【数据分析与可视化】使用pyecharts对App下载量数据进行可视化分析(附源码)

简介: 【数据分析与可视化】使用pyecharts对App下载量数据进行可视化分析(附源码)

需要源码请点赞关注收藏后评论区留言私信~~~

下面针对一些App的下载量数据,使用pyecharts进行可视化分析,各类App某段时间的下载次数如下

App                       下载次数

相机                        5045137

短视频                    4608092      

视频                        35723063

浏览器                    23775808

商城                       15367847

购票                        10424808

小说                         76975429

聊天                         7393185

小工具                       64636392      

理财记账                   50491990

1:绘制数据的柱状图

代码如下

from pyecharts.charts import Bar
# x轴数据
items = ["相机", "短视频", "视频", "浏览器", "商城", "购票", "小说", "聊天", "小工具", "理财记账"] 
# y轴数据
sum_app = [[5045137.0], [4608092.0], [35723063.0], [23775808.0], [15367847.0], [10424808.0], [76975429.0], [7393185.0], [64636392.0], [50491990.0]]
# 生成实例化对象
bar = Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))
bar.add_xaxis([ "总数"])
for item in items:
    bar.add_yaxis(item,sum_app[items.index(item)])
bar.set_global_opts(title_opts=opts.TitleOpts(title="APP类型", subtitle="APP类型"))                 
# bar.render("APP类型.html")
bar.render_notebook()

2:绘制各类App下载量的饼图

代码如下

from pyecharts.charts import Pie
items = ["相机", "短视频", "视频", "浏览器", "商城", "购票", "小说", "聊天", "小工具", "理财记账"] 
# y轴数据
sum_app = [[5045137.0], [4608092.0], [35723063.0], [23775808.0], [15367847.0], [10424808.0], [76975429.0], [7393185.0], [64636392.0], [50491990.0]]
# 生成实例化对象
pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.INFOGRAPHIC))
pie.add( "",data_pair = 
[(item,sum_app[items.index(item)]) for item in items],    
         radius=["30%", "75%"], 
center=["50%", "50%"],       
rosetype="radius",
label_opts=opts.LabelOpts(is_show=False))
pie.set_global_opts(title_opts = opts.TitleOpts(title="APP比例"))
pie.set_series_opts(label_opts = 
opts.LabelOpts(formatter="{b}: {c}"))
pie.render_notebook()

3:绘制各类App下载量的涟漪特效散点图

代码如下

from pyecharts import options as opts
from pyecharts.charts import EffectScatter
from pyecharts.globals import SymbolType
c = (
        EffectScatter()
       .add_xaxis(["衬衫", "毛衣", "领带", "裤子", "风衣", "高跟鞋", "袜子"])
     .add_yaxis('商家A', [114, 55, 27, 101, 125, 27, 105])
#        .add_yaxis('商家B',[57, 134, 137, 129, 145, 60, 49])
        .set_global_opts(title_opts=opts.TitleOpts(title="EffectScatter-基本示例"))
    )
c.render_notebook()

创作不易 觉得有帮助请点赞关注收藏~~~

相关文章
|
10天前
|
监控 安全 开发者
山东布谷科技:关于直播源码|语音源码|一对一直播源码提交App Store的流程及重构经验
分享提交直播源码,一对一直播源码,语音源码到Appstore的重构经验!
|
12天前
|
NoSQL 应用服务中间件 PHP
布谷一对一直播源码服务器环境配置及app功能
一对一直播源码阿里云服务器环境配置及要求
|
8天前
|
机器人
布谷直播App系统源码开发之后台管理功能详解
直播系统开发搭建管理后台功能详解!
|
1月前
|
JSON API 网络安全
App数据的爬取
App数据的爬取
|
1月前
|
数据挖掘 UED
ChatGPT数据分析——探索性分析
ChatGPT数据分析——探索性分析
|
1月前
|
数据可视化 数据挖掘 数据处理
ChatGPT数据分析应用——热力图分析
ChatGPT数据分析应用——热力图分析
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(分组分析)
ChatGPT在常用的数据分析方法中的应用(分组分析)
|
17天前
|
NoSQL PHP Redis
布谷语音app源码服务器环境配置及技术开发语言
布谷语音app源码服务器环境配置及技术语言研发。。
|
1月前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
47 0
|
1月前
|
数据挖掘
ChatGPT在常用的数据分析方法中的应用(对比分析)
ChatGPT在常用的数据分析方法中的应用(对比分析)

热门文章

最新文章

下一篇
无影云桌面