实现数据可视化
在web页面实现各国经济的展示，以柱状图展示，展示数据数据库给出，数据库的内容自己编辑，展示的动图要有一定的科技感@fishc @fish 豪在这学python 发表于 2024-05-30 18:57@fish
嗨！有什么问题或者困惑我可以帮助解答吗？编程初学者常常面临各种难题，无论是语法问题还是算法问题，只要你告诉我具体的问题，我会尽力给出易懂且幽默的解答。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 18:57
嗨！有什么问题或者困惑我可以帮助解答吗？编程初学者常常面临各种难题，无论是语法问题还是算法问题， ...
"""数据可视化，歌单介绍词云图"""
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba
import time
def data_visualization_of_music_wordcloud():
"""歌单介绍词云图"""
df = pd.read_csv('music_data/music_detail.csv', header=None)
text = ''
print("正在生成歌单介绍词云图片...")
# 输出进度条
t = 60
start = time.perf_counter()
for i in range(t + 1):
finsh = "▓" * i
need_do = "-" * (t - i)
progress = (i / t) * 100
dur = time.perf_counter() - start
print("\r{:^3.0f}%[{}->{}]{:.2f}s".format(progress, finsh, need_do, dur), end="")
time.sleep(0.02)
for line in df:
text += ' '.join(jieba.cut(line, cut_all=False))
background_image = plt.imread('music_image/img/background_image.jpg')
stopwords = set('')
stopwords.update(
['封面', 'none介绍', '介绍', '歌单', '歌曲', '我们', '自己', '没有', '就是', '可以', '知道', '一起', '不是',
'因为', '什么', '时候', '还是', '如果', '不要', '那些', '那么', '那个', '所有', '一样', '一直', '不会', '现在',
'他们', '这样', '最后', '这个', '只是', '有些', '其实', '开始', '曾经', '所以', '不能', '你们', '已经', '后来',
'一切', '一定', '这些', '一些', '只有', '还有'])
wc = WordCloud(
background_color='white',
mask=background_image,
font_path='./font_resources/STZHONGS.ttf',
max_words=2000,
max_font_size=150,
random_state=30,
stopwords=stopwords
)
wc.generate_from_text(text)
# 看看词频高的有哪些,把无用信息去除
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items(), key=lambda e: e, reverse=True)
# print(sort[:50])
img_colors = ImageColorGenerator(background_image)
wc.recolor(color_func=img_colors)
plt.imshow(wc)
plt.axis('off')
# 保存图片
wc.to_file("./music_image/music_wordcloud.png")
# 显示图片
plt.show()
print("\n已生成歌单介绍词云图片，保存至 music_image/music_wordcloud.png")
解释代码，给上注释 豪在这学python 发表于 2024-05-30 19:12
"""数据可视化，歌单介绍词云图"""
from wordcloud i ...
这段代码实现了一个歌单介绍词云图的数据可视化。下面我将对代码进行解释，并给出一些注释。
"""数据可视化，歌单介绍词云图"""
from wordcloud import WordCloud, ImageColorGenerator
import matplotlib.pyplot as plt
import pandas as pd
import jieba
import time
def data_visualization_of_music_wordcloud():
"""歌单介绍词云图"""
df = pd.read_csv('music_data/music_detail.csv', header=None)
text = ''
print("正在生成歌单介绍词云图片...")
# 输出进度条
t = 60
start = time.perf_counter()
for i in range(t + 1):
finsh = "■" * i
need_do = "□" * (t - i)
progress = (i / t) * 100
dur = time.perf_counter() - start
print("\r{:^3.0f}% |{}{}| {:.2f}s".format(progress, finsh, need_do, dur), end="")
time.sleep(0.02)
for line in df:
text += ' '.join(jieba.cut(line, cut_all=False))
background_image = plt.imread('music_image/img/background_image.jpg')
stopwords = set('')
stopwords.update([])
wc = WordCloud(
background_color='white',
mask=background_image,
font_path='./font_resources/STZHONGS.ttf',
max_words=2000,
max_font_size=150,
random_state=30,
stopwords=stopwords
)
wc.generate_from_text(text)
# 看看词频高的有哪些,把无用信息去除
process_word = WordCloud.process_text(wc, text)
sort = sorted(process_word.items(), key=lambda e: e, reverse=True)
# print(sort)
img_colors = ImageColorGenerator(background_image)
wc.recolor(color_func=img_colors)
plt.imshow(wc)
plt.axis('off')
# 保存图片
wc.to_file("./music_image/music_wordcloud.png")
# 显示图片
plt.show()
print("\n已生成歌单介绍词云图片，保存至 music_image/music_wordcloud.png")
1. 导入了所需的库，包括WordCloud（词云图生成库）、ImageColorGenerator（用于为词云图上色）、matplotlib.pyplot（用于显示和保存图像）等。
2. `data_visualization_of_music_wordcloud()`是一个函数，表示生成歌单介绍词云图。
3. 打开了一个CSV文件(`music_data/music_detail.csv`)，将其中的数据读取到一个`DataFrame`(`df`)中。
4. 通过使用`jieba`库，将歌单介绍进行分词并拼接成一个长文本(`text`)。
5. 加载背景图片(`background_image`)。
6. 定义了一个停用词集合(`stopwords`)，用于过滤一些常见的无意义词汇。
7. 创建了一个`WordCloud`对象(`wc`)，设置了各种参数，如背景颜色、字体路径、最大词数等。
8. 通过调用`generate_from_text()`方法，将处理好的文本生成词云图。
9. 处理生成的词云图，通过定义图片颜色生成器(`img_colors`)，为词云图上色。
10. 使用`imshow()`方法，显示词云图，并关闭坐标轴。
11. 调用`to_file()`方法，将生成的词云图保存到本地(`./music_image/music_wordcloud.png`)。
12. 调用`show()`方法显示词云图。
13. 最后输出提示信息，表明词云图生成成功并保存在指定路径下。
希望以上解释对你有帮助，如果还有其他问题，欢迎继续提问！
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 19:13
这段代码实现了一个歌单介绍词云图的数据可视化。下面我将对代码进行解释，并给出一些注释。
我想用python对数据库中的数据进行可视化，将数据库中的数据以柱状图的形式呈现，如何完成代码？ 豪在这学python 发表于 2024-05-30 19:31
我想用python对数据库中的数据进行可视化，将数据库中 ...
要使用Python对数据库中的数据进行可视化，你可以使用以下步骤完成代码：
1. 首先，你需要安装所需的库。这里推荐使用`pandas`用于数据处理和`matplotlib`用于数据可视化。你可以使用以下命令安装它们：
pip install pandas matplotlib
2. 导入所需的库：
import pandas as pd
import matplotlib.pyplot as plt
import sqlite3
3. 连接到你的数据库（假设是SQLite数据库）：
conn = sqlite3.connect('your_database.db')
4. 使用`pandas`读取数据库中的数据，并将它存储到一个DataFrame对象中：
query = "SELECT column1, column2 FROM your_table"
df = pd.read_sql_query(query, conn)
注意替换`column1`、`column2`和`your_table`为你实际的列名和表名。
5. 利用`pandas`提供的功能和`matplotlib`绘制柱状图：
df.plot(kind='bar', x='column1', y='column2')
plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.title('Database Data Visualization')
plt.show()
在这里，你需要替换`column1`、`column2`为你要展示的列名，并修改`X Label`、`Y Label`、`Database Data Visualization`为你自己喜欢的标签。
6. 关闭数据库连接：
conn.close()
以上是一个简单的示例代码，你可以根据自己的需求进行修改和优化。希望对你有帮助！如有更多问题，请随时提问。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 19:32
要使用Python对数据库中的数据进行可视化，你可以使用以下步骤完成代码：
1. 首先，你需要安装所需 ...
数据库用MySQL，数据库名为year，我想要将图标做成动态 豪在这学python 发表于 2024-05-30 19:37
数据库用MySQL，数据库名为year，我想要将图标做成动 ...
如果你想使用MySQL数据库并将图表做成动态的，你可以尝试使用以下步骤完成代码：
1. 首先，确保你已经安装了所需的库。这里我们需要安装`pandas`、`matplotlib`和`mysql-connector-python`库。你可以使用以下命令进行安装：
pip install pandas matplotlib mysql-connector-python
2. 导入所需的库：
import pandas as pd
import matplotlib.pyplot as plt
import mysql.connector
import matplotlib.animation as animation
3. 连接到你的MySQL数据库：
conn = mysql.connector.connect(
user='your_username',
password='your_password',
host='your_host',
database='year'
)
将`your_username`、`your_password`和`your_host`替换为你实际的用户名、密码和主机。
4. 使用`pandas`读取数据库中的数据，并将其存储到一个DataFrame对象中：
query = "SELECT column1, column2 FROM your_table"
df = pd.read_sql_query(query, conn)
将`column1`、`column2`和`your_table`替换为你实际的列名和表名。
5. 创建一个画布和子图：
fig, ax = plt.subplots()
6. 定义一个更新图表数据的函数：
def update_data(i):
# 在此处更新数据
pass
你可以在`update_data()`函数中通过查询数据库来更新数据。
7. 使用`matplotlib.animation`库创建动态图表：
ani = animation.FuncAnimation(fig, update_data, interval=1000)# 每隔1秒更新一次数据
plt.show()
这将显示一个动态图表，并每隔1秒调用一次`update_data()`函数。
8. 关闭数据库连接：
conn.close()
请根据上述步骤修改代码以适应你的实际情况。希望对你有所帮助！如有更多问题，请随时提问。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 19:38
如果你想使用MySQL数据库并将图表做成动态的，你可以尝试使用以下步骤完成代码：
1. 首先，确保你已 ...
我需要数据库中表头的第一个作为图标的x，第二个表头作为y 豪在这学python 发表于 2024-05-30 20:02
我需要数据库中表头的第一个作为图标的x，第二个表头 ...
如果你想使用MySQL数据库中的表头的第一个列作为x轴，第二个列作为y轴来制作动态图表，你可以按照以下步骤修改代码：
1. 在使用`pandas`读取数据时，设置`header`参数为`0`，以将第一行作为列名：
df = pd.read_sql_query(query, conn, header=0)
2. 修改`update_data()`函数来提取x和y的值，并更新图表数据：
def update_data(i):
x = df.iloc[:, 0]# 提取第一列作为x轴数据
y = df.iloc[:, 1]# 提取第二列作为y轴数据
# 更新图表数据
ax.clear()# 清空原有图表
ax.plot(x, y)# 重新绘制图表
# 使用FuncAnimation创建动态图表
ani = animation.FuncAnimation(fig, update_data, interval=1000)
这样，每次调用`update_data()`函数时，它都会从数据框中提取第一列作为x轴数据，第二列作为y轴数据，并重新绘制图表。
希望这对你有帮助！如有更多问题，请随时提问。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 20:03
如果你想使用MySQL数据库中的表头的第一个列作为x轴，第二个列作为y轴来制作动态图表，你可以按照以下 ...
TypeError: read_sql_query() got an unexpected keyword argument 'header'
豪在这学python 发表于 2024-05-30 20:07
TypeError: read_sql_query() got an unexpected keyw ...
抱歉，我之前给出的代码中使用了一个不存在的`header`参数导致了错误。在`read_sql_query()`函数中，没有`header`这个参数。
要解决这个问题，你可以尝试以下方法：
1. 直接将第一行作为列名，不使用`header`参数：
df = pd.read_sql_query(query, conn)
默认情况下，`pandas`会将第一行作为列名。
2. 如果你的数据表中没有列名，只有数据，请使用`pandas`提供的`names`参数来自定义列名：
df = pd.read_sql_query(query, conn, names=['column1', 'column2'])
将`column1`和`column2`替换为实际的列名。
请根据这些修改尝试进行操作，并避免使用`header`参数。如果还有其他问题，请随时提问！
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 20:07
抱歉，我之前给出的代码中使用了一个不存在的`header`参数导致了错误。在`read_sql_query()`函数中，没 ...
好像不对 豪在这学python 发表于 2024-05-30 20:11
好像不对
抱歉给出错误的建议。实际上，`read_sql_query()`函数确实没有`header`参数，它会自动将查询结果的列名作为DataFrame的列名。
在你的情况下，如果你想使用数据库中的第一列作为x轴数据，第二列作为y轴数据，你可以按照以下方式修改代码：
import pandas as pd
import matplotlib.pyplot as plt
import mysql.connector
import matplotlib.animation as animation
# 连接到MySQL数据库
conn = mysql.connector.connect(
user='your_username',
password='your_password',
host='your_host',
database='year'
)
# 从数据库中读取数据
query = "SELECT * FROM your_table"
df = pd.read_sql_query(query, conn)
# 创建一个画布和子图
fig, ax = plt.subplots()
def update_data(i):
# 提取x和y的值
x = df.iloc[:, 0]# 提取第一列作为x轴数据
y = df.iloc[:, 1]# 提取第二列作为y轴数据
# 更新图表数据
ax.clear()# 清空原有图表
ax.plot(x, y)# 重新绘制图表
# 使用FuncAnimation创建动态图表
ani = animation.FuncAnimation(fig, update_data, interval=1000)
# 显示图表
plt.show()
# 关闭数据库连接
conn.close()
请确保替换`your_username`、`your_password`、`your_host`为正确的用户名、密码和主机。同时，将`your_table`替换为你实际的表名。
现在，`update_data()`函数中的`x`变量提取了DataFrame中的第一列数据，`y`变量提取了第二列数据，并重新绘制图表。
希望这次能够帮到你！如有其他问题，请随时提问。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 20:11
抱歉给出错误的建议。实际上，`read_sql_query()`函数确实没有`header`参数，它会自动将查询结果的列名 ...
我的表为id name
1尔豪,现在要x轴显示id的数据，y轴显示name的数据 豪在这学python 发表于 2024-05-30 20:13
我的表为id name
1尔豪,现在要x轴显 ...
感谢你提供的信息！根据你的描述，如果你想使用数据库表中的`id`列作为x轴数据，`name`列作为y轴数据进行绘图，你可以按照以下方式修改代码：
import pandas as pd
import matplotlib.pyplot as plt
import mysql.connector
# 连接到MySQL数据库
conn = mysql.connector.connect(
user='your_username',
password='your_password',
host='your_host',
database='year'
)
# 从数据库中读取数据
query = "SELECT id, name FROM your_table"
df = pd.read_sql_query(query, conn)
# 绘制柱状图
plt.bar(df['id'], df['name'])
# 设置x轴和y轴标签
plt.xlabel('id')
plt.ylabel('name')
# 设置图表标题
plt.title('Data Visualization')
# 显示图表
plt.show()
# 关闭数据库连接
conn.close()
在上述代码中，请确保将`your_username`、`your_password`、`your_host`替换为正确的用户名、密码和主机。同时，将`your_table`替换为你实际的表名。
这段代码会从数据库中读取`id`和`name`列的数据，然后使用`plt.bar()`函数绘制柱状图，x轴对应`id`列，y轴对应`name`列。最后设置了x轴和y轴的标签以及标题，并显示图表。
希望这次能够满足你的需求！如有其他问题，请随时提问。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 20:15
感谢你提供的信息！根据你的描述，如果你想使用数据库表中的`id`列作为x轴数据，`name`列作为y轴数据进 ...
C:\Users\Administrator\Pictures\4k\1.png，将这张照片中的各种数据用python以图标的格式写出来 豪在这学python 发表于 2024-05-30 20:23
C:\Users\Administrator\Pictures\4k\1.png，将这张照 ...
如果你想使用Python将一张照片中的各种数据以图表的形式呈现，你需要先将图片转换为RGB像素值的数据。然后，可以使用诸如Matplotlib等库将该数据可视化为不同类型的图表。
以下是一个示例代码，它使用Pillow库（用于对图像进行处理）和Matplotlib库（用于数据可视化）来实现这个目标：
from PIL import Image
import matplotlib.pyplot as plt
# 打开并加载图像
image_path = r'C:\Users\Administrator\Pictures\4k\1.png'
image = Image.open(image_path)
# 将图像转换为RGB模式
image_rgb = image.convert("RGB")
# 获取图像的像素值
pixels = image_rgb.getdata()
# 获取每个像素点的R、G、B值
red_values = []
green_values = []
blue_values = []
for pixel in pixels:
red, green, blue = pixel
red_values.append(red)
green_values.append(green)
blue_values.append(blue)
# 绘制柱状图
fig, ax = plt.subplots()
ax.bar(range(len(red_values)), red_values, color='red', alpha=0.5, label='Red')
ax.bar(range(len(green_values)), green_values, color='green', alpha=0.5, label='Green')
ax.bar(range(len(blue_values)), blue_values, color='blue', alpha=0.5, label='Blue')
# 设置x轴和y轴标签
ax.set_xlabel('Pixel Index')
ax.set_ylabel('RGB Value')
ax.set_title('Pixel RGB Values')
# 显示图例
ax.legend()
# 显示图表
plt.show()
请确保将 `image_path` 替换为你实际的图像路径。上述代码将打开指定的图像，并将其转换为RGB模式。然后，将每个像素的红、绿、蓝值提取出来，并使用Matplotlib绘制了柱状图，将红色值、绿色值和蓝色值分别显示在不同的柱子上。
希望这可以帮助你实现将图片中的数据以图表的形式展示出来！如有其他问题，请随时提问。
以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。 FishC 发表于 2024-5-30 20:23
如果你想使用Python将一张照片中的各种数据以图表的形式呈现，你需要先将图片转换为RGB像素值的数据。 ...
import re
import math
import pymysql# 导入数据库
from bs4 import BeautifulSoup
from pyecharts.options import *
from pyecharts.faker import Faker
from pyecharts import options as opts
from pyecharts.globals import ThemeType
from pyecharts.charts import Bar, Pie, Page, Geo, Timeline, Line3D, Scatter, Line
def bar():# 柱状图
year = Numberselect(Mysqlconnect("select year from countrygdp;"))
country = Chineseselect(Mysqlconnect("select GDP from countrygdp;"))
GDP = Numberselect(Mysqlconnect("select rate from countrygdp;"))
data_dict = {}
for i in range(len(year)):
try:
data_dict].append(, GDP])
except KeyError:
data_dict] = []
data_dict].append(, GDP])
# 排序年份
sorted_year_list = sorted(data_dict.keys())# 排序年份
timeline = Timeline({"theme": ThemeType.LIGHT})# 创建时间线对象
for year in sorted_year_list:
data_dict.sort(key=lambda element: element, reverse=True)
year_data = data_dict[:8]# 取出本年份前八名的国家
x_data = []
y_data = []
for country_gdp in year_data:
x_data.append(country_gdp)# x轴添加国家
y_data.append(country_gdp / 100000000)# y轴添加GDP数据,单位为亿元
bar = Bar()# 构建柱状图
x_data.reverse()
y_data.reverse()
bar.add_xaxis(x_data)
bar.add_yaxis("GDP亿元", y_data, label_opts=LabelOpts(position="right"), color="#FFFFFF")
bar.reversal_axis()# 反转x轴，y轴
bar.set_global_opts(
title_opts=TitleOpts(title=f"{year}年全球GDP前八数据", title_textstyle_opts=opts.TextStyleOpts(
color="#FFFFFF")),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#FFFFFF')),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#FFFFFF')))# 设置每一年的图表标题
timeline.add(bar, str(year))# 创建时间线对象
c = timeline.add_schema(# 设置时间为自动播放
play_interval=1000,# 时间间隔
is_timeline_show=True,# 是否显示时间
is_loop_play=True,# 是否循环
is_auto_play=True# 是否自动播放
)
return c
def tab(name, color, size):# 标题
c = (Pie().set_global_opts(title_opts=opts.TitleOpts(title=name, pos_left='center', pos_top='center',
title_textstyle_opts=opts.TextStyleOpts(color=color,
font_size=size))))
return c
def line():# 折线图
c = (
Line()
.add_xaxis(Faker.choose())
.add_yaxis(
'Lab A',
Faker.values(),
markline_opts=opts.MarkLineOpts(data=[
{'yAxis': 150},
opts.MarkLineItem(type_='min'),
opts.MarkLineItem(type_='max'),
opts.MarkLineItem(type_='average'),
])).add_yaxis(
'Lab B',
Faker.values(),
markline_opts=opts.MarkLineOpts(data=[
opts.MarkLineItem(type_='min'),
opts.MarkLineItem(type_='max'),
opts.MarkLineItem(type_='average'),
])).set_global_opts(
title_opts=opts.TitleOpts(title='折线图中设置标记', title_textstyle_opts=opts.TextStyleOpts(
color="#FFFFFF")),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#FFFFFF')),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#FFFFFF')),
visualmap_opts=opts.VisualMapOpts(
pos_top='10',
pos_right='0',
is_piecewise=True,
pieces=[
{'gt': 0, 'lte': 50, 'color': '#096'},
{'gt': 50, 'lte': 100, 'color': '#ffde33'},
{'gt': 100, 'lte': 150, 'color': '#ff9933'},
{'gt': 150, 'lte': 200, 'color': '#cc0033'},
{'gt': 200, 'lte': 300, 'color': '#660099'},
{'gt': 300, 'color': '#7e0023'}
],
out_of_range={'color': '#999'}
),
datazoom_opts=[
opts.DataZoomOpts(yaxis_index=0),
opts.DataZoomOpts(type_='inside', yaxis_index=0),
]
)
)
return c
def scatter():# 散点图
# 例1 自定义数据基本示例
y1 = [, , , , ]
y2 = [, , , , ]
c = (
Scatter()
.add_xaxis(Faker.choose())
.add_yaxis('数据1', y1)
.add_yaxis('数据2', y2)
.set_global_opts(
title_opts=opts.TitleOpts(title='散点图', title_textstyle_opts=opts.TextStyleOpts(color="#FFFFFF")),
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#FFFFFF')),
yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(color='#FFFFFF'))
)
)
return c
def Mysqlconnect(sql):# 数据库连接
conn = pymysql.connect(
host='localhost',# 连接名称，一般默认localhost
user='root',# 数据库用户名，一般都是root
password='123456',# 数据库密码，用户根据自定义设置
port=3306,# MySQL端口，系统默认的3306端口
db='python',# 连接数据库名
charset='utf8'
)# 识别的字符编码
cur = conn.cursor()# 生成游标对象
cur.execute(sql)
sql1 = cur.fetchall()# 通过fetchall获得数据
cur.close()
conn.close()
return sql1
def Chineseselect(datas):# 汉字数据筛选
data = []
for i in datas[:len(datas)]:
data.append(re.search("[\u4e00-\u9fff]+", str(i)).group())
return data
def Numberselect(datas):# 数值数据筛选
data = []
for i in datas[:len(datas)]:
data.append(int(re.search(r"+", str(i)).group()))
return data
def radius():# 饼图
cate = Chineseselect(Mysqlconnect("select area from vote_result"))
data = Numberselect(Mysqlconnect("select vote from vote_result"))
c = Pie()
c.add('', , radius=["30%", "70%"], rosetype="radius")
c.set_global_opts(title_opts=opts.TitleOpts(title="客户销售额占比", padding=,
title_textstyle_opts=opts.TextStyleOpts(color="#FFFFFF")),
legend_opts=opts.LegendOpts(textstyle_opts=opts.TextStyleOpts(color="#FFFFFF"), type_="scroll",
orient="vertical", pos_right=0, pos_top="middle"))
c.set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%"))
c.set_colors(['red', "orange", "yellow", "green", "Cyan", "purple"])
return c
def geo():# 中国地图
city_num = [('武汉', 200), ('成都', 70), ('北京', 99),
('西安', 80), ('杭州', 60), ('贵阳', 34),
('上海', 65), ('深圳', 54), ('乌鲁木齐', 76),
('哈尔滨', 47), ('兰州', 56), ('信阳', 85)]
start_end = [('宁波', '成都'), ('武汉', '北京'), ('武汉', '西安'),
('长沙', '杭州'), ('武汉', '贵阳'), ('武汉', '上海'),
('甘肃', '深圳'), ('北京', '乌鲁木齐'), ('上海', '哈尔滨'),
('武汉', '兰州'), ('西藏', '信阳')]
c = Geo()
c.add_schema(maptype='china', itemstyle_opts=opts.ItemStyleOpts(color='#323c48', border_color='white'))
c.add('', data_pair=city_num, color='white')# 4.添加数据
c.add('', data_pair=start_end, type_="lines", label_opts=opts.LabelOpts(is_show=False),
effect_opts=opts.EffectOpts(symbol="arrow", color='gold', symbol_size=7))
c.set_global_opts(title_opts=opts.TitleOpts(title=""))
return c
def scatter3D():# 弹簧图
data = []
for t in range(0, 25000):
_t = t / 1000
x = (1 + 0.25 * math.cos(75 * _t)) * math.cos(_t)
y = (1 + 0.25 * math.cos(75 * _t)) * math.sin(_t)
z = _t + 2.0 * math.sin(75 * _t)
data.append()
c = (
Line3D()
.add("", data,
xaxis3d_opts=opts.Axis3DOpts(Faker.clock, type_='value', axislabel_opts=opts.LabelOpts(color="white")),
# 设置坐标轴白色
yaxis3d_opts=opts.Axis3DOpts(Faker.week_en, type_="value", axislabel_opts=opts.LabelOpts(color="white")),
grid3d_opts=opts.Grid3DOpts(
width=100, depth=100, rotate_speed=150, is_rotate=True, axislabel_opts=opts.LabelOpts(color="white")
)
)
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(max_=30, min_=0, range_color=Faker.visual_color),
title_opts=opts.TitleOpts(title="弹簧3D折线图", title_textstyle_opts=opts.TextStyleOpts(color="#FFFFFF")),
)
)
return c
def Summary():# 汇总图
page = Page()
page.add(
tab("班级：\t22数据本\n学号：\t2022402223\n姓名：\t郑尔豪", "#2CB34A", 20),
bar(),
tab("数据可视化大屏", "#2CB34A", 30),
scatter3D(),
radius(),
line(),
geo(),
scatter()
)
return page
def Zhizuo():# 修改布局
with open("2021402156Mrtian.html", "r+", encoding='utf-8') as html:
html_bf = BeautifulSoup(html, 'lxml')
divs = html_bf.select('.chart-container')
divs["style"] = "width:10%;height:10%;position:absolute;top:0;left:2%;"
divs["style"] = "width:40%;height:40%;position:absolute;top:12%;left:0;"
divs["style"] = "width:35%;height:10%;position:absolute;top:2%;left:30%;"
divs["style"] = "width:30%;height:40%;position:absolute;top:10%;left:36%;"
divs["style"] = "width:40%;height:35%;position:absolute;top:12%;left:55%;"
divs["style"] = "width:30%;height:35%;position:absolute;top:55%;left:2%;"
divs["style"] = "width:60%;height:50%;position:absolute;top:45%;left:15%;"
divs["style"] = "width:35%;height:40%;position:absolute;top:55%;left:60%;"
body = html_bf.find("body")
body[
"style"] = "background-image: url(https://tse1-mm.cn.bing.net/th/id/OIP-C.BLVs3j-wt2XVI2NdeI9FPAHaDt?w=342&h" \
"=175&c=7&r=0&o=5&pid=1.7);background-size:cover"# 背景颜色
html_new = str(html_bf)
html.seek(0, 0)
html.truncate()
html.write(html_new)
if __name__ == '__main__':# 主函数
Summary().render('xxx.html')
Zhizuo()
根据这些代码，完成一个讲解、解析ppt内容
页:
[1]
2