2023年 python结合excel实现快速画图(零基础快速入门)

目录

1.适用人群

2.环境配置

3.基本用法

3.1 数据读取

 3.2 数据分析

3.3 数据组装

3.4 制表：

4.快速提升

5.效果展示

---

1.适用人群

电脑有python环境，会python基本使用，需要短时间内完成大量画图任务的数据分析的人群。（有过matplab相关画图库及echart用户使用起来会很快）

2.环境配置

pip install pandas jupyter-notebook pyecharts

3.基本用法

3.1 数据读取

可以快速读入excel，选择你需要处理的Sheet1。这里请注意，不要有合并单元格。variable_types = data.dtypes查阅你需要处理的的数据类型。下面是样表：

序号

性别

民族

政治面貌

出生年月

中学名称

考生类别

毕业类别

考试类别

考生特征

投档单位

外语

投档志愿

1

男

回族

群众

2004/8/9

银川高级中学

城镇往届

普通高中毕业

秋季统考

统招

英语

1

2

男

汉族

共青团员

2004/3/10

银川市第六中学

城镇往届

普通高中毕业

秋季统考

统招

英语

1

打开jupyter notebook，运行数据分析代码

import pandas as pd

# 读取xlsx表格数据
data = pd.read_excel("./录取名单汇总2100 .xls",sheet_name='Sheet1')

# 分析数据的变量类型
variable_types = data.dtypes
variable_types

 简单看一下数据类型：

 3.2 数据分析

objlist = []

for id,i in enumerate(variable_types):
    # print(variable_types.index[id],variable_types.values[id])
    if(variable_types.values[id]=='object'):
        # print(variable_types.index[id])
        objlist.append(variable_types.index[id])


dic_list = {}
for col in objlist:
    col_data = data[col]
    unique_values = col_data.unique()
    if len(unique_values)<=100:
        dic_list[col] = unique_values
        print('属性',col,'\n=============')
        print(unique_values)
        print('=============')

可以看看数据的基本类别  改一改可以看分布情况。现在你如果想查找某种数据的分布情况，就可以针对列进行数据处理及分析。

3.3 数据组装

这里的数据组装是对数据的预处理，将需要分析的列。比如我需要查看电气工程及其自动化专业的男女比例，数据构造过程如下：

def get_tuple_list(df, column_name):
    # 使用value_counts()函数进行分布统计
    distribution = df[column_name].value_counts()
    
    # 转换为元组并组成列表
    result_list = list(distribution.items())
    
    return result_list

# 这句代码可能有些超纲，是pandas的df选择，不懂得同学补补对应的知识。
df_dq = df[(df['专业'] == '电气工程及其自动化')]

data_dq = get_tuple_list(df_dq,'性别')

data_dq结果：

3.4 制表：

引入数据：

from pyecharts import options as opts

from pyecharts.charts import Bar

from pyecharts.charts import Pie

制作饼状图：

# 准备数据

data = data_dq

# 创建Pie对象

pie = (

    Pie()

    .add("", data)

#     .set_colors(["blue", "white"])  # 设置颜色为蓝色和白色

    .set_global_opts(title_opts=opts.TitleOpts(title="电气自动化男女比例分布"))

    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

)

# 渲染生成HTML文件

# pie.render("pie_chart.html")

pie.render_notebook()

样图：

制作条形统计图：

# 准备数据

x_data = [ i[0] for i in data]

y_data = [ i[1] for i in data]

# 创建Bar对象

bar = (

    Bar()

    .add_xaxis(x_data)

    .add_yaxis(x_data, y_data)

    .set_global_opts(title_opts=opts.TitleOpts(title="电气自动化男女比例分布"),

                     xaxis_opts=opts.AxisOpts(

            axislabel_opts={"interval":"0","rotate":90}),

            )

)

# 渲染生成HTML文件

# pie.render("pie_chart.html")

pie.render_notebook()

样图:

4.快速提升

根据Examples - Apache ECharts的网站选择你需要的图标，然后到GitHub - pyecharts/pyecharts-gallery: Just use pyecharts to imitate Echarts official example.

搜索你需要的组件~

比如：

我需要这个bar表

复制代码自己试一试，然后自己组装一下数据即可~

5.效果展示

对应代码：

# 2100 的省份
from pyecharts.charts import Map  # 注意这里与老版本pyecharts调用的区别
from pyecharts import options as opts
import random

# prov_city = ['银川市', '中卫市', '吴忠市', '石嘴山市','固原市']
# data_prov_city = [(i, random.randint(100, 200)) for i in prov_city]

data = [("银川市", 548), ("中卫市", 279),("吴忠市",340),("石嘴山市",89),("固原市",357)]
maps = Map().add("",
         data,
         "宁夏").set_global_opts(
        title_opts=opts.TitleOpts(title="2023年录取新生各省分布"),
        visualmap_opts=opts.VisualMapOpts(
            min_=50,
            max_=600,
            is_piecewise=True
        )
    )
maps.render("maps_chart.html")
maps.render_notebook()

这是根据实际需要制作的省份分布图，大家也可以根据自己的需要查阅最符合你需求的图表。