包含疫情餅狀圖python代碼實現的詞條

本文目錄一覽：

• 1、「Python」使用Pyecharts生成疫情分布地圖
• 2、python中如何畫餅圖
• 3、如何用python繪製各種圖形

「Python」使用Pyecharts生成疫情分布地圖

最近受江蘇疫情影響，好多小夥伴都居家辦公咯！為了密切關注疫情動態，最近寫了爬取疫情分布的腳本，參考上篇鏈接。

既然我們已經獲得了相應的江蘇各個地級市的疫情數據，那麼我們如何來使用Python實現將數據可視化在地圖上呢？

Apache Echarts 是一個由百度開源的數據可視化，憑藉著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用於數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。

簡單來說，pyecharts具有以下特性：

3. Pyecharts 安裝

使用pip進行安裝如下：

因為我們需要使用pycharts繪製地圖，此時我們還需要安裝相應的地圖文件包：

其中：

echarts-countries-pypkg 包為全球國家地圖

echarts-china-provinces-pypkg包為中國省級地圖

echarts-china-cities-pypkg 包為中國市級地圖

安裝完上述繪製地圖相關的python包後，我們接下來開始畫疫情分布地圖。

首先，我們先來查看一段Pyecharts相關實現：

上述代碼解釋如下：

運行後會在當前目錄生成 map_jiangsu_0803.html,用瀏覽器打開後結果如下：

當滑鼠移動到對應區域後，會顯示出對應地級市今日新增人數。

上述腳本雖然可以實現我們的功能，但是顏色灰灰的，太過於單調，接下來我們來想辦法進行美化,實現代碼如下：

代碼解釋如下：

運行後會在當前目錄生成 map_jiangsu_0803_new.html,用瀏覽器打開後結果如下：

同理我們可以得到現有確診人數分布如下：

進而我們可以得到累計確診人數分布如下：

python中如何畫餅圖

餅形圖：

餅圖是圓形統計圖。

整個圖表的區域代表100％或全部數據。

餅圖中顯示的餅圖區域代表數據部分的百分比。

餅圖的各個部分稱為楔形。

楔形的弧長決定餅圖中楔形的面積。

楔形的面積決定了零件相對於整體的相對量子或百分比。

餅圖經常用於業務演示中，因為它們可以快速概述業務活動，例如銷售，運營等。

餅形圖還大量用於調查結果，新聞文章，資源使用圖（如磁碟和內存）中。

使用Python Matplotlib繪製簡單的餅圖

可以使用pyplot模塊中的函數pie（）繪製餅圖。 以下python代碼示例使用pie（）函數繪製了一個餅圖。

默認情況下，pyplot的pie（）功能沿逆時針方向排列餅圖中的餅形或楔形。

如何用python繪製各種圖形

1.環境

系統：windows10

python版本：python3.6.1

使用的庫：matplotlib，numpy

2.numpy庫產生隨機數幾種方法

import numpy as np

numpy.random

rand(d0, d1, …, dn)  

In [2]: x=np.random.rand(2,5)

In [3]: x

Out[3]:

array([[ 0.84286554,  0.50007593,  0.66500549,  0.97387807,  0.03993009],

[ 0.46391661,  0.50717355,  0.21527461,  0.92692517,  0.2567891 ]])

randn(d0, d1, …, dn)查詢結果為標準正態分布

In [4]: x=np.random.randn(2,5)

In [5]: x

Out[5]:

array([[-0.77195196,  0.26651203, -0.35045793, -0.0210377 ,  0.89749635],

[-0.20229338,  1.44852833, -0.10858996, -1.65034606, -0.39793635]])

randint(low,high,size)  

生成low到high之間（半開區間 [low, high)），size個數據

In [6]: x=np.random.randint(1,8,4)

In [7]: x

Out[7]: array([4, 4, 2, 7])

random_integers(low,high,size)  

生成low到high之間（閉區間 [low, high)），size個數據

In [10]: x=np.random.random_integers(2,10,5)

In [11]: x

Out[11]: array([7, 4, 5, 4, 2])

3.散點圖

x x軸

y y軸

s   圓點面積

c   顏色

marker  圓點形狀

alpha   圓點透明度                #其他圖也類似這種配置

N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)

x=np.random.randn(N)

y=np.random.randn(N)

plt.scatter(x,y,s=50,c=’r’,marker=’o’,alpha=0.5)

plt.show()

4.折線圖

x=np.linspace(-10000,10000,100) #將-10到10等區間分成100份

y=x**2+x**3+x**7

plt.plot(x,y)

plt.show()

折線圖使用plot函數

5.條形圖

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)

plt.bar(left=index,height=y,color=’red’,width=0.3)

plt.bar(left=index+0.3,height=y1,color=’black’,width=0.3)

plt.show()

orientation設置橫向條形圖

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)# plt.bar(left=index,height=y,color=’red’,width=0.3)# plt.bar(left=index+0.3,height=y1,color=’black’,width=0.3)#plt.barh() 加了h就是橫向的條形圖，不用設置orientation

plt.bar(left=0,bottom=index,width=y,color=’red’,height=0.5,orientation=’horizontal’)

plt.show()

6.直方圖

m1=100

sigma=20

x=m1+sigma*np.random.randn(2000)

plt.hist(x,bins=50,color=”green”,normed=True)

plt.show()

# #雙變數的直方圖# #顏色越深頻率越高# #研究雙變數的聯合分布

#雙變數的直方圖#顏色越深頻率越高#研究雙變數的聯合分布

x=np.random.rand(1000)+2

y=np.random.rand(1000)+3

plt.hist2d(x,y,bins=40)

plt.show()

7.餅狀圖

#設置x,y軸比例為1：1，從而達到一個正的圓

#labels標籤參數,x是對應的數據列表,autopct顯示每一個區域占的比例,explode突出顯示某一塊,shadow陰影

labes=[‘A’,’B’,’C’,’D’]

fracs=[15,30,45,10]

explode=[0,0.1,0.05,0]#設置x,y軸比例為1：1，從而達到一個正的圓

plt.axes(aspect=1)#labels標籤參數,x是對應的數據列表,autopct顯示每一個區域占的比例,explode突出顯示某一塊,shadow陰影

plt.pie(x=fracs,labels=labes,autopct=”%.0f%%”,explode=explode,shadow=True)

plt.show()

8.箱型圖

import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 點的形狀，whis虛線的長度plt.boxplot(data,sym=”o”,whis=1.5)plt.show()

#sym 點的形狀，whis虛線的長度