直接上结果：
编辑
编辑
编辑
编辑
所有代码：
# encoding:utf-8 # 导入库------------------------- import pandas as pd import matplotlib.pyplot as plt import random import matplotlib # pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib.rcParams['font.sans-serif'] = ['SimHei'] matplotlib.rcParams['axes.unicode_minus'] = False import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.sans-serif'] = ['SimHei'] matplotlib.rcParams['axes.unicode_minus'] = False import random import numpy as np import matplotlib.mlab as mlab import matplotlib.pyplot as plt from collections import Counter import os def bing_tu(label_list, size, title_name, figsize_x): """" # 饼图 label_list = ["第一部分", "第二部分", "第三部分"] size = [55, 35, 10] # 各部分大小 """ def make_autopct(values): def my_autopct(pct): total = sum(values) val = int(round(pct * total / 100.0)) # 同时显示数值和占比的饼图 return '{p:.2f}% ({v:d})'.format(p=pct, v=val) return my_autopct color = [] colors = ["red", "green", "blue", "yellow"] # 各部分颜色 while len(color) < len(label_list): color.append(colors[random.randint(0, 3)]) # explode = [0.05, 0, 0] # 各部分突出值 fig = plt.figure(figsize=(figsize_x, figsize_x)) plt.subplot(131) plt.title(title_name) plt.pie(size, labels=label_list, labeldistance=1.2, autopct=make_autopct(size)) # plt.savefig("barChart.jpg") plt.show() def zhu_zhuang_tu(label_list, size, title_name, y_name, x_name): """ # 柱状图 label_list = ["第一部分", "第二部分", "第三部分"] size = [55, 35, 10] # 各部分大小 """ fig = plt.figure() plt.bar(label_list, size, 0.5, color="green") plt.xlabel(x_name) plt.ylabel(y_name) plt.title(title_name) # plt.savefig("barChart.jpg") plt.show() # matplotlib 画图------------------------------------------------------ # 针对某一天 北京市 流入人口分析 柱状图。 data_baidu_out_20200101=pd.read_csv("baidu_in_20200101.csv") # 数据清洗 把所有空值设置为0 data_baidu_out_20200101=data_baidu_out_20200101.fillna(0) x_data=data_baidu_out_20200101.columns[2:15] # 取表头 y_data=data_baidu_out_20200101.values[0][2:15] # 取数据 zhu_zhuang_tu(x_data,y_data,"北京流入人口分析柱状图","数量","地区") # 针对整个月份 北京市流入人口分析 饼状图 # path定义要获取的文件名称的目录 path = r"C:\Users\Administrator\Desktop\作业\百度迁徙数据做数据分析\2020年1月百度迁徙数据\迁入" file_name_list = os.listdir(path)[:-2] # print(file_name_list) # 把整个月的数据都取出来 shumu_sum=[0 for i in range(13)] for file_name in file_name_list: temp_data=pd.read_csv(file_name) #,encoding='gbk' temp_data=temp_data.fillna(0) shumu_sum = [i + j for i, j in zip(shumu_sum,temp_data.values[0][2:15])] bing_tu(x_data,shumu_sum, "2020年1月 北京流入人口分析",20) # pyecharts 画图----------------------------------------------- from pyecharts.charts import * # 图表 from pyecharts.components import Table # 表格 from pyecharts import options as opts # 配置 from pyecharts.commons.utils import JsCode import random # 随机数 from pyecharts.charts import Pie from pyecharts.charts import Page # 针对某一天 天津市 流入人口分析柱状图。 data_baidu_out_20200101=pd.read_csv("baidu_in_20200101.csv") # 数据清洗 把所有空值设置为0 data_baidu_out_20200101=data_baidu_out_20200101.fillna(0) x_data=list(data_baidu_out_20200101.columns[3:16]) y_data=data_baidu_out_20200101.values[1][3:16] y_data=[int(i) for i in y_data]# 数据转化整数操作 print(x_data) print(y_data) bar = Bar() # 初始化图表 bar.add_xaxis(x_data) # x轴 bar.add_yaxis('数目', y_data) # y轴 bar.set_global_opts(title_opts=opts.TitleOpts(title="天津市流入人口分析柱状图")) bar.render(path=r"C:\Users\Administrator\Desktop\作业\百度迁徙数据做数据分析\2020年1月百度迁徙数据\柱状图_bar.html") #设置要输出的html页面的保存路径和名字htest_bar.html，默认值保存为为当前目录下render.html # 针对整个月份 天津市迁出人口分析 饼状图 # path定义要获取的文件名称的目录 path = r"C:\Users\Administrator\Desktop\作业\百度迁徙数据做数据分析\2020年1月百度迁徙数据\迁出" file_name_list = os.listdir(path) # 把整个月的数据都取出来 # x_data 可以借助上一个图的 现在只计算y_daya shumu_sum=[0 for i in range(13)] for file_name in file_name_list: temp_data=pd.read_csv(path+"/"+file_name) #,encoding='gbk' temp_data=temp_data.fillna(0)# 数据清洗 shumu_sum = [i + j for i, j in zip(shumu_sum,temp_data.values[0][3:16])] c = ( Pie() .add("", [list(z) for z in zip(x_data, y_data)]) # zip函数两个部分组合在一起list(zip(x,y))-----> [(x,y)] .set_global_opts(title_opts=opts.TitleOpts(title="2022年1月天津市流流出口分析柱状图",pos_left="center")) # 标题 .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")) # 数据标签设置 ) c.render_notebook() c.render(path=r"C:\Users\Administrator\Desktop\作业\百度迁徙数据做数据分析\2020年1月百度迁徙数据\饼图_bar.html")
完整的代码+数据：
