python可视化来分析全国疫情

很长一段时间在python下出图都是使用matplotlib 其好处就是应用比较广泛 文档很容易找 不过出的图微显丑陋。pyecharts 是百度的echarts基于python的实现 可以很方便的直接在python里进行调用。其出的图相当漂亮。但由于版本原因 一些方法可能和老的版本会有不同。

一、安装

我这里使用的python版本是python3.7 使用pyecharts也是最新的。使用pip安装还是比较简单的。

pip install pyecharts 

pip install pyecharts-jupyter-installer

注意 第二个包是为了和jupyter进行集成用的 便于直接在页面上出图。第二个包不装或都调用的参数不对 都会出现如下的报错

Javascript error adding output!

ReferenceError: echarts is not defined

See your browser Javascript console for more details.

另外国内的地图和之前的版本不同 是进行了单独分离过的 如果需要使用 需要使用如下命令进行安装

pip install echarts-countries-pypkg

pip install echarts-china-provinces-pypkg

pip install echarts-china-cities-pypkg

pip install echarts-china-counties-pypkg

pip install echarts-china-misc-pypkg

pip install echarts-united-kingdom-pypkg

安装完成后 可以使用pip show pyecharts 查看安装的位置。

二、jupyter运行出图

我这里使用的jupyter直接在页面上调用使用的 测试代码如下

from pyecharts.charts import Bar

from pyecharts import options as opts

bar (

Bar()

.add_xaxis([ 衬衫 , 毛衣 , 领带 , 裤子 , 风衣 , 高跟鞋 , 袜子 ])

.add_yaxis( 商家A , [114, 55, 27, 101, 125, 27, 105])

.add_yaxis( 商家B , [57, 134, 137, 129, 145, 60, 49])

.set_global_opts(title_opts opts.TitleOpts(title 某商场销售情况 ))

bar.render_notebook()

#bar.render() #使用render方法会生成html页面

直接页面上运行后结果如下

另外如果在jupyter页面上不能出图 除了上面提到的类名称引入不对外 还可能是缺少html5lib包。还需要注意jupter和jupterlab是两个不同的产品 后面这个是jupter的未来版。这个在引入的时候使用的代码是有区别的。具体可以看官方示例。

python可视化来分析全国疫情代码

from pyecharts import options as opts

from pyecharts.charts import Geo

from pyecharts.globals import ChartType, SymbolType

import requests

import json

res json.loads(requests.get( http://www.dzyong.top:3005/yiqing/province/ ).text)

print(res)

province [p[ provinceName ] for p in res[ data ]]

val1 [p[ confirmedNum ] for p in res[ data ]]

val2 [p[ curesNum ] for p in res[ data ]]

val3 [p[ deathsNum ] for p in res[ data ]]

geo Geo()

geo.add_schema(maptype china )

geo.add(

 geo ,

 [list(z) for z in zip(province, val1)],

 type_ ChartType.EFFECT_SCATTER,

geo.set_series_opts(label_opts opts.LabelOpts(is_show False, background_color black , color green ))

geo.set_global_opts(

 visualmap_opts opts.VisualMapOpts(is_piecewise True, min_ 0, max_ 30000),

 title_opts opts.TitleOpts(title 全国实时数据 ))

geo.render( 全国实时数据.html )

 

、

【python可视化】python编码规范、标准库与扩展库对象的导入与使用 代码布局和排版在很大程度上决定了代码可读性的好坏，变量名、函数名、类名等标识符名称也会对代码的可读性带来一定的影响。一个好的python代码不仅应该是正确的，还应该是漂亮的、优雅的。
python机器学习数据建模与分析——决策树详解及可视化案例 你是否玩过二十个问题的游戏，游戏的规则很简单:参与游戏的一方在脑海里想某个事物，其他参与者向他提问题，只允许提20个问题，问题的答案也只能用对或错回答。问问题的人通过推断分解，逐步缩小待猜测事物的范围。决策树的工作原理与20个问题类似，用户输人一系列数据，然后给出游戏的答案。我们经常使用决策树处理分类问题,近来的调查表明决策树也是最经常使用的数据挖掘算法。它之所以如此流行，一个很重要的原因就是使用者基本上不用了解机器学习算法，也不用深究它是如何工作的。
Lansonli CSDN大数据领域博客专家，华为云享专家、阿里云专家博主、腾云先锋（TDP）核心成员、51CTO专家博主，全网六万多粉丝，知名互联网公司大数据高级开发工程师