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
|
1天前
|
数据采集 数据可视化 数据挖掘
如何利用Python中的Pandas库进行数据分析和可视化
Python的Pandas库是一种功能强大的工具,可以用于数据分析和处理。本文将介绍如何使用Pandas库进行数据分析和可视化,包括数据导入、清洗、转换以及基本的统计分析和图表绘制。通过学习本文,读者将能够掌握利用Python中的Pandas库进行高效数据处理和可视化的技能。
|
3天前
|
JSON 数据可视化 Shell
数据结构可视化 Graphviz在Python中的使用 [树的可视化]
数据结构可视化 Graphviz在Python中的使用 [树的可视化]
9 0
|
6天前
|
数据可视化 Python
python中Copula在多元联合分布建模可视化2实例合集|附数据代码
python中Copula在多元联合分布建模可视化2实例合集|附数据代码
|
6天前
|
机器学习/深度学习 数据采集 数据可视化
Python众筹项目结果预测:优化后的随机森林分类器可视化|数据代码分享
Python众筹项目结果预测:优化后的随机森林分类器可视化|数据代码分享
|
6天前
|
机器学习/深度学习 数据采集 数据可视化
数据分享|python分类预测职员离职:逻辑回归、梯度提升、随机森林、XGB、CatBoost、LGBM交叉验证可视化
数据分享|python分类预测职员离职:逻辑回归、梯度提升、随机森林、XGB、CatBoost、LGBM交叉验证可视化
|
6天前
|
SQL 分布式计算 数据可视化
数据分享|Python、Spark SQL、MapReduce决策树、回归对车祸发生率影响因素可视化分析
数据分享|Python、Spark SQL、MapReduce决策树、回归对车祸发生率影响因素可视化分析
|
12天前
|
机器学习/深度学习 算法 数据可视化
Python用KNN(K-近邻)回归、分类、异常值检测预测房价、最优K值选取、误差评估可视化
Python用KNN(K-近邻)回归、分类、异常值检测预测房价、最优K值选取、误差评估可视化
|
12天前
|
自然语言处理 数据可视化 数据挖掘
数据代码分享|Python对全球Covid-19疫情失业数据相关性、可视化分析
数据代码分享|Python对全球Covid-19疫情失业数据相关性、可视化分析
|
12天前
|
资源调度 数据可视化 Python
Python随机波动模型Stochastic volatility,SV随机变分推断SVI分析标普500指数时间数据波动性可视化
Python随机波动模型Stochastic volatility,SV随机变分推断SVI分析标普500指数时间数据波动性可视化
|
12天前
|
数据可视化 数据挖掘 TensorFlow
Python贝叶斯高斯混合模型GMM聚类分析数据和混合密度可视化
Python贝叶斯高斯混合模型GMM聚类分析数据和混合密度可视化