可视化 | Python直观展示--中国代表团冬奥会荣耀时刻!

简介: 可视化 | Python直观展示--中国代表团冬奥会荣耀时刻!

大家好,我是欧K~

今天是北京冬奥会第14个比赛日,中国代表团获得7金4银2铜的优异成绩,目前排名奖牌榜第四,创造了冬奥会新的记录。接下来我们用python复现中国代表团荣耀时刻时间线,希望对你有所帮助文末附有文件获取方式)。先看看效果:

1. 获取数据


df = pd.read_csv('冬奥会荣耀时刻.csv')


我们需要用到这几列:

awardTime

sportsName

bigItemName

minorItemName

medalType

2. 时间线

2.1 时间线样式

line = (
    Line(init_opts=opts.InitOpts(theme='light',width='800px',height='800px',bg_color='white'))
    .add_xaxis(['中国'])
    .add_yaxis(
        '',
        y_data[::-1],
        linestyle_opts={
            'normal': {
                'width': 4,
                'color':'red',
                'shadowColor': 'rgba(155, 18, 184, .3)',
                'shadowBlur': 10,
                'shadowOffsetY': 10,
                'shadowOffsetX': 10,
            }
        },
        itemstyle_opts={
            'normal': {
                'color':'red',
                'shadowColor': 'rgba(155, 18, 184, .3)',
                'shadowBlur': 10,
                'shadowOffsetY': 10,
                'shadowOffsetX': 10,
            }
        },
        tooltip_opts=opts.TooltipOpts(is_show=False)
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_show=False, type_='category'),
        yaxis_opts=opts.AxisOpts(is_show=False, type_='category', max_=len(y_data)),
        title_opts=opts.TitleOpts(
            title='荣耀时刻',
            subtitle='(微信公众号:Python当打之年)',
            pos_left='center', pos_top='4%',
            title_textstyle_opts=opts.TextStyleOpts(color='red', font_size=20)
        )
    )
)

效果:

2.2 添加背景

graphic_opts=[
    opts.GraphicGroup(
        graphic_item=opts.GraphicItem(id_='1',left="center", top="center", z=-1),
        children=[
            opts.GraphicImage(graphic_item=opts.GraphicItem(id_="logo",left='center',z=-1),
              graphic_imagestyle_opts=opts.GraphicImageStyleOpts(
                image='http://img.cmvideo.cn:8080/publish/noms_wc/nomsworldcup/2022/01/29/63GE6L24B93Q.jpg',
                width=300,
                height=300,
                opacity=0.4
              )
            )
        ]
    )
]

效果:

Add: 小伙伴也可以过滤数据画一下金牌时刻:


END


以上就是本期为大家整理的全部内容了,赶快练习起来吧,如果需要数据文件,可以在后台回复“【荣耀时刻】”获取喜欢的朋友可以点赞、点在看也可以分享让更多人知道~

相关文章
|
2月前
|
数据采集 数据可视化 数据挖掘
基于Python的数据分析与可视化实战
本文将引导读者通过Python进行数据分析和可视化,从基础的数据操作到高级的数据可视化技巧。我们将使用Pandas库处理数据,并利用Matplotlib和Seaborn库创建直观的图表。文章不仅提供代码示例,还将解释每个步骤的重要性和目的,帮助读者理解背后的逻辑。无论你是初学者还是有一定基础的开发者,这篇文章都将为你提供有价值的见解和技能。
200 0
|
10天前
|
数据可视化 编译器 Python
Manim:数学可视化的强大工具 | python小知识
Manim(Manim Community Edition)是由3Blue1Brown的Grant Sanderson开发的数学动画引擎,专为数学和科学可视化设计。它结合了Python的灵活性与LaTeX的精确性,支持多领域的内容展示,能生成清晰、精确的数学动画,广泛应用于教育视频制作。安装简单,入门容易,适合教育工作者和编程爱好者使用。
65 7
|
24天前
|
存储 数据可视化 数据挖掘
使用Python进行数据分析和可视化
本文将引导你理解如何使用Python进行数据分析和可视化。我们将从基础的数据结构开始,逐步深入到数据处理和分析的方法,最后通过实际的代码示例来展示如何创建直观的数据可视化。无论你是初学者还是有经验的开发者,这篇文章都将为你提供有价值的见解和技巧。让我们一起探索数据的世界,发现隐藏在数字背后的故事!
|
27天前
|
机器学习/深度学习 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第42天】本文将介绍如何使用Python进行数据分析和可视化。我们将从数据导入、清洗、探索性分析、建模预测,以及结果的可视化展示等方面展开讲解。通过这篇文章,你将了解到Python在数据处理和分析中的强大功能,以及如何利用这些工具来提升你的工作效率。
|
28天前
|
数据可视化 搜索推荐 Shell
Python与Plotly:B站每周必看榜单的可视化解决方案
Python与Plotly:B站每周必看榜单的可视化解决方案
|
2月前
|
机器学习/深度学习 数据可视化 Python
Python实用记录(三):通过netron可视化模型
使用Netron工具在Python中可视化神经网络模型,包括安装Netron、创建文件和运行文件的步骤。
46 2
Python实用记录(三):通过netron可视化模型
|
1月前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据分析和可视化
【10月更文挑战第33天】本文将介绍如何使用Python编程语言进行数据分析和可视化。我们将从数据清洗开始,然后进行数据探索性分析,最后使用matplotlib和seaborn库进行数据可视化。通过阅读本文,你将学会如何运用Python进行数据处理和可视化展示。
|
2月前
|
数据采集 Web App开发 数据可视化
Python爬虫教程:Selenium可视化爬虫的快速入门
Python爬虫教程:Selenium可视化爬虫的快速入门
|
2月前
|
数据采集 数据可视化 数据挖掘
使用Python进行数据处理与可视化——以气温数据分析为例
【10月更文挑战第12天】使用Python进行数据处理与可视化——以气温数据分析为例
304 0
|
2月前
|
数据采集 数据可视化 数据挖掘
Python 数据分析实战:使用 Pandas 进行数据清洗与可视化
【10月更文挑战第3天】Python 数据分析实战:使用 Pandas 进行数据清洗与可视化
133 0