《Python数据可视化之Matplotlib与Pyecharts》之双坐标轴图

2023-10-25 19:59

本文主要是介绍《Python数据可视化之Matplotlib与Pyecharts》之双坐标轴图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

10.6.1  双坐标轴图及其参数配置

双坐标轴图是一种组合图表,一般将两种不同类型图表组合在同一个“画布”上,如柱状图和折线图的组合;当然也可将类型相同而数据单位不同的图表组合在一起。双坐标轴图中最难画的应该是“柱状图”与“柱状图”的组合,因为会遇到同一刻度对应“柱子”与“柱子”完全互相重叠的问题。

10.6.2  区域销售业绩及数量分析

为了分析该企业在不同区域的销售业绩及数量,绘制了双坐标图,Python代码如下:

#声明Notebook类型,必须在引入pyecharts.charts等模块前声明

from pyecharts.globals import CurrentConfig, NotebookType

CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB

 

from pyecharts import options as opts

from pyecharts.charts import Scatter,Bar,Line

from impala.dbapi import connect

 

#连接Hadoop数据库

v1 = []

v2 = []

v3 = []

v4 = []

conn = connect(host='192.168.1.7', port=10000, database='sales',auth_mechanism='NOSASL',user='root')

cursor = conn.cursor()

 

#读取Hadoop表数据

sql_num = "SELECT region,ROUND(SUM(sales)/10000,2),ROUND(SUM(profit)/10000,2),ROUND(SUM(amount),2) FROM customers,orders WHERE customers.cust_id=orders.cust_id and dt=2019 GROUP BY region"

cursor.execute(sql_num)

sh = cursor.fetchall()

for s in sh:

    v1.append(s[0])

    v2.append(s[1])

    v3.append(s[2])

    v4.append(s[3])

 

#柱形图与折线图组合

def overlap_bar_line() -> Bar:

    bar = (

        Bar()

        .add_xaxis(v1)

        .add_yaxis("销售额", v2)

        .add_yaxis("利润额", v3)

        .extend_axis(

            yaxis=opts.AxisOpts(

                axislabel_opts=opts.LabelOpts(formatter="{value} "), interval=500

            )

        )

        .set_series_opts(label_opts=opts.LabelOpts(is_show=False))

        .set_global_opts(

            title_opts=opts.TitleOpts(title="区域销售业绩比较分析", subtitle="2019年企业经营状况分析"),

            toolbox_opts=opts.ToolboxOpts(),

            yaxis_opts=opts.AxisOpts(

                axislabel_opts=opts.LabelOpts(formatter="{value} 万元"), interval=20

            ),

        )

    )

   

    line = Line().add_xaxis(v1).add_yaxis("销售数量", v4, yaxis_index=1)            

    bar.overlap(line)

    return bar

   

#第一次渲染时候调用load_javasrcript文件

overlap_bar_line().load_javascript()

#展示数据可视化图表

overlap_bar_line().render_notebook()

在Jupyter lab中运行上述代码,生成如图10-6所示的双坐标轴图。

 

                                                                                      图10-6  双坐标轴图

这篇关于《Python数据可视化之Matplotlib与Pyecharts》之双坐标轴图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/284839

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

【Python编程】Linux创建虚拟环境并配置与notebook相连接

1.创建 使用 venv 创建虚拟环境。例如,在当前目录下创建一个名为 myenv 的虚拟环境: python3 -m venv myenv 2.激活 激活虚拟环境使其成为当前终端会话的活动环境。运行: source myenv/bin/activate 3.与notebook连接 在虚拟环境中,使用 pip 安装 Jupyter 和 ipykernel: pip instal

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss