表的类库

Echarts 是百度开源的一个数据可视化 JS 库，主要用于数据可视化，Pyecharts 是一个用于生成 Echarts 图表的类库。实际上就是 Echarts 与 Python 的对接

使用 Pyecharts 可以生成独立的网页，也可以在 flask , Django 中集成使用

安装：pip install pyecharts==1.5

二、Pyecharts图表绘制准备

1、全局配置项

全局配置项可通过 set_global_options 方法设置

主要配置的内容为：

2、系列配置项

可以使用 set_series_options 方法设置

主要用来配置用来配置字体、颜色、线条灯具体的参数

3、注意：数据格式

Pyecharts 本质上在做的事情就是将 Echarts 的配置项由 Python dict 序列化为 JSON 格式，所以 Pyecharts 支持什么格式的数据类型取决于 JSON 支持什么数据类型

Pyecharts 是一个通用的第三方库，我们不可能关心开发者的所有使用场景，这个转换需要我们引入 numpy/pandas 两个第三方库，而这两个库太重要了，所以我们将这个工作交给了开发者

具体转换方式：

可以使用 Series.tolist()进行快速转换

4、更多配置

更多配置理解可参考：http://pyecharts.org/#/zh-cn/

颜色对照表课参考：http://www.fynas.com/system-drawing-color

三、柱状图

以绘制某商家 A、商家 B 的各类商品售卖数量为例，绘制柱状图

	衬衫	毛衣	领带	裤子	风衣	高跟鞋	袜子
商家 A	114	55	27	101	125	27	105
商家 B	57	134	137	129	145	60	49

代码实现：

from pyecharts import options as opts  # 配置模块
from pyecharts.charts import Bar

# 1、实例化bar对象
bar = Bar()

# 2、添加数据
# 横轴数据
bar.add_xaxis(
    xaxis_data=['衬衫', '毛衣', '领带', '裤子', '风衣', '高跟鞋', '袜子']
)

# 添加纵轴数据
bar.add_yaxis(
    series_name='商家A',  # 柱子名称
    yaxis_data=[114, 55, 27, 101, 125, 27, 105],  # 商家A的数据
)

# 添加纵轴数据
bar.add_yaxis(
    series_name='商家B',  # 柱子名称
    yaxis_data=[57, 134, 137, 129, 145, 60, 49],  # 商家A的数据
)

# 3、全局配置项
bar.set_global_opts(
    # 设置标题
    title_opts=opts.TitleOpts(
        title='Bar测试'
    )
)

# 4、系列配置项
bar.set_series_opts(
    # 设置标签
    label_opts=opts.LabelOpts(
        is_show=True,
        position='right', # 标签位置
    )
)

# 设置方向
bar.reversal_axis()

# 5、生成文件
bar.render('./柱状图.html')

四、饼图

以各个地区分校的 Python 系统班人数统计数据为例，绘制饼图

各个地区分校人数统计表

地区分校	Python系统班人数
北京	130
河南	65
广州	60
武汉	23
成都	30
杭州	33

代码实现：

# 导包
from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeType  # 主题模块
import pandas as pd

# 1、实例化对象
pie = Pie(
    # 初始化配置
    init_opts=opts.InitOpts(
        width='1200px',  # 画布宽度
        height='500px',  # 画布高度
        # theme='white',  # 主题  ，设置方式
        theme=ThemeType.WHITE,  # 主题，设置方式
        page_title='Python分校人数占比饼图',
        # bg_color='#F0F8FF',  # 背景颜色
    )
)

# 加载分校数据
data = pd.read_excel('./Python地区分校人数.xlsx')
print('data:\n', data)
# for tmp in zip(data.loc[:,'分校'].tolist(),data.loc[:,'人数'].tolist()):
#     print(tmp)

data_pair = [(k, v) for k, v in zip(data.loc[:, '分校'].tolist(), data.loc[:, '人数'].tolist())]
print('data_pair:\n', data_pair)

# 2、添加数据
pie.add(
    series_name=data.loc[:, '分校'].tolist(),  # 图例名称
    data_pair=data_pair,  # 数据 ，格式为：[(k1,v1),(k2,v2),...],
    radius=['30%', '70%'],  # 半径，第一个为内径，第二个为外径，通常设置为百分数
    is_clockwise=True,  # 顺时针排布
)

# 3、设置全局配置项
pie.set_global_opts(
    # 设置标题
    title_opts=opts.TitleOpts(
        title='Python分校人数占比饼图',  # 标题名称
        subtitle='广州分校Python0421班级',  # 子标题
        pos_left='left',  # 位置
    ),
    # 设置图例
    legend_opts=opts.LegendOpts(
        is_show=True,  # 展示图例
        pos_left='center',  # 位置 --居中
    )
)

# 4、设置系列配置项
pie.set_series_opts(
    # 设置标签
    label_opts=opts.LabelOpts(
        is_show=True,  # 展示标签
        font_size=12,  # 字体大小
        font_style='italic',  # 字体风格，倾斜
        formatter='{b}:{d}%',  # 显示的样式 {a}系列名称 {b}数据项名称 {c}数值 {d}百分比
    )
)

# 5、生成文件
pie.render('./Python分校人数占比饼图.html')

五、折线图

新型冠状病毒肺炎（Corona Virus Disease 2019，COVID-19），简称“新冠肺炎”，是指 2019 新型冠状病毒感染导致的肺炎，2019 年 12 月以来，湖北省武汉市部分医院陆续发现了多例有华南海鲜市场暴露史的不明原因肺炎病例，现已证实为2019 新型冠状病毒感染引起的急性呼吸道传染病

为此，湖北政府、各省、乃至国家对于新冠状病毒的疫情的发展状况非常重视，对于患
病人员迅速采取隔离、治疗

此案例，借助国家发布数据（部分），对于疫情数据进行统计分析

以截至2020年2月 6 日 10 时 49 分的全国疫情统计数据为例，绘制折线图、柱状图

中国疫情数据每日变化统计表

城市	时间	死亡数	治愈数	疑似数	省份	确诊数
全国	2020-02-06	564	1180	24702	全国	28060
全国	2020-02-05	564	1153	24702	全国	28060
全国	2020-02-04	491	892	23260	全国	24363
全国	2020-02-03	425	630	23214	全国	20471
全国	2020-02-02	361	475	21558	全国	17238
全国	2020-02-01	304	328	19544	全国	14411
全国	2020-01-31	259	243	17988	全国	11821
全国	2020-01-30	213	171	15238	全国	9720
全国	2020-01-29	170	124	12167	全国	7736
全国	2020-01-28	132	103	9239	全国	5997
全国	2020-01-27	106	51	6973	全国	4535
全国	2020-01-26	80	49	5794	全国	2761
全国	2020-01-25	56	38	2684	全国	1985
全国	2020-01-24	41	38	1965	全国	1297
全国	2020-01-23	25	34	1072	全国	830

代码实现：

# 绘图模块
from pyecharts.charts import *
# 配置模块
from pyecharts import options as opts
# 主题模块
from pyecharts.globals import ThemeType

import pandas as pd

# 1、实例化对象
bar = Bar(
    # init_opts=opts.InitOpts(
    #     width='2000px',
    #     # height='700px'
    # )
)

# 加载数据
history_data = pd.read_excel('./疫情历史数据.xls', index_col=0)
print('history_data:\n', history_data)

# 获取横轴数据
# （1）获取到时间数据，然后修改其类型为 str
x_data = history_data.loc[:, '时间'].astype('str')
# （2）反过来
x_data = x_data[::-1].tolist()

print('x_data:\n', x_data)

# 准备纵轴数据
# 死亡数据
death_data = history_data.loc[:, '死亡数'][::-1].tolist()
print('death_data:\n', death_data)
# 确诊数据
ensure_data = history_data.loc[:, '确诊数'][::-1].tolist()
print('ensure_data:\n', ensure_data)
# 疑似数据
suspected_data = history_data.loc[:, '疑似数'][::-1].tolist()
print('suspected_data:\n', suspected_data)
# 治愈数据
cure_data = history_data.loc[:, '治愈数'][::-1].tolist()
print('cure_data:\n', cure_data)

# 2、添加数据
# 横轴数据
bar.add_xaxis(
    xaxis_data=x_data,  # 横轴数据
)

# 纵轴数据
bar.add_yaxis(
    series_name='死亡数',  # 图例名称
    yaxis_data=death_data,  # 数据
    yaxis_index=1,  # 表示多个纵轴时，选择第1个纵轴作为死亡数的参考
)

bar.add_yaxis(
    series_name='治愈数',  # 图例名称
    yaxis_data=cure_data,  # 数据
    yaxis_index=2,  # 表示多个纵轴时，选择第2个纵轴作为 治愈数的参考
)

# 增加纵轴
bar.extend_axis(
    # 增加一个纵轴
    yaxis=opts.AxisOpts(
        type_='value',  # 坐标轴的类型
        name='死亡数',  # 坐标轴的名称
        min_=0,  # 最小值
        max_=1200,  # 最大值，
        position='right',  # 位置，右边
        offset=0,
        # 坐标线设置
        axisline_opts=opts.AxisLineOpts(
            is_show=True,  # 显示坐标线，
            # 坐标线的风格
            linestyle_opts=opts.LineStyleOpts(
                color='#a5a391',  # 线的颜色
            )
        ),
        # 坐标线上标签设置
        axislabel_opts=opts.LabelOpts(
            is_show=True,  # 展示轴线标签
            position='top',  # 标签位置
            formatter='{value}'  # 标签值
        )
    )
)
bar.extend_axis(
    # 增加一个纵轴
    yaxis=opts.AxisOpts(
        type_='value',  # 坐标轴的类型
        name='治愈数',  # 坐标轴的名称
        min_=0,  # 最小值
        max_=1200,  # 最大值，
        position='right',  # 位置，右边
        offset=60,
        # 坐标线设置
        axisline_opts=opts.AxisLineOpts(
            is_show=True,  # 显示坐标线，
            # 坐标线的风格
            linestyle_opts=opts.LineStyleOpts(
                color='#fd5956',  # 线的颜色
            )
        ),
        # 坐标线上标签设置
        axislabel_opts=opts.LabelOpts(
            is_show=True,  # 展示轴线标签
            position='top',  # 标签位置
            formatter='{value}'  # 标签值
        )
    )
)

bar.extend_axis(
    # 增加一个纵轴
    yaxis=opts.AxisOpts(
        type_='value',  # 坐标轴的类型
        name='疑似数',  # 坐标轴的名称
        min_=0,  # 最小值
        max_=30000,  # 最大值，
        position='right',  # 位置，右边
        offset=120,
        # 坐标线设置
        axisline_opts=opts.AxisLineOpts(
            is_show=True,  # 显示坐标线，
            # 坐标线的风格
            linestyle_opts=opts.LineStyleOpts(
                color='#ac7e04',  # 线的颜色
            )
        ),
        # 坐标线上标签设置
        axislabel_opts=opts.LabelOpts(
            is_show=True,  # 展示轴线标签
            position='top',  # 标签位置
            formatter='{value}'  # 标签值
        )
    )
)

# 绘制折线图
# 实例化对象
line = Line()
# 添加数据
# 添加横轴数据
line.add_xaxis(
    xaxis_data=x_data
)
# 添加纵轴数据
line.add_yaxis(
    series_name='确诊数',  # 图例名称
    y_axis=ensure_data,  # 确诊数据
    yaxis_index=0,  # 选择第0纵轴作为参考
    # 标签设置
    label_opts=opts.LabelOpts(
        is_show=False
    )
)
line.add_yaxis(
    series_name='疑似数',
    y_axis=suspected_data,  # 疑似数据
    yaxis_index=3,
    # 标签设置
    label_opts=opts.LabelOpts(
        is_show=False
    ),
)

# 3、全局配置
bar.set_global_opts(
    # 标题配置
    title_opts=opts.TitleOpts(
        title='中国疫情变化趋势图',  # 标题
        subtitle='广州分校Python0421班级',  # 子标题
        pos_left='3%',  # 标题的位置
        pos_top='5%',  # 标题的位置
        # 主标题 样式设置
        title_textstyle_opts=opts.TextStyleOpts(
            # color='#000000',  # 文字颜色
            font_style='normal',  # 字体风格
            # font_size=12,  # 字体大小
            font_weight='normal',  # 字体的粗细
        ),
        # 子标题 样式设置
        subtitle_textstyle_opts=opts.TextStyleOpts(
            # color='#000000',  # 文字颜色
            font_style='normal',  # 字体风格
            # font_size=7,  # 字体大小
            font_weight='normal',  # 字体的粗细
        )
    ),
    # 图例设置
    legend_opts=opts.LegendOpts(
        is_show=True,  # 显示图例
        pos_left='25%',  # 图例位置
        pos_top='7%',  # 图例位置
        # 图例样式 设置 --暂时不设置
        # textstyle_opts=opts.TextStyleOpts()
    ),
    # 纵轴设置
    yaxis_opts=opts.AxisOpts(
        type_='value',  # 坐标轴的类型
        name='确诊数',  # 坐标轴的名称
        min_=0,  # 最小值
        max_=30000,  # 最大值，
        position='left',  # 位置，左边
        # 坐标线设置
        axisline_opts=opts.AxisLineOpts(
            is_show=True,  # 显示坐标线，
            # 坐标线的风格
            linestyle_opts=opts.LineStyleOpts(
                color='#FFF5EE',  # 线的颜色
            )
        ),
        # 坐标线上标签设置
        axislabel_opts=opts.LabelOpts(
            is_show=True,  # 展示轴线标签
            position='top',
            formatter='{value}'
        )
    ),
    # 提示框设置
    tooltip_opts=opts.TooltipOpts(
        trigger='axis',  # 'axis': 坐标轴触发，主要在柱状图，折线图等会使用类目 轴的图表中使用
        axis_pointer_type='cross',  # 'cross'：十字准星指示器。其实是种简写，表示启用两个正交的轴的 axisPointer。
    ),
    # 文本框设置
    graphic_opts=opts.GraphicGroup(
        # 图形的配置项
        # 文本相对于图的位置
        graphic_item=opts.GraphicItem(
            # 控制整体的位置
            left="75%",
            top="45%",
        ),
        children=[
            # # opts.GraphicRect 控制方框的显示
            # # 如果不需要方框，去掉该段即可
            # opts.GraphicRect(
            #     # 文本框位置
            #     graphic_item=opts.GraphicItem(
            #         z=100,  # z 轴方向的显示位置
            #         left="center",  # 左右位置
            #         top="middle",  # 上下位置
            #     ),
            #     # 文本框形状
            #     graphic_shape_opts=opts.GraphicShapeOpts(
            #         width=420,  # 宽度
            #         height=180,  # 高度
            #     ),
            #     # 文本框的样式
            #     graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(
            #         fill="#fff",  # 文本框填充颜色
            #         stroke="#00008B",  # 边框颜色
            #         line_width=10,  # 边框宽度
            #         shadow_blur=8,  # 阴影相关
            #         shadow_offset_x=3,  # 阴影相关
            #         shadow_offset_y=3,  # 阴影相关
            #         shadow_color="rgba(0,0,0,0.3)",  # 阴影颜色
            #     ),
            # ),
            # 配置文本
            opts.GraphicText(
                # 配置文本的位置  --->文本相对于文本框的位置
                graphic_item=opts.GraphicItem(
                    left="center",
                    top='middle',
                    z=100,  # 显示位置
                    scale=[1.5, 1.5],  # 表示缩放
                ),
                graphic_textstyle_opts=opts.GraphicTextStyleOpts(
                    # 文本信息
                    text="直到{}，\n 全国的新冠状肺炎病毒的相关信息为：\n 死亡病 例为{}例,\n 治愈病例为{}例,\n 确诊病例为{}例,\n 疑似病例为{}例,专家呼吁:\n 广大积 极配置国家政策进行疫情防疫工作".format(
                        history_data.loc[0, '时间'], history_data.loc[0, '死亡数'], history_data.loc[0, '治愈数'],
                        history_data.loc[0, '确诊数'], history_data.loc[0, '疑似数']
                    ),

                    font="13px Microsoft YaHei",  # 字体以及字体大小
                    text_align='left',  # 水平方向左对齐
                    text_vertical_align='middle',  # 垂直对齐方式 ：默认 None,
                    # 字体的颜色和宽度
                    graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(
                        fill='#ffdf22',  # 颜色
                        line_width=1.2,  # 宽度
                    )
                )
            )
        ]
    )
)

# 4、增加系列配置项
bar.set_series_opts(
    # 标签设置
    label_opts=opts.LabelOpts(
        is_show=True,  # 展示标签
        position='top',  # 标签位置
    ),
)
# 层叠多个图形
all_chart = bar.overlap(line)

# 组合
grid = Grid(
    # 初始化配置
    init_opts=opts.InitOpts(
        width="1750px",  # 宽度
        height='650px',  # 高度
        theme=ThemeType.PURPLE_PASSION,  # 主题
    )
)

# 添加图表
grid.add(
    # 添加图表
    chart=all_chart,
    # 设置组合配置
    grid_opts=opts.GridOpts(pos_top="20%",  # 位置
                            pos_left="5%",  # 位置
                            pos_right="40%"  # 位置
                            ),
    is_control_axis_index=True,  # 控制索引
)

# 5、生成文件
grid.render('./柱状图、折线图组合绘制.html')

六、地图绘制

（1）以武汉封城前（0120、0121、0122）的热门迁徙路线地图为例，绘制省地图

武汉封城前的人流迁徙城市

时间	城市
2020-01-20	入武汉孝感、黄冈、鄂州、荆州、黄石、襄阳
2020-01-20	出武汉孝感、黄冈、荆州、襄阳、黄石、荆门、鄂州、随州、仙桃
2020-01-21	入武汉孝感、黄冈、荆州、鄂州、黄石
2020-01-22	入武汉孝感、黄冈、鄂州、荆州、咸宁、黄石
2020-01-22	出武汉孝感、黄冈、荆州、襄阳、荆州、随州、宜昌、黄石、鄂州

代码实现：

# 导入流向地图
from pyecharts.charts import Geo
# 主题模块
from pyecharts.globals import ThemeType
# 配置模块
from pyecharts import options as opts
#
from pyecharts.globals import GeoType

# 1、实例化对象
geo = Geo(
    # 初始化配置
    init_opts=opts.InitOpts(
        width='900px',
        height='500px',
        theme=ThemeType.CHALK,  # 主题
        page_title='流向地图',  # 网页名称
    )
)

# 2、添加地图类型
geo.add_schema(
    maptype='湖北',  # 地图类型，中国地图为china,广东地图为广东，世界地图为world
    # 修改地图样式
    itemstyle_opts=opts.ItemStyleOpts(
        # 地图颜色
        color='#FF8C00',
        # 地图边缘颜色
        border_color='#ffdf22',
        area_color='#FF8C00'
    )
)
# 构建武汉封城前的出入数据 （湖北省内数据）
# 出--代表从武汉--->该城市
# 入--代表从该城市--->武汉
data_0120_ru = '孝感、黄冈、鄂州、荆州、黄石、襄阳'
data_0120_chu = '孝感、黄冈、荆州、襄阳、黄石、荆门、鄂州、随州、仙桃'
data_0121_ru = '孝感、黄冈、荆州、鄂州、黄石'
data_0121_chu = '孝感、黄冈、荆州、襄阳、荆门、黄石、随州、鄂州、仙桃'
data_0122_ru = '孝感、黄冈、鄂州、荆州、咸宁、黄石'
data_0122_chu = '孝感、黄冈、荆州、襄阳、荆州、随州、宜昌、黄石、鄂州'

# data_pair 可以准确为 [(出，入),(出，入),...]
# [(孝感，武汉),(黄冈，武汉)，(武汉，黄石)，...]
# 构建一个List来存储入武汉的数据
data_ru = []
# 构建 data_pair
for city_str in [data_0120_ru, data_0121_ru, data_0122_ru]:
    # city_str : 入武汉的城市字符串
    # 拆分
    city_list = city_str.split('、')

    # print('city_list:\n', city_list)

    # 将 city_list 加入到 data_ru
    data_ru.extend(city_list)

    # 对 data_ru 去重
    data_ru = list(set(data_ru))

    # 构建 data_pair_ru
    data_pair_ru = [(city, '武汉') for city in data_ru]

# 构建一个List来存储出武汉的数据
data_chu = []

# 构建出武汉的数据
for city_str in [data_0120_chu, data_0121_chu, data_0122_chu]:
    # city_str : 出武汉的城市的字符串
    # 拆分
    city_list = city_str.split("、")
    # city_list 加入到 data_chu
    data_chu.extend(city_list)
    # 对 data_chu 去重
    data_chu = list(set(data_chu))
    # 构建 data_pair_chu
    data_pair_chu = [('武汉', city) for city in data_chu]

# print('data_pair_ru:\n', data_pair_ru)
# print('data_pair_chu:\n', data_pair_chu)

# 组合出武汉的数据及入武汉的数据
data_pair = data_pair_ru + data_pair_chu
print('data_pair:\n', data_pair)

# 3、添加数据
geo.add(
    series_name='',  # 设置为空
    data_pair=data_pair,  # 数据
    type_=GeoType.LINES,  # 线状
    # 涟漪特效设置
    effect_opts=opts.EffectOpts(
        # 波纹绘制样式
        brush_type='stroke',
        # 特效点的类型
        symbol='arrow',
        symbol_size=5,
        color='yellow'
    ),
    # 线的样式
    linestyle_opts=opts.LineStyleOpts(
        # 弯曲程度
        curve=0.2,
        # 线的样式
        type_='solid',
        color='#7FFF00'
    )
)
# 4、全局配置项
geo.set_global_opts(
    # 标题配置
    title_opts=opts.TitleOpts(
        title='武汉封城前流向地图',
        pos_left='center'
    ),
    legend_opts=opts.LegendOpts(
        is_show=False
    ),
    # 文本框设置
    graphic_opts=opts.GraphicGroup(
        # 图形的配置项
        # 文本相对于图的位置
        graphic_item=opts.GraphicItem(
            # 控制整体的位置
            left="85%",
            top="45%",
        ),
        children=[
            # # opts.GraphicRect 控制方框的显示
            # # 如果不需要方框，去掉该段即可
            # opts.GraphicRect(
            #     # 文本框位置
            #     graphic_item=opts.GraphicItem(
            #         z=100,  # z 轴方向的显示位置
            #         left="center",  # 左右位置
            #         top="middle",  # 上下位置
            #     ),
            #     # 文本框形状
            #     graphic_shape_opts=opts.GraphicShapeOpts(
            #         width=420,  # 宽度
            #         height=180,  # 高度
            #     ),
            #     # 文本框的样式
            #     graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(
            #         fill="#fff",  # 文本框填充颜色
            #         stroke="#00008B",  # 边框颜色
            #         line_width=10,  # 边框宽度
            #         shadow_blur=8,  # 阴影相关
            #         shadow_offset_x=3,  # 阴影相关
            #         shadow_offset_y=3,  # 阴影相关
            #         shadow_color="rgba(0,0,0,0.3)",  # 阴影颜色
            #     ),
            # ),
            # 配置文本
            opts.GraphicText(
                # 配置文本的位置  --->文本相对于文本框的位置
                graphic_item=opts.GraphicItem(
                    left="center",
                    top='middle',
                    z=100,  # 显示位置
                    scale=[1, 1],  # 表示缩放
                ),
                graphic_textstyle_opts=opts.GraphicTextStyleOpts(
                    # 文本信息
                    text='我爱北京天安门',

                    font="13px Microsoft YaHei",  # 字体以及字体大小
                    text_align='left',  # 水平方向左对齐
                    text_vertical_align='middle',  # 垂直对齐方式 ：默认 None,
                    # 字体的颜色和宽度
                    graphic_basicstyle_opts=opts.GraphicBasicStyleOpts(
                        fill='#ffdf22',  # 颜色
                        line_width=1.2,  # 宽度
                    )
                )
            )
        ]
    )
)

# 5、系列配置项
geo.set_series_opts(
    # 标签配置
    label_opts=opts.LabelOpts(
        is_show=False
    )
)

# 6、生成文件
geo.render('./流向地图.html')

（2）以截至 2020 年 2 月 17 日 22 时 37 分为止的全国疫情数据为例，绘制全国地图

截至 2020 年 2 月 17 日 22 时 37 分为止的全国疫情数据表（部分）

城市	时间	死亡数	治愈数	疑似数	省份	确诊数
China	截至 2 月 17 日 22 时 37 分	1772	1127	9 7264	亚洲	70642
China	截至 2 月 17 日 22 时 37 分	105	1425	1563	日增加值	2048
湖北	截至 2 月 17 日 22 时 37 分	1696	6693	0	湖北	58182
武汉	截至 2 月 17 日 22 时 37 分	1309	3507	0	湖北	41152
孝感	截至2 月 17 日 22 时 37 分	70	449	0	湖北	3279
黄冈	截至2 月 17 日 22 时 37 分	78	839	0	湖北	2831
荆州	截至2 月 17 日 22 时 37 分	37	305	0	湖北	1501
鄂州	截至2 月 17 日 22 时 37 分	35	244	0	湖北	1274
随州	截至2 月 17 日 22 时 37 分	24	140	0	湖北	1267
襄阳	截至2 月 17 日 22 时 37 分	20	151	0	湖北	1155
黄石	截至2 月 17 日 22 时 37 分	15	207	0	湖北	983
荆门	截至2 月 17 日 22 时 37 分	33	132	0	湖北	915
宜昌	截至2 月 17 日 22 时 37 分	24	156	0	湖北	895
咸宁	截至2 月 17 日 22 时 37 分	10	181	0	湖北	861
十堰	截至2 月 17 日 22 时 37 分	2	126	0	湖北	612
仙桃	截至2 月 17 日 22 时 37 分	19	107	0	湖北	531
天门	截至2 月 17 日 22 时 37 分	10	39	0	湖北	485
恩施州	截至2 月 17 日 22 时 37 分	4	82	0	湖北	249
潜江	截至2 月 17 日 22 时 37 分	6	18	0	湖北	182
神农架林区	截至2 月 17 日 22 时 37 分	0	10	0	湖北	10
广东	截至 2 月 17 日 22 时 37 分	4	524	1	广东	1322
深圳	截至 2 月 17 日 22 时 37 分	2	152	0	广东	415
广州	截至 2 月 17 日 22 时 37 分	0	131	0	广东	339

代码实现：

# 导入绘制模块
from pyecharts.charts import Map
# 导入配置模块
from pyecharts import options as opts
# 导入主题模块
from pyecharts.globals import ThemeType

import pandas as pd

# 1、实例化对象
map = Map(
    # 初始化配置
    init_opts=opts.InitOpts(
        width='900px',
        height='500px',
        theme=ThemeType.CHALK,  # 主题
        page_title='中国地图',  # 网页名称
    )
)
# 准备数据 ---各个省份的确诊人数
data = pd.read_excel('./截至2月17日22时37分疫情数据.xlsx')
print('data:\n', data)
# 先拿到中国各个省份的 数据
# 确定bool数组 ---省份的数据在  省份=城市 的行
mask = data.loc[:, '省份'] == data.loc[:, '城市']
# 筛选数据
data = data.loc[mask, ['省份', '确诊数']]
print('data:\n', data)
# 准备data_pair
data_pair = [(k, v) for k, v in zip(data.loc[:, '省份'].tolist(), data.loc[:, '确诊数'].tolist())]

print('data_pair:\n', data_pair)
# 2、添加数据
map.add(
    series_name='截至2月17日22时37分疫情数据',  # 图例名称
    data_pair=data_pair,  # 数据，格式为 [(k1,v1),(k2,v2),...]
    maptype='china',  # 地图类型
    is_map_symbol_show=False,  # 标记点取消
)

# 3 全局配置
map.set_global_opts(
    # 标题设置
    title_opts=opts.TitleOpts(
        title='中国疫情数据',
        subtitle='广州分校Python0421班级',
        pos_top='3%'
    ),
    # 图例
    legend_opts=opts.LegendOpts(
        is_show=True,
        pos_top='3%'
    ),
    # 设置 VisualMap
    visualmap_opts=opts.VisualMapOpts(
        is_show=True,  # 展示
        type_='color',  # 用颜色来区分不同的值，
        min_=0,  # 最小值
        max_=60000,  # 最大值,
        is_piecewise=True,  # 开启分段显示
        pieces=[
            {
     "min": 10001, "label": ">10000", "color": "#4b0101"},
            {
     "max": 10000, "min": 5001, "label": ">5000", "color": "#4a0100"},
            {
     "max": 5000, "min": 1001, "label": ">1000", "color": "#8A0808"},
            {
     "max": 1000, "min": 500, "label": "500-1000", "color": "#B40404"},
            {
     "max": 499, "min": 108, "label": "100-499", "color": "#DF0101"},
            {
     "max": 99, "min": 10, "label": '10-99', "color": "#F78181"},
            {
     "max": 9, "min": 1, "label": "1-9", "color": "#F5A9A9"},
            {
     "max": 0, "min": 0, "label": "0", "color": "#FFFFFF"},
        ],
        textstyle_opts=opts.TextStyleOpts(
            color='white'
        )
    )
)

# 4、系列配置
map.set_series_opts(
    label_opts=opts.LabelOpts(
        is_show=True,
    )
)

# 5、生成文件
map.render('./截至2月17日22时37分疫情数据.html')

（3）以截至 2020 年 2 月 17 日 22 时 37 分为止的全球疫情数据为例，绘制世界地图

表 11-15 截至 2020 年 2 月 17 日 22 时 37 分为止的全球疫情数据表（部分）

城市	时间	死亡数	治愈数	疑似数	省份	确诊数
新加坡	截至 2 月 17 日 22 时 37 分	0	1	0	亚洲	77
日本	截至 2 月 17 日 22 时 37 分	1	1	0	亚洲	519
韩国	截至 2 月 17 日 22 时 37 分	0	1	0	亚洲	30
泰国	截至 2 月 17 日 22 时 37 分	0	1	0	亚洲	35
马来西亚	截至 2 月 17 日 22 时 37 分	0	1	4	亚洲	22
德国	截至 2 月 17 日 22 时 37 分	0	1	3	欧洲	16
美国	截至 2 月 17 日 22 时 37 分	0	1	0	北美洲	15
越南	截至 2 月 17 日 22 时 37 分	0	1	0	亚洲	16
法国	截至 2 月 17 日 22 时 37 分	1	1	0	欧洲	12
加拿大	截至 2 月 17 日 22 时 37 分	0	1	9	北美洲	8
澳大利亚	截至 2 月 17 日 22 时 37 分	0	1	0	大洋洲	15
阿联酋	截至 2 月 17 日 22 时 37 分	0	1	0	亚洲	9
意大利	截至 2 月 17 日 22 时 37 分	0	1	2	欧洲	3
西班牙	截至 2 月 17 日 22 时 37 分	0	1	0	欧洲	2
尼泊尔	截至 2 月 17 日 22 时 37 分	0	1	2	亚洲	1
斯里兰卡	截至 2 月 17 日 22 时 37 分	0	1	0	亚洲	1
英国	截至 2 月 17 日 22 时 37 分	0	1	5	欧洲	9
瑞典	截至 2 月 17 日 22 时 37 分	0	1	0	欧洲	1
菲律宾	截至 2 月 17 日 22 时 37 分	1	1	3	1 亚洲	3
埃及	截至 2 月 17 日 22 时 37 分	0	1	0	非洲	1
柬埔寨	截至 2 月 17 日 22 时 37 分	0	1	0	亚洲	1
芬兰	截至 2 月 17 日 22 时 37 分	0	1	0	欧洲	1
印度	截至 2 月 17 日 22 时 37 分	0	1	0	亚洲	3
俄罗斯	截至 2 月 17 日 22 时 37 分	0	1	0	欧洲	2
比利时	截至 2 月 17 日 22 时 37 分	0	1	0	欧洲	1

代码实现：

# 导包
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Map
import pandas as pd
from translate import Translator

# 1、实例化对象
map = Map(
    # 初始化配置
    init_opts=opts.InitOpts(
        width='900px',
        height='500px',
        theme=ThemeType.CHALK,  # 主题
        page_title='世界地图',  # 网页名称
    )
)

# # 准备数据
data = pd.read_excel('./截至2月17日22时37分疫情数据.xlsx')
# print('data:\n', data)

# 获取世界各国的数据
# 确定bool数组
mask = data.loc[:, '省份'].str.contains('洲')
# 筛选数据
data = data.loc[mask, ['城市', '确诊数']]
print('data:\n', data)


# 如果绘制世界地图，默认不支持中文的
# 需要将中文翻译成英文 --->translate
# 安装：pip install translate

def translate_country_name(country_name):
    """
    将中文的国家名称翻译为英文
    :param country_name: 中文的国家名称
    :return: 英文的国家名称
    """
    # 1、实例化对象
    translator = Translator(from_lang='chinese', to_lang='english')
    # 2、进行翻译
    english_country_nam = translator.translate(country_name)
    # 3、返回
    return english_country_nam


# transform调用自定义函数
data.loc[:, '国家名称_english'] = data.loc[:, '城市'].transform(translate_country_name)

print('data:\n',data)

# 构建data_pair数据
data_pair = [(k, v) for k, v in zip(data.loc[:, '国家名称_english'].tolist(), data.loc[:, '确诊数'].tolist())]
#
print('data_pair:\n', data_pair)

data_pair = [('China', 70642), ('Singapore', 77), ('Japan', 519), ('South Korea', 30), ('Thailand', 35),
             ('Malaysia', 22), ('Germany', 16), ('US', 15), ('Vietnam', 16), ('France', 12), ('Canada', 8),
             ('Australia', 15), ('United Arab Emirates', 9), ('Italy', 3), ('Spain', 2), ('Nepal', 1), ('Sri Lanka', 1),
             ('UK', 9), ('Swedish', 1), ('Philippines', 3), ('Egypt', 1), ('Cambodia', 1), ('Finland', 1), ('India', 3),
             ('Russia', 2), ('Belgium', 1)]
#
# 2、添加数据
map.add(
    series_name='截至2月17日22时37分世界疫情数据',
    data_pair=data_pair,
    maptype='world',
    is_map_symbol_show=False
)

# 3、设置全局配置
map.set_global_opts(
    # 标题设置
    title_opts=opts.TitleOpts(
        title='世界疫情数据',
        subtitle='广州分校Python0421班级',
        pos_top='3%'
    ),
    # 图例
    legend_opts=opts.LegendOpts(
        is_show=True,
        pos_top='3%'
    ),
    # 设置 VisualMap
    visualmap_opts=opts.VisualMapOpts(
        is_show=True,  # 展示
        type_='color',  # 用颜色来区分不同的值，
        min_=0,  # 最小值
        max_=80000,  # 最大值,
        is_piecewise=True,  # 开启分段显示
        pieces=[
            {
     "min": 10001, "label": ">10000", "color": "#4b0101"},
            {
     "max": 10000, "min": 5001, "label": ">5000", "color": "#4a0100"},
            {
     "max": 5000, "min": 1001, "label": ">1000", "color": "#8A0808"},
            {
     "max": 1000, "min": 500, "label": "500-1000", "color": "#B40404"},
            {
     "max": 499, "min": 108, "label": "100-499", "color": "#DF0101"},
            {
     "max": 99, "min": 10, "label": '10-99', "color": "#F78181"},
            {
     "max": 9, "min": 1, "label": "1-9", "color": "#F5A9A9"},
            {
     "max": 0, "min": 0, "label": "0", "color": "#FFFFFF"},
        ],
        textstyle_opts=opts.TextStyleOpts(
            color='white'
        )
    )
)

# 4、设置系列配置
map.set_series_opts(
    label_opts=opts.LabelOpts(
        is_show=False,
    )
)

# 5、生成文件
map.render('./疫情数数据世界地图.html')

七、组合中国地图和世界地图

代码实现：

# 导入绘制模块
from pyecharts.charts import Map
# 导入配置模块
from pyecharts import options as opts
# 导入主题模块
from pyecharts.globals import ThemeType

import pandas as pd

from pyecharts.charts import Grid, Page

# ================================================中国地图 =================================================

# 1、实例化对象
map_china = Map(
    # 初始化配置
    init_opts=opts.InitOpts(
        width='900px',
        height='500px',
        theme=ThemeType.CHALK,  # 主题
        page_title='中国地图',  # 网页名称
    )
)
# 准备数据 ---各个省份的确诊人数
data = pd.read_excel('./截至2月17日22时37分疫情数据.xlsx')
print('data:\n', data)
# 先拿到中国各个省份的 数据
# 确定bool数组 ---省份的数据在  省份=城市 的行
mask = data.loc[:, '省份'] == data.loc[:, '城市']
# 筛选数据
data_china = data.loc[mask, ['省份', '确诊数']]
print('data_china:\n', data_china)
# 准备data_pair
data_pair_china = [(k, v) for k, v in zip(data_china.loc[:, '省份'].tolist(), data_china.loc[:, '确诊数'].tolist())]

print('data_pair_china:\n', data_pair_china)
# 2、添加数据
map_china.add(
    series_name='截至2月17日22时37分疫情数据',  # 图例名称
    data_pair=data_pair_china,  # 数据，格式为 [(k1,v1),(k2,v2),...]
    maptype='china',  # 地图类型
    is_map_symbol_show=False,  # 标记点取消
)

# 3 全局配置
map_china.set_global_opts(
    # 标题设置
    title_opts=opts.TitleOpts(
        title='中国疫情数据',
        subtitle='广州分校Python0421班级',
        pos_top='3%'
    ),
    # 图例
    legend_opts=opts.LegendOpts(
        is_show=True,
        pos_top='3%'
    ),
    # 设置 VisualMap
    visualmap_opts=opts.VisualMapOpts(
        is_show=True,  # 展示
        type_='color',  # 用颜色来区分不同的值，
        min_=0,  # 最小值
        max_=60000,  # 最大值,
        is_piecewise=True,  # 开启分段显示
        pieces=[
            {
     "min": 10001, "label": ">10000", "color": "#4b0101"},
            {
     "max": 10000, "min": 5001, "label": ">5000", "color": "#4a0100"},
            {
     "max": 5000, "min": 1001, "label": ">1000", "color": "#8A0808"},
            {
     "max": 1000, "min": 500, "label": "500-1000", "color": "#B40404"},
            {
     "max": 499, "min": 108, "label": "100-499", "color": "#DF0101"},
            {
     "max": 99, "min": 10, "label": '10-99', "color": "#F78181"},
            {
     "max": 9, "min": 1, "label": "1-9", "color": "#F5A9A9"},
            {
     "max": 0, "min": 0, "label": "0", "color": "#FFFFFF"},
        ],
        textstyle_opts=opts.TextStyleOpts(
            color='white'
        )
    )
)

# 4、系列配置
map_china.set_series_opts(
    label_opts=opts.LabelOpts(
        is_show=True,
    )
)

# ===================================================世界地图 ============================================

from translate import Translator

# 1、实例化对象
map_world = Map(
    # 初始化配置
    init_opts=opts.InitOpts(
        width='900px',
        height='500px',
        theme=ThemeType.CHALK,  # 主题
        page_title='世界地图',  # 网页名称
    )
)

# 获取世界各国的数据
# 确定bool数组
mask = data.loc[:, '省份'].str.contains('洲')
# 筛选数据
data_world = data.loc[mask, ['城市', '确诊数']]
print('data_world:\n', data_world)


# 如果绘制世界地图，默认不支持中文的
# 需要将中文翻译成英文 --->translate
# 安装：pip install translate

def translate_country_name(country_name):
    """
    将中文的国家名称翻译为英文
    :param country_name: 中文的国家名称
    :return: 英文的国家名称
    """
    # 1、实例化对象
    translator = Translator(from_lang='chinese', to_lang='english')
    # 2、进行翻译
    english_country_nam = translator.translate(country_name)
    # 3、返回
    return english_country_nam


# transform调用自定义函数
data_world.loc[:, '国家名称_english'] = data_world.loc[:, '城市'].transform(translate_country_name)

print('data_world:\n', data_world)

# 构建data_pair数据
data_pair_world = [(k, v) for k, v in
                   zip(data_world.loc[:, '国家名称_english'].tolist(), data_world.loc[:, '确诊数'].tolist())]
#
print('data_pair_world:\n', data_pair_world)

data_pair_world = [('China', 70642), ('Singapore', 77), ('Japan', 519), ('South Korea', 30), ('Thailand', 35),
                   ('Malaysia', 22), ('Germany', 16), ('US', 15), ('Vietnam', 16), ('France', 12), ('Canada', 8),
                   ('Australia', 15), ('United Arab Emirates', 9), ('Italy', 3), ('Spain', 2), ('Nepal', 1),
                   ('Sri Lanka', 1),
                   ('UK', 9), ('Swedish', 1), ('Philippines', 3), ('Egypt', 1), ('Cambodia', 1), ('Finland', 1),
                   ('India', 3),
                   ('Russia', 2), ('Belgium', 1)]
#
# 2、添加数据
map_world.add(
    series_name='截至2月17日22时37分世界疫情数据',
    data_pair=data_pair_world,
    maptype='world',
    is_map_symbol_show=False
)

# 3、设置全局配置
map_world.set_global_opts(
    # 标题设置
    title_opts=opts.TitleOpts(
        title='世界疫情数据',
        subtitle='广州分校Python0421班级',
        pos_top='3%'
    ),
    # 图例
    legend_opts=opts.LegendOpts(
        is_show=True,
        pos_top='3%'
    ),
    # 设置 VisualMap
    visualmap_opts=opts.VisualMapOpts(
        is_show=True,  # 展示
        type_='color',  # 用颜色来区分不同的值，
        min_=0,  # 最小值
        max_=80000,  # 最大值,
        is_piecewise=True,  # 开启分段显示
        pieces=[
            {
     "min": 10001, "label": ">10000", "color": "#4b0101"},
            {
     "max": 10000, "min": 5001, "label": ">5000", "color": "#4a0100"},
            {
     "max": 5000, "min": 1001, "label": ">1000", "color": "#8A0808"},
            {
     "max": 1000, "min": 500, "label": "500-1000", "color": "#B40404"},
            {
     "max": 499, "min": 108, "label": "100-499", "color": "#DF0101"},
            {
     "max": 99, "min": 10, "label": '10-99', "color": "#F78181"},
            {
     "max": 9, "min": 1, "label": "1-9", "color": "#F5A9A9"},
            {
     "max": 0, "min": 0, "label": "0", "color": "#FFFFFF"},
        ],
        textstyle_opts=opts.TextStyleOpts(
            color='white'
        )
    )
)

# 4、设置系列配置
map_world.set_series_opts(
    label_opts=opts.LabelOpts(
        is_show=False,
    )
)

# ===================================================================组合中国地图、世界地图 ==========================================


# 1、实例化对象
grid = Grid(
    init_opts=opts.InitOpts(
        width='1200px',
        height='1600px',
        theme=ThemeType.PURPLE_PASSION
    )
)
# 2、添加数据
grid.add(
    chart=map_china,  # 图表
    grid_opts=opts.GridOpts(
        pos_top='3%',
        height='30%',
    ),
    grid_index=0,
    is_control_axis_index=True
)

grid.add(
    chart=map_world,
    grid_opts=opts.GridOpts(
        pos_top='40%',
        height='50%',
    ),
    grid_index=1,
    is_control_axis_index=True
)

# 3、生成文件
grid.render('./组合中国地图、世界地图.html')

# 顺序多图
# 1、实例化对象
page = Page(
    page_title='组合中国地图、世界地图',  # 网页名称
    interval=0,  # 图例间隔
    layout=Page.DraggablePageLayout
)
# 2、t添加数据
page.add(map_china)
page.add(map_world)
#
# # 3、生成文件
page.render("./组合中国地图、世界地图.html")

你可能感兴趣的:(数据分析,python,数据可视化)

理解Gunicorn：Python WSGI服务器的基石范范0825 ipython linux 运维
理解Gunicorn：PythonWSGI服务器的基石介绍Gunicorn，全称GreenUnicorn，是一个为PythonWSGI（WebServerGatewayInterface）应用设计的高效、轻量级HTTP服务器。作为PythonWeb应用部署的常用工具，Gunicorn以其高性能和易用性著称。本文将介绍Gunicorn的基本概念、安装和配置，帮助初学者快速上手。1.什么是Gunico
Python数据分析与可视化实战指南 William数据分析 python python 数据
在数据驱动的时代，Python因其简洁的语法、强大的库生态系统以及活跃的社区，成为了数据分析与可视化的首选语言。本文将通过一个详细的案例，带领大家学习如何使用Python进行数据分析，并通过可视化来直观呈现分析结果。一、环境准备1.1安装必要库在开始数据分析和可视化之前，我们需要安装一些常用的库。主要包括pandas、numpy、matplotlib和seaborn等。这些库分别用于数据处理、数学
python os.environ 江湖偌大 python 深度学习
os.environ['TF_CPP_MIN_LOG_LEVEL']='0'#默认值，输出所有信息os.environ['TF_CPP_MIN_LOG_LEVEL']='1'#屏蔽通知信息（INFO）os.environ['TF_CPP_MIN_LOG_LEVEL']='2'#屏蔽通知信息和警告信息（INFO\WARNING）os.environ['TF_CPP_MIN_LOG_LEVEL']='
Python中os.environ基本介绍及使用方法鹤冲天Pro #Python python 服务器开发语言
文章目录python中os.environos.environ简介os.environ进行环境变量的增删改查python中os.environ的使用详解1.简介2.key字段详解2.1常见key字段3.os.environ.get()用法4.环境变量的增删改查和判断是否存在4.1新增环境变量4.2更新环境变量4.3获取环境变量4.4删除环境变量4.5判断环境变量是否存在python中os.envi
Pyecharts数据可视化大屏：打造沉浸式数据分析体验我的运维人生信息可视化数据分析数据挖掘运维开发技术共享
Pyecharts数据可视化大屏：打造沉浸式数据分析体验在当今这个数据驱动的时代，如何将海量数据以直观、生动的方式展现出来，成为了数据分析师和企业决策者关注的焦点。Pyecharts，作为一款基于Python的开源数据可视化库，凭借其丰富的图表类型、灵活的配置选项以及高度的定制化能力，成为了构建数据可视化大屏的理想选择。本文将深入探讨如何利用Pyecharts打造数据可视化大屏，并通过实际代码案例
Python教程：一文了解使用Python处理XPath 旦莫 Python进阶 python 开发语言
目录1.环境准备1.1安装lxml1.2验证安装2.XPath基础2.1什么是XPath？2.2XPath语法2.3示例XML文档3.使用lxml解析XML3.1解析XML文档3.2查看解析结果4.XPath查询4.1基本路径查询4.2使用属性查询4.3查询多个节点5.XPath的高级用法5.1使用逻辑运算符5.2使用函数6.实战案例6.1从网页抓取数据6.1.1安装Requests库6.1.2代
python os.environ_python os.environ 读取和设置环境变量 weixin_39605414 python os.environ
>>>importos>>>os.environ.keys()['LC_NUMERIC','GOPATH','GOROOT','GOBIN','LESSOPEN','SSH_CLIENT','LOGNAME','USER','HOME','LC_PAPER','PATH','DISPLAY','LANG','TERM','SHELL','J2REDIR','LC_MONETARY','QT_QPA
使用Faiss进行高效相似度搜索 llzwxh888 faiss python
在现代AI应用中，快速和高效的相似度搜索是至关重要的。Faiss（FacebookAISimilaritySearch）是一个专门用于快速相似度搜索和聚类的库，特别适用于高维向量。本文将介绍如何使用Faiss来进行相似度搜索，并结合Python代码演示其基本用法。什么是Faiss？Faiss是一个由FacebookAIResearch团队开发的开源库，主要用于高维向量的相似性搜索和聚类。Faiss
python是什么意思中文-在python中%是什么意思编程大乐趣
Python中%有两种：1、数值运算：%代表取模，返回除法的余数。如：>>>7%212、%操作符（字符串格式化，stringformatting），说明如下：%[(name)][flags][width].[precision]typecode(name)为命名flags可以有+，-，''或0。+表示右对齐。-表示左对齐。''为一个空格，表示在正数的左侧填充一个空格，从而与负数对齐。0表示使用0填
Day1笔记-Python简介&标识符和关键字&输入输出 ~在杰难逃~ Python python 开发语言大数据数据分析数据挖掘
大家好，从今天开始呢，杰哥开展一个新的专栏，当然，数据分析部分也会不定时更新的，这个新的专栏主要是讲解一些Python的基础语法和知识，帮助0基础的小伙伴入门和学习Python，感兴趣的小伙伴可以开始认真学习啦！一、Python简介【了解】1.计算机工作原理编程语言就是用来定义计算机程序的形式语言。我们通过编程语言来编写程序代码，再通过语言处理程序执行向计算机发送指令，让计算机完成对应的工作，编程
python八股文面试题分享及解析(1) Shawn________ python
#1.'''a=1b=2不用中间变量交换a和b'''#1.a=1b=2a,b=b,aprint(a)print(b)结果：21#2.ll=[]foriinrange(3):ll.append({'num':i})print(11)结果:#[{'num':0},{'num':1},{'num':2}]#3.kk=[]a={'num':0}foriinrange(3):#0,12#可变类型，不仅仅改变
每日算法&面试题，大厂特训二十八天——第二十天（树）肥学 ⚡算法题⚡面试题每日精进 java 算法数据结构
目录标题导读算法特训二十八天面试题点击直接资料领取导读肥友们为了更好的去帮助新同学适应算法和面试题，最近我们开始进行专项突击一步一步来。上一期我们完成了动态规划二十一天现在我们进行下一项对各类算法进行二十八天的一个小总结。还在等什么快来一起肥学进行二十八天挑战吧！！特别介绍小白练手专栏，适合刚入手的新人欢迎订阅编程小白进阶python有趣练手项目里面包括了像《机器人尬聊》《恶搞程序》这样的有趣文章
Python快速入门 —— 第三节：类与对象孤华暗香 Python快速入门 python 开发语言
第三节：类与对象目标：了解面向对象编程的基础概念，并学会如何定义类和创建对象。内容：类与对象：定义类：class关键字。类的构造函数：__init__()。类的属性和方法。对象的创建与使用。示例：classStudent:def__init__(self,name,age,major):self.name&#
pyecharts——绘制柱形图折线图 2224070247 信息可视化 python java 数据可视化
一、pyecharts概述自2013年6月百度EFE(ExcellentFrontEnd）数据可视化团队研发的ECharts1.0发布到GitHub网站以来，ECharts一直备受业界权威的关注并获得广泛好评，成为目前成熟且流行的数据可视化图表工具，被应用到诸多数据可视化的开发领域。Python作为数据分析领域最受欢迎的语言，也加入ECharts的使用行列，并研发出方便Python开发者使用的数据
Python 实现图片裁剪（附代码） | Python工具剑客阿良_ALiang
前言本文提供将图片按照自定义尺寸进行裁剪的工具方法，一如既往的实用主义。环境依赖ffmpeg环境安装，可以参考我的另一篇文章：windowsffmpeg安装部署_阿良的博客-CSDN博客本文主要使用到的不是ffmpeg，而是ffprobe也在上面这篇文章中的zip包中。ffmpy安装：pipinstallffmpy-ihttps://pypi.douban.com/simple代码不废话了，上代码
【华为OD技术面试真题 - 技术面】- python八股文真题题库（4) 算法大师华为od 面试 python
华为OD面试真题精选专栏：华为OD面试真题精选目录:2024华为OD面试手撕代码真题目录以及八股文真题目录文章目录华为OD面试真题精选**1.Python中的`with`**用途和功能自动资源管理示例：文件操作上下文管理协议示例代码工作流程解析优点2.\_\_new\_\_和**\_\_init\_\_**区别__new____init__区别总结3.**切片（Slicing）操作**基本切片语法
python os 环境变量 CV矿工 python 开发语言 numpy
环境变量：环境变量是程序和操作系统之间的通信方式。有些字符不宜明文写进代码里，比如数据库密码，个人账户密码，如果写进自己本机的环境变量里，程序用的时候通过os.environ.get（）取出来就行了。os.environ是一个环境变量的字典。环境变量的相关操作importos"""设置/修改环境变量：os.environ[‘环境变量名称’]=‘环境变量值’#其中key和value均为string类
高级 ECharts 技巧：自定义图表主题与样式 SnowMan1993 echarts 信息可视化数据分析
ECharts是一个强大的数据可视化库，提供了多种内置主题和样式，但你也可以根据项目的设计需求，自定义图表的主题与样式。本文将介绍如何使用ECharts自定义图表主题，以提升数据可视化的吸引力和一致性。1.什么是ECharts主题？ECharts的主题是指定义图表样式的配置项，包括颜色、字体、线条样式等。通过预设主题，你可以快速更改图表的整体风格，而自定义主题则允许你在此基础上进行个性化设置。2.
Python爬虫解析工具之xpath使用详解 eqa11 python 爬虫开发语言
文章目录Python爬虫解析工具之xpath使用详解一、引言二、环境准备1、插件安装2、依赖库安装三、xpath语法详解1、路径表达式2、通配符3、谓语4、常用函数四、xpath在Python代码中的使用1、文档树的创建2、使用xpath表达式3、获取元素内容和属性五、总结Python爬虫解析工具之xpath使用详解一、引言在Python爬虫开发中，数据提取是一个至关重要的环节。xpath作为一门
【华为OD技术面试真题 - 技术面】- python八股文真题题库（1）算法大师华为od 面试 python
华为OD面试真题精选专栏：华为OD面试真题精选目录:2024华为OD面试手撕代码真题目录以及八股文真题目录文章目录华为OD面试真题精选1.数据预处理流程数据预处理的主要步骤工具和库2.介绍线性回归、逻辑回归模型线性回归（LinearRegression）模型形式：关键点：逻辑回归（LogisticRegression）模型形式：关键点：参数估计与评估：3.python浅拷贝及深拷贝浅拷贝（Shal
nosql数据库技术与应用知识点皆过客，揽星河 NoSQL nosql 数据库大数据数据分析数据结构非关系型数据库
Nosql知识回顾大数据处理流程数据采集(flume、爬虫、传感器)数据存储(本门课程NoSQL所处的阶段)Hdfs、MongoDB、HBase等数据清洗(入仓)Hive等数据处理、分析(Spark、Flink等)数据可视化数据挖掘、机器学习应用(Python、SparkMLlib等)大数据时代存储的挑战(三高)高并发(同一时间很多人访问)高扩展(要求随时根据需求扩展存储)高效率(要求读写速度快)
《Python数据分析实战终极指南》 xjt921122 python 数据分析开发语言
对于分析师来说，大家在学习Python数据分析的路上，多多少少都遇到过很多大坑**，有关于技能和思维的**：Excel已经没办法处理现有的数据量了，应该学Python吗？找了一大堆Python和Pandas的资料来学习，为什么自己动手就懵了？跟着比赛类公开数据分析案例练了很久，为什么当自己面对数据需求还是只会数据处理而没有分析思路？学了对比、细分、聚类分析，也会用PEST、波特五力这类分析法，为啥
Python中深拷贝与浅拷贝的区别 yuxiaoyu.
转自：http://blog.csdn.net/u014745194/article/details/70271868定义：在Python中对象的赋值其实就是对象的引用。当创建一个对象，把它赋值给另一个变量的时候，python并没有拷贝这个对象，只是拷贝了这个对象的引用而已。浅拷贝：拷贝了最外围的对象本身，内部的元素都只是拷贝了一个引用而已。也就是，把对象复制一遍，但是该对象中引用的其他对象我不复
Python开发常用的三方模块如下：换个网名有点难 python 开发语言
Python是一门功能强大的编程语言，拥有丰富的第三方库，这些库为开发者提供了极大的便利。以下是100个常用的Python库，涵盖了多个领域：1、NumPy，用于科学计算的基础库。2、Pandas，提供数据结构和数据分析工具。3、Matplotlib，一个绘图库。4、Scikit-learn，机器学习库。5、SciPy，用于数学、科学和工程的库。6、TensorFlow，由Google开发的开源机
ES聚合分析原理与代码实例讲解光剑书架上的书大厂Offer收割机面试题简历程序员读书硅基计算碳基计算认知计算生物计算深度学习神经网络大数据 AIGC AGI LLM Java Python 架构设计 Agent 程序员实现财富自由
ES聚合分析原理与代码实例讲解1.背景介绍1.1问题的由来在大规模数据分析场景中，特别是在使用Elasticsearch（ES）进行数据存储和检索时，聚合分析成为了一个至关重要的功能。聚合分析允许用户对数据集进行细分和分组，以便深入探索数据的结构和模式。这在诸如实时监控、日志分析、业务洞察等领域具有广泛的应用。1.2研究现状目前，ES聚合分析已经成为现代大数据平台的核心组件之一。它支持多种类型的聚
Python编译器鹿鹿~ Python编译器 Python python 开发语言后端
嘿嘿嘿我又来了啊有些小盆友可能不知道Python其实是有编译器的，也就是PyCharm。你们可能会问到这个是干嘛的又不可以吃也不可以穿好像没有什么用，其实你还说对了这个还真的不可以吃也不可以穿，但是它用来干嘛的呢。用来编译你所打出的代码进行运行（可能这里说的有点不对但是只是个人认为）现在我们来说说PyCharm是用来干嘛的。PyCharm是一种PythonIDE，带有一整套可以帮助用户在使用Pyt
一文掌握python面向对象魔术方法（二）程序员neil python python 开发语言
接上篇：一文掌握python面向对象魔术方法（一）-CSDN博客目录六、迭代和序列化：1、__iter__(self):定义迭代器，使得类可以被for循环迭代。2、__getitem__(self,key):定义索引操作，如obj[key]。3、__setitem__(self,key,value):定义赋值操作，如obj[key]=value。4、__delitem__(self,key):定义
一文掌握python常用的list（列表）操作程序员neil python python 开发语言
目录一、创建列表1.直接创建列表：2.使用list()构造器3.使用列表推导式4.创建空列表二、访问列表元素1.列表支持通过索引访问元素，索引从0开始：2.还可以使用切片操作访问列表的一部分：三、修改列表元素四、添加元素1.append()：在末尾添加元素2.insert()：在指定位置插入元素五、删除元素1.del：删除指定位置的元素2.remove()：删除指定值的第一个匹配项3.pop()：
Python实现简单的机器学习算法 master_chenchengg python python 办公效率 python开发 IT
Python实现简单的机器学习算法开篇：初探机器学习的奇妙之旅搭建环境：一切从安装开始必备工具箱第一步：安装Anaconda和JupyterNotebook小贴士：如何配置Python环境变量算法初体验：从零开始的Python机器学习线性回归：让数据说话数据准备：从哪里找数据编码实战：Python实现线性回归模型评估：如何判断模型好坏逻辑回归：从分类开始理论入门：什么是逻辑回归代码实现：使用skl
python中的深拷贝与浅拷贝 anshejd70787 python
深拷贝和浅拷贝浅拷贝的时候，修改原来的对象，浅拷贝的对象不会发生改变。1、对象的赋值对象的赋值实际上是对象之间的引用：当创建一个对象，然后将这个对象赋值给另外一个变量的时候，python并没有拷贝这个对象，而只是拷贝了这个对象的引用。当对对象做赋值或者是参数传递或者作为返回值的时候，总是传递原始对象的引用，而不是一个副本。如下所示：>>>aList=["kel","abc",123]>>>bLis
集合框架天子之骄 java 数据结构集合框架
集合框架集合框架可以理解为一个容器，该容器主要指映射(map)、集合(set)、数组(array)和列表(list)等抽象数据结构。从本质上来说，Java集合框架的主要组成是用来操作对象的接口。不同接口描述不同的数据类型。简单介绍： Collection接口是最基本的接口，它定义了List和Set，List又定义了LinkLi
Table Driven（表驱动）方法实例 bijian1013 java enum Table Driven 表驱动
实例一： /** * 驾驶人年龄段 * 保险行业，会对驾驶人的年龄做年龄段的区分判断 * 驾驶人年龄段：01-[18,25);02-[25,30);03-[30-35);04-[35,40);05-[40,45);06-[45,50);07-[50-55);08-[55,+∞) */ public class AgePeriodTest { //if...el
Jquery 总结 cuishikuan java jquery Ajax Web jquery方法
1.$.trim方法用于移除字符串头部和尾部多余的空格。如：$.trim(' Hello ') // Hello2.$.contains方法返回一个布尔值，表示某个DOM元素（第二个参数）是否为另一个DOM元素（第一个参数）的下级元素。如：$.contains(document.documentElement, document.body); 3.$
面向对象概念的提出麦田的设计者 java 面向对象面向过程
面向对象中，一切都是由对象展开的，组织代码，封装数据。在台湾面向对象被翻译为了面向物件编程，这充分说明了，这种编程强调实体。下面就结合编程语言的发展史，聊一聊面向过程和面向对象。 c语言由贝尔实
linux网口绑定被触发 linux
刚在一台IBM Xserver服务器上装了RedHat Linux Enterprise AS 4，为了提高网络的可靠性配置双网卡绑定。一、环境描述我的RedHat Linux Enterprise AS 4安装双口的Intel千兆网卡，通过ifconfig -a命令看到eth0和eth1两张网卡。二、双网卡绑定步骤： 2.1 修改/etc/sysconfig/network
XML基础语法肆无忌惮_ xml
一、什么是XML？ XML全称是Extensible Markup Language，可扩展标记语言。很类似HTML。XML的目的是传输数据而非显示数据。XML的标签没有被预定义，你需要自行定义标签。XML被设计为具有自我描述性。是W3C的推荐标准。二、为什么学习XML？用来解决程序间数据传输的格式问题做配置文件充当小型数据库三、XML与HTM
为网页添加自己喜欢的字体知了ing 字体秒表 css
@font-face { font-family: miaobiao;//定义字体名字 font-style: normal; font-weight: 400; src: url('font/DS-DIGI-e.eot');//字体文件 } 使用： <label style="font-size:18px;font-famil
redis范围查询应用-查找IP所在城市矮蛋蛋 redis
原文地址： http://www.tuicool.com/articles/BrURbqV 需求根据IP找到对应的城市原来的解决方案 oracle表（ip_country）：查询IP对应的城市： 1.把a.b.c.d这样格式的IP转为一个数字，例如为把210.21.224.34转为3524648994 2. select city from ip_
输入两个整数，计算百分比 alleni123 java
public static String getPercent(int x, int total){ double result=(x*1.0)/(total*1.0); System.out.println(result); DecimalFormat df1=new DecimalFormat("0.0000%");
百合——————>怎么学习计算机语言百合不是茶 java 移动开发
对于一个从没有接触过计算机语言的人来说，一上来就学面向对象，就算是心里上面接受的了，灵魂我觉得也应该是跟不上的，学不好是很正常的现象，计算机语言老师讲的再多，你在课堂上面跟着老师听的再多，我觉得你应该还是学不会的，最主要的原因是你根本没有想过该怎么来学习计算机编程语言，记得大一的时候金山网络公司在湖大招聘我们学校一个才来大学几天的被金山网络录取，一个刚到大学的就能够去和
linux下tomcat开机自启动 bijian1013 tomcat
方法一：修改Tomcat/bin/startup.sh 为: export JAVA_HOME=/home/java1.6.0_27 export CLASSPATH=$CLASSPATH:$JAVA_HOME/lib/tools.jar:$JAVA_HOME/lib/dt.jar:. export PATH=$JAVA_HOME/bin:$PATH export CATALINA_H
spring aop实例 bijian1013 java spring AOP
1.AdviceMethods.java package com.bijian.study.spring.aop.schema; public class AdviceMethods { public void preGreeting() { System.out.println("--how are you!--"); } } 2.beans.x
[Gson八]GsonBuilder序列化和反序列化选项enableComplexMapKeySerialization bit1129 serialization
enableComplexMapKeySerialization配置项的含义 Gson在序列化Map时，默认情况下，是调用Key的toString方法得到它的JSON字符串的Key，对于简单类型和字符串类型，这没有问题，但是对于复杂数据对象，如果对象没有覆写toString方法，那么默认的toString方法将得到这个对象的Hash地址。 GsonBuilder用于
【Spark九十一】Spark Streaming整合Kafka一些值得关注的问题 bit1129 Stream
包括Spark Streaming在内的实时计算数据可靠性指的是三种级别： 1. At most once，数据最多只能接受一次，有可能接收不到 2. At least once, 数据至少接受一次，有可能重复接收 3. Exactly once 数据保证被处理并且只被处理一次，具体的多读几遍http://spark.apache.org/docs/lates
shell脚本批量检测端口是否被占用脚本 ronin47
#!/bin/bash cat ports |while read line do#nc -z -w 10 $line nc -z -w 2 $line 58422>/dev/null2>&1if[ $?-eq 0]then echo $line:ok else echo $line:fail fi done 这里的ports 既可以是文件
java-2.设计包含min函数的栈 bylijinnan java
具体思路参见：http://zhedahht.blog.163.com/blog/static/25411174200712895228171/ import java.util.ArrayList; import java.util.List; public class MinStack { //maybe we can use origin array rathe
Netty源码学习-ChannelHandler bylijinnan java netty
一般来说，“有状态”的ChannelHandler不应该是“共享”的，“无状态”的ChannelHandler则可“共享” 例如ObjectEncoder是“共享”的, 但 ObjectDecoder 不是因为每一次调用decode方法时，可能数据未接收完全（incomplete），它与上一次decode时接收到的数据“累计”起来才有可能是完整的数据，是“有状态”的 p
java生成随机数 cngolon java
方法一： /** * 生成随机数 * @author [email protected] * @return */ public synchronized static String getChargeSequenceNum(String pre){ StringBuffer sequenceNum = new StringBuffer(); Date dateTime = new D
POI读写海量数据 ctrain 海量数据
import java.io.FileOutputStream; import java.io.OutputStream; import org.apache.poi.xssf.streaming.SXSSFRow; import org.apache.poi.xssf.streaming.SXSSFSheet; import org.apache.poi.xssf.streaming
mysql 日期格式化date_format详细使用 daizj mysql date_format 日期格式转换日期格式化
日期转换函数的详细使用说明 DATE_FORMAT(date,format) Formats the date value according to the format string. The following specifiers may be used in the format string. The&n
一个程序员分享8年的开发经验 dcj3sjt126com 程序员
在中国有很多人都认为IT行为是吃青春饭的，如果过了30岁就很难有机会再发展下去!其实现实并不是这样子的，在下从事.NET及JAVA方面的开发的也有8年的时间了，在这里在下想凭借自己的亲身经历，与大家一起探讨一下。明确入行的目的很多人干IT这一行都冲着“收入高”这一点的，因为只要学会一点HTML, DIV+CSS，要做一个页面开发人员并不是一件难事，而且做一个页面开发人员更容
android欢迎界面淡入淡出效果 dcj3sjt126com android
很多Android应用一开始都会有一个欢迎界面，淡入淡出效果也是用得非常多的，下面来实现一下。主要代码如下： package com.myaibang.activity; import android.app.Activity;import android.content.Intent;import android.os.Bundle;import android.os.CountDown
linux 复习笔记之常见压缩命令 eksliang tar解压 linux系统常见压缩命令 linux压缩命令 tar压缩
转载请出自出处:http://eksliang.iteye.com/blog/2109693 linux中常见压缩文件的拓展名 *.gz gzip程序压缩的文件 *.bz2 bzip程序压缩的文件 *.tar tar程序打包的数据，没有经过压缩 *.tar.gz tar程序打包后，并经过gzip程序压缩 *.tar.bz2 tar程序打包后，并经过bzip程序压缩 *.zi
Android 应用程序发送shell命令 gqdy365 android
项目中需要直接在APP中通过发送shell指令来控制lcd灯，其实按理说应该是方案公司在调好lcd灯驱动之后直接通过service送接口上来给APP，APP调用就可以控制了，这是正规流程，但我们项目的方案商用的mtk方案，方案公司又没人会改，只调好了驱动，让应用程序自己实现灯的控制，这不蛋疼嘛！！！！发就发吧！一、关于shell指令：我们知道，shell指令是Linux里面带的
java 无损读取文本文件 hw1287789687 读取文件无损读取读取文本文件 charset
java 如何无损读取文本文件呢？以下是有损的 @Deprecated public static String getFullContent(File file, String charset) { BufferedReader reader = null; if (!file.exists()) { System.out.println("getFull
Firebase 相关文章索引 justjavac firebase
Awesome Firebase 最近谷歌收购Firebase的新闻又将Firebase拉入了人们的视野，于是我做了这个 github 项目。 Firebase 是一个数据同步的云服务，不同于 Dropbox 的「文件」，Firebase 同步的是「数据」，服务对象是网站开发者，帮助他们开发具有「实时」（Real-Time）特性的应用。开发者只需引用一个 API 库文件就可以使用标准 RE
C++学习重点 lx.asymmetric C++笔记
1.c++面向对象的三个特性：封装性，继承性以及多态性。 2.标识符的命名规则：由字母和下划线开头，同时由字母、数字或下划线组成；不能与系统关键字重名。 3.c++语言常量包括整型常量、浮点型常量、布尔常量、字符型常量和字符串性常量。 4.运算符按其功能开以分为六类：算术运算符、位运算符、关系运算符、逻辑运算符、赋值运算符和条件运算符。 &n
java bean和xml相互转换 q821424508 java bean xml xml和bean转换 java bean和xml转换
这几天在做微信公众号做的过程中想找个java bean转xml的工具，找了几个用着不知道是配置不好还是怎么回事，都会有一些问题，然后脑子一热谢了一个javabean和xml的转换的工具里，自己用着还行，虽然有一些约束吧，还是贴出来记录一下顺便你提一下下，这个转换工具支持属性为集合、数组和非基本属性的对象。 packag
C 语言初级位运算 1140566087 位运算 c
第十章位运算 1、位运算对象只能是整形或字符型数据，在VC6.0中int型数据占4个字节 2、位运算符：运算符作用 ~ 按位求反 << 左移 >> 右移 & 按位与 ^ 按位异或 | 按位或他们的优先级从高到低； 3、位运算符的运算功能： a、按位取反： ~01001101 = 101
14点睛Spring4.1-脚本编程 wiselyman spring4
14.1 Scripting脚本编程脚本语言和java这类静态的语言的主要区别是:脚本语言无需编译,源码直接可运行; 如果我们经常需要修改的某些代码,每一次我们至少要进行编译,打包,重新部署的操作,步骤相当麻烦; 如果我们的应用不允许重启,这在现实的情况中也是很常见的; 在spring中使用脚本编程给上述的应用场景提供了解决方案,即动态加载bean; spring支持脚本