专栏首页算法channel#python小例子# 绘制轮播图​

#python小例子# 绘制轮播图​

今日分享

绘制时间线轮播图

7种水果在2个超市近10年的销量数据如下所示:

{'x': ['草莓', '芒果', '葡萄', '雪梨', '西瓜', '柠檬', '车厘子'],
'沃尔玛':
{2010: [229, 538, 498, 694, 249,444, 282],
2011: [565, 237, 834, 394, 577, 265, 901],
2012: [758, 695, 114, 785, 703, 152, 193],
2013: [505,445, 344, 304, 359, 278, 302],
2014: [620, 887, 396, 282, 104, 194, 511],
2015: [210, 303, 588, 873, 901, 553, 487],
2016: [972, 975, 840, 725, 320, 921, 628],
2017: [259, 431, 382, 203, 724, 792, 833],
2018: [674, 834, 710, 391, 133, 760, 130],
2019: [575, 912, 631, 745, 297, 516, 866]},
'家乐福':
{2010: [451, 954, 769, 803, 656, 992, 413],
2011: [625, 555, 846, 655, 560, 246, 381],
2012: [484, 729, 870, 732, 475, 368, 600],
2013:[173, 121, 973, 195, 704, 116, 527],
2014: [130, 250, 853, 902, 593, 363, 200],
2015: [637, 968, 585, 657, 773, 549, 199],
2016: [952, 973, 651, 726, 631, 760, 405],
2017: [150, 463, 984, 674, 229, 159, 315],
2018: [717, 165, 889, 888, 460, 708, 180],
2019: [962, 854, 926, 863, 565, 480, 239]}}

使用pyecharts模块的timeline可按照近10年的时间线轮播2个超市7种水果的柱状图显示:

from pyecharts import options as opts
from pyecharts.charts import Bar, Page, Pie, Timeline
from random import randint

data = {'x': ['草莓', '芒果', '葡萄', '雪梨', '西瓜', '柠檬', '车厘子'],
        '沃尔玛': dict(zip(range(2010, 2020), [[randint(100, 1000) for fruit in range(7)] for year in range(10)])),
        '家乐福': dict(zip(range(2010, 2020), [[randint(100, 1000) for fruit in range(7)] for year in range(10)]))
        }

print(data)


def timeline_bar() -> Timeline:
    x = data['x']
    tl = Timeline()
    for i in range(2010, 2020):
        bar = (
            Bar()
            .add_xaxis(x)
            .add_yaxis('沃尔玛', data['沃尔玛'][i])
            .add_yaxis('家乐福', data['家乐福'][i])
            .set_global_opts(title_opts=opts.TitleOpts("{}年营业额".format(i)))
        )
        tl.add(bar, "{}年".format(i))
    return tl


timeline_bar().render("./img/timeline_bar.html")

绘制的轮播图效果:


本文分享自微信公众号 - Python与机器学习算法频道(alg-channel),作者:python3m

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-01-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Python进阶必读,作者有20年Python使用经验!(附pdf翻译版下载)

    python cookbook 一书非常经典,作者David Beazley,拥有超过20年的Python使用经验,再加上他很强的写作技能,所以值得一看。

    double
  • 曾经绊倒我的 “超级丑数”

    既然来了,何不认真读完此文呢?每天多花20分钟,做一些别人不愿做的事,坚持下去,会有一个结果的。废话少说,通过此文,你将会学到如下知识:

    double
  • Python写入数据到MySQL

    问题描述。一张 mysql 表 t,数据类型有字符型字段 field_s,数值型 field_n。 python提供数据源,调用pymysql 包接口写入数据到...

    double
  • 进程间的通信

    py3study
  • 如何用Python将时间序列转换为监督学习问题

    像深度学习这样的机器学习方法可以用于时间序列预测。

    ArrayZoneYour
  • Python中的分布分析cut+groupby

    分布分析(cut+groupby) 根据分析目的,将数据(定量数据)进行等距或者不等距的分组, 进行研究各组分布规律的一种分析方法。 import numpy ...

    Erin
  • 收藏 | 10个数据科学家常犯的编程错误(附解决方案)

    数据科学家是“比软件工程师更擅长统计学,比统计学家更擅长软件工程的人”。许多数据科学家都具有统计学背景,但是在软件工程方面的经验甚少。我是一名资深数据科学家,在...

    CDA数据分析师
  • 深入浅出——基于密度的聚类方法

    作者 祝烨 编辑 (没脸) “The observation of and the search forsimilarities an...

    机器学习算法工程师
  • 独家 | 10个数据科学家常犯的编程错误(附解决方案)

    数据科学家是“比软件工程师更擅长统计学,比统计学家更擅长软件工程的人”。许多数据科学家都具有统计学背景,但是在软件工程方面的经验甚少。我是一名资深数据科学家,在...

    数据派THU
  • 技术 | 机器学习中Python库的3个简单实践——你的图片将由你来创造

    【导读】今天为大家介绍机器学习、深度学习中一些优秀、有意思的 Python 库,以及这些库的 Code 实践教程。涉及到的理论与学术内容会附上相应的论文与博客,...

    用户1737318

扫码关注云+社区

领取腾讯云代金券