| 【26 Pandas+Pyecharts | 您所在的位置：网站首页 › pyecharts数据可视化心得体会 › 【26 Pandas+Pyecharts |
【26 Pandas+Pyecharts
|
大家好，我是 【Python当打之年】 高考刚刚落幕，本期利用 python 分析一下我国高校及专业数据，看看： 高校办学类别有哪些全国高校分布情况本科/专科占比情况985/211/双一流高校数量占比情况985/211/双一流主要分布城市高校开始最多的专业有哪些国家特色专业数量最多的学校等等...希望对大家有所帮助，如有疑问或者需要改进的地方可以联系小编。 涉及到的库： Pandas — 数据处理 Pyecharts — 数据可视化  1. 导入模块import pandas as pd
from pyecharts.charts import Bar
from pyecharts.charts import Map
from pyecharts.charts import Pie
from pyecharts.charts import WordCloud
from pyecharts import options as opts2. Pandas数据处理2.1 读取数据 df_school = pd.read_csv('高校.csv',encoding='gbk') df_professional = pd.read_csv('专业.csv',encoding='gbk') 3. Pyecharts数据可视化3.1 全国高校分布地图def get_map1():
m1 = (
Map()
.add('',
[list(z) for z in zip(df_school_count.index.tolist(), df_school_count.values.tolist())],
maptype='china',
is_map_symbol_show=False,
label_opts=opts.LabelOpts(is_show=False,color='red')
)
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(
is_show=True,
max_ = 200,
pos_top='60%',
pos_left='10%',
),
tooltip_opts=opts.TooltipOpts(formatter='{b}:{c}'),
title_opts=opts.TitleOpts(title='1-全国高校分布地图',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",
title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))
)
)3.2 全国高校分布城市地图 3.3 本科/专科占比 def get_pie1():
pie1 = (
Pie()
.add(
"",
[list(z) for z in zip(df_school_count.index.tolist(), df_school_count.values.tolist())],
radius=["30%", "60%"],
label_opts=opts.LabelOpts(formatter="{b}: {c}")
)
.set_global_opts(
title_opts=opts.TitleOpts(title='3-本科/专科占比',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",
title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),
legend_opts=opts.LegendOpts( pos_top="5%"),
)
) 3.4 985/211/双一流高校数量占比 3.5 办学类别排行def get_bar1():
bar1 = (
Bar()
.add_xaxis(df_school_count.index.tolist())
.add_yaxis("",df_school_count.values.tolist(),label_opts=opts.LabelOpts(position='right'))
.reversal_axis()
.set_global_opts(
visualmap_opts=opts.VisualMapOpts(
is_show=False,
max_ = 1000,
dimension=0,
range_color=range_color
),
title_opts=opts.TitleOpts(title='5-办学类别排行',subtitle='-- 制图@公众号：Python当打之年 --',pos_top='2%',pos_left="2%",
title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))
)
) 3.6 985/211/双一流高校数量占比def get_bar2():
bar2 = (
Bar()
.add_xaxis(df_school_tmp_count.index.tolist())
.add_yaxis("",df_school_tmp_count.values.tolist())
.set_global_opts(
xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=30)),
visualmap_opts=opts.VisualMapOpts(
is_show=False,
max_ = 20,
dimension=1,
range_color=range_color
),
title_opts=opts.TitleOpts(title='6-985/211/双一流主要分布城市Top20',pos_top='2%',pos_left="2%",
title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20))
)
) 3.7 专业数量Top20 3.8 专业数量Top20学校地图分布 3.9 国家特色专业数量Top20学校 3.10 国家特色专业词云def get_wordcloud():
wordcloud = (
WordCloud()
.add("",
words,
word_size_range=[5, 50]
)
.set_global_opts(
legend_opts=opts.LegendOpts(is_show=False),
title_opts=opts.TitleOpts(title='10-国家特色专业词云',pos_top='2%',pos_left="2%",
title_textstyle_opts=opts.TextStyleOpts(color='#fff200',font_size=20)),
)
) 可视化源码+数据：以上就是本期为大家整理的全部内容了，赶快练习起来吧，喜欢的朋友可以点赞、收藏也可以分享让更多人知道 更多内容(公众号：Python当打之年) 推荐阅读 源码下载 | Python可视化系列文章资源(源码+数据)Pyecharts | 2019_2022年全国旅游酒店数据分析可视化基础 | Pyecharts 动态时序图（时间线轮播图各参数配置）Pandas+Pyecharts | 全国吃穿住行消费排行榜，最‘抠门’的地区居然是北京！！！基础 | Pyecharts绘图基础之图例配置项(LegendOpts)Python | 绘制华为游戏应用排行榜Python | 新冠阳了一般几天能痊愈？Python | 第一波城市新冠疫情预计达峰日期Python | 今年世界杯哪个队最有可能夺冠？！技巧 | Python绘制2022年卡塔尔世界杯决赛圈预测图Python | 1930~2018年历届世界杯冠军Python预测卡塔尔世界杯身价最高的英格兰要夺冠？！用Python分析了3W+《独行月球》影评数据，看看观众们怎么说~Matplotlib | 世界足球俱乐部排名可视化Pandas+Pyecharts | 2022世界500强数据分析可视化Pandas+Pyecharts | 快手APP全国大学生用户数据分析可视化Pandas+Pyecharts | 上海市餐饮数据分析可视化Pandas+Pyecharts | 山东省高考考生数据分析可视化Pandas+Pyecharts | 20000+天猫订单数据可视化Pandas+Pyecharts | 40000+汽车之家数据分析可视化Pandas+Pyecharts | 广州市已成交房源信息数据可视化Pandas+Pyecharts | 某直聘平台招聘信息数据可视化可视化 | Python直观展示--中国代表团冬奥会荣耀时刻40000+条考研信息数据可视化（学校、专业分数分布）收藏 | 爆肝整理100个Pandas常用基础指令 |
【本文地址】
公司简介
联系我们