国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

python語(yǔ)法-數(shù)據(jù)可視化(全球GDP動(dòng)態(tài)柱狀圖開(kāi)發(fā))

這篇具有很好參考價(jià)值的文章主要介紹了python語(yǔ)法-數(shù)據(jù)可視化(全球GDP動(dòng)態(tài)柱狀圖開(kāi)發(fā))。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方,請(qǐng)大家不吝賜教,您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問(wèn)。

python數(shù)據(jù)可視化(全球GDP動(dòng)態(tài)柱狀圖開(kāi)發(fā))
開(kāi)發(fā)工具:pycharm、pyecharts模塊

(項(xiàng)目數(shù)據(jù)見(jiàn)文末參考內(nèi)容)

"""
演示GDP動(dòng)態(tài)柱狀圖開(kāi)發(fā)
"""


from pyecharts.charts import Bar,Timeline
from pyecharts.options import *
from pyecharts.globals import ThemeType

# 讀取數(shù)據(jù)
f = open("資料/資料/可視化案例數(shù)據(jù)/動(dòng)態(tài)柱狀圖數(shù)據(jù)/1960-2019全球GDP數(shù)據(jù).csv", "r", encoding="GB2312")
data_lines = f.readlines()
# 關(guān)閉文件
f.close()
# 刪除第一條數(shù)據(jù)
data_lines.pop(0)


# 將數(shù)據(jù)轉(zhuǎn)換為字典存儲(chǔ),格式為:
# {1960:[[美國(guó),123],[中國(guó),321],......],1961:[[美國(guó),123],[中國(guó),321],......]...}
# 先定義一個(gè)字典,將數(shù)據(jù)按格式存儲(chǔ)字典對(duì)象內(nèi)部
data_dict = {}
for line in data_lines:
    year = int(line.split(",")[0])  # 年份
    country = line.split(",")[1]    # 國(guó)家
    gdp = float(line.split(",")[2]) # gdp數(shù)據(jù)
    try:                            # 如果字典有該年份的列表元素,則追加,否則創(chuàng)建一個(gè)空的再追加
        data_dict[year].append([country, gdp])
    except KeyError:
        data_dict[year] = []
        data_dict[year].append([country, gdp])


# 創(chuàng)建時(shí)間線對(duì)象
timeline = Timeline({"theme":ThemeType.LIGHT})


# 排序年份
# for循環(huán)每一年的數(shù)據(jù),基于每一年的數(shù)據(jù),創(chuàng)建每一年的bar對(duì)象
# 在for中,將每一年的bar對(duì)象添加到時(shí)間線中
sorted_year_list = sorted(data_dict.keys())
for year in sorted_year_list:
    data_dict[year].sort(key = lambda element:element[1], reverse=True)
    # 取出本年份Top8的國(guó)家的數(shù)據(jù)
    year_data = data_dict[year][0:8]
    x_data = []
    y_data = []
    for country_gdp in year_data:
        x_data.append(country_gdp[0])   # x軸添加國(guó)家
        y_data.append(country_gdp[1])   # y軸添加gdp數(shù)據(jù)

    # 構(gòu)建柱狀圖
    bar = Bar()
    x_data.reverse()
    y_data.reverse()
    bar.add_xaxis(x_data)
    bar.add_yaxis("GDP(億)", y_data, label_opts=LabelOpts(position="right"))
    # 反轉(zhuǎn)x軸和y軸
    bar.reversal_axis()
    # 設(shè)置每一年的圖表的標(biāo)題
    bar.set_global_opts(
        title_opts=TitleOpts(title=f"{year}年全球前8GDP數(shù)據(jù)")
    )
    timeline.add(bar, str(year))


# 設(shè)置時(shí)間線自動(dòng)播放
timeline.add_schema(
    play_interval=1000,
    is_timeline_show=True,
    is_auto_play=True,
    is_loop_play=False
)


# 繪圖
timeline.render("1960-2019全球GDP前8國(guó)家.html")

效果圖如下(輪播1960-2019年的柱狀圖):
python語(yǔ)法-數(shù)據(jù)可視化(全球GDP動(dòng)態(tài)柱狀圖開(kāi)發(fā))

參考內(nèi)容:
項(xiàng)目數(shù)據(jù)(https://mp.csdn.net/mp_download/manage/download/UpDetailed)
python語(yǔ)法-pyecharts
黑馬程序員-python基礎(chǔ)文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-479745.html

到了這里,關(guān)于python語(yǔ)法-數(shù)據(jù)可視化(全球GDP動(dòng)態(tài)柱狀圖開(kāi)發(fā))的文章就介紹完了。如果您還想了解更多內(nèi)容,請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來(lái)自互聯(lián)網(wǎng)用戶投稿,該文觀點(diǎn)僅代表作者本人,不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請(qǐng)注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符,請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋,一經(jīng)查實(shí),立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

相關(guān)文章

覺(jué)得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請(qǐng)作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包