有没有网站可以做发虚拟币,wordpress 摘要省略号,WordPress二次元免费模板,wordpress添加幻灯片课程学习来源#xff1a;b站up#xff1a;【蚂蚁学python】 【课程链接#xff1a;【【数据可视化】Python数据图表可视化入门到实战】】 【课程资料链接#xff1a;【链接】】
Python绘制饼图分析北京天气
饼图#xff0c;是一个划分为几个扇形的圆形统计图表#xff…课程学习来源b站up【蚂蚁学python】 【课程链接【【数据可视化】Python数据图表可视化入门到实战】】 【课程资料链接【链接】】
Python绘制饼图分析北京天气
饼图是一个划分为几个扇形的圆形统计图表能够直接以图形的方式直接显示各个组成部分所占比例
目的:查看2019年北京天气数据使用饼图查看天气、风向、空气质量的数据对比
1.编写函数创建一个pyecharts饼图对象
from pyecharts import options as opts
from pyecharts.charts import Pie def create_pie(datas, title) - Pie:创建饼图对象param datas数据形式为[(晴,115), (多云,78), (晴转多云,39)]param title图表的标题pie Pie()pie.add(, datas)pie.set_global_opts( # 设置全局参数title_opts opts.TitleOpts(title title), # 图标标题legend_opts opts.LegendOpts(pos_right right)# 图标标签放在右侧)pie.set_series_opts(label_opts opts.LabelOpts(formatter {b}: {c}: {d}%))# b:名称# c:数量# d:百分比return pie2.读取北京2019天气数据
import pandas as pddf pd.read_csv(../DATA_POOL/PY_DATA/ant-learn-visualization-master/datas/beijing_tianqi/beijing_tianqi_2019.csv)df.head(5)ymdbWenduyWendutianqifengxiangfengliaqiaqiInfoaqiLevel02019-01-011℃-10℃晴~多云西北风1级56良212019-01-021℃-9℃多云东北风1级60良222019-01-032℃-7℃霾东北风1级165中度污染432019-01-042℃-7℃晴西北风2级50优142019-01-050℃-8℃多云东北风2级29优1
3.绘制饼图查看天气类型对比
df_tianqi df.groupby(tianqi).size().sort_values(ascending False)
# Flase表示递增为false即选择递减
# 按照天气进行分组
df_tianqi # seriestianqi
晴 115
多云 78
晴~多云 39
多云~晴 34
小雨~多云 11
多云~雷阵雨 10
霾 8
多云~小雨 7
雷阵雨~多云 7
雷阵雨 7
阴~多云 5
多云~阴 4
小雨 4
雷阵雨~中雨 4
小雪~多云 4
阴~小雨 3
雷阵雨~晴 2
雷阵雨~小雨 2
霾~多云 2
中雨~多云 2
阴 2
中雨~小雨 2
多云~中雨 2
中雨~雷阵雨 2
阴~中雨 1
晴~霾 1
小雪 1
小雨~阴 1
小雨~晴 1
多云~中雪 1
雾~晴 1
霾~晴 1
霾~雾 1
dtype: int64datas list(zip(df_tianqi.index.to_list(), df_tianqi.to_list()))
# zip可以拼接两个list形成一个二元组list
datas[(晴, 115),(多云, 78),(晴~多云, 39),(多云~晴, 34),(小雨~多云, 11),(多云~雷阵雨, 10),(霾, 8),(多云~小雨, 7),(雷阵雨~多云, 7),(雷阵雨, 7),(阴~多云, 5),(多云~阴, 4),(小雨, 4),(雷阵雨~中雨, 4),(小雪~多云, 4),(阴~小雨, 3),(雷阵雨~晴, 2),(雷阵雨~小雨, 2),(霾~多云, 2),(中雨~多云, 2),(阴, 2),(中雨~小雨, 2),(多云~中雨, 2),(中雨~雷阵雨, 2),(阴~中雨, 1),(晴~霾, 1),(小雪, 1),(小雨~阴, 1),(小雨~晴, 1),(多云~中雪, 1),(雾~晴, 1),(霾~晴, 1),(霾~雾, 1)]pie create_pie(datas, 饼图-天气对比)from IPython.display import HTML# 同上读取 HTML 文件内容
# bar.render()的值是一个路径以字符串形式表示
with open(pie.render(), r, encodingutf-8) as file:html_content file.read()# 直接在 JupyterLab 中渲染 HTML
HTML(html_content)Awesome-pyecharts 4.绘制饼图查看风向数据比例对比
df.head()ymdbWenduyWendutianqifengxiangfengliaqiaqiInfoaqiLevel02019-01-011℃-10℃晴~多云西北风1级56良212019-01-021℃-9℃多云东北风1级60良222019-01-032℃-7℃霾东北风1级165中度污染432019-01-042℃-7℃晴西北风2级50优142019-01-050℃-8℃多云东北风2级29优1
df_fengxiang df.groupby(fengxiang).size().sort_values(ascending False)
datas list(zip(df_fengxiang.index.to_list(), df_fengxiang.to_list()))
pie create_pie(datas, 饼图-风向)from IPython.display import HTML# 同上读取 HTML 文件内容
# bar.render()的值是一个路径以字符串形式表示
with open(pie.render(), r, encodingutf-8) as file:html_content file.read()# 直接在 JupyterLab 中渲染 HTML
HTML(html_content)Awesome-pyecharts 5.绘制饼图查看空气质量对比
df.head()ymdbWenduyWendutianqifengxiangfengliaqiaqiInfoaqiLevel02019-01-011℃-10℃晴~多云西北风1级56良212019-01-021℃-9℃多云东北风1级60良222019-01-032℃-7℃霾东北风1级165中度污染432019-01-042℃-7℃晴西北风2级50优142019-01-050℃-8℃多云东北风2级29优1
df_aqiInfo df.groupby(aqiInfo).size().sort_values(ascendingFalse)
datas list(zip(df_aqiInfo.index.to_list(), df_aqiInfo.to_list()))
pie create_pie(datas, 饼图-空气质量)from IPython.display import HTML# 同上读取 HTML 文件内容
# bar.render()的值是一个路径以字符串形式表示
with open(pie.render(), r, encodingutf-8) as file:html_content file.read()# 直接在 JupyterLab 中渲染 HTML
HTML(html_content)Awesome-pyecharts
