数据可视化之二手房数据实战（一）

2022-03-10 12:33:46 阅读：434 来源： 互联网

标签：实战 tolist yaxis df add 可视化 snapshot 数据 opts

1、导包

import pandas as pd
from pyecharts.charts import Bar, Pie, Map, Line, Scatter
from pyecharts import options as opts
from pyecharts.render import make_snapshot
from snapshot_selenium import snapshot
from pyecharts.globals import CurrentConfig

2、读取数据

# 
df = pd.read_excel("./xlsx/二手房数据.xlsx")

3、数据清洗

# 查看数据前5列
print(df.head())
# 查看数据表结构
print(df.describe())
# 查看数据为空值的总数
print(df.isnull().sum())
# 将电梯这一列有空值的数据填充为未知，inplace=True在原数据进行修改
print(df["电梯"].fillna("未知", inplace=True))
# 在次查看是否有空值
print(df.isnull().sum())

4、数据可视化

可视化展示-北京各城区二手房数量地图分布

# 根据市区进行分组后计算小区的数量
nums = df.groupby("市区")["小区"].agg("count")
# 将这市区转换为list的列表
citys = nums.index.tolist()
# 每个值加上区
city = [i + "区" for i in citys]
# 小区的数量转换为tolist()
xqnum = nums.values.tolist()


map = (
    Map(init_opts=opts.InitOpts(bg_color="white"))
        .add("", [list(z) for z in zip(city, xqnum)], "北京")
        .set_global_opts(title_opts=opts.TitleOpts(title="北京市二手房区分布"),
                         visualmap_opts=opts.VisualMapOpts(is_show=True, max_=3000))
)
# 如果只需要HTML5代码不要图片选第一个，要图片选第二个
# map.render("beiJingMap.html")
make_snapshot(snapshot, map.render("beiJingMap.html"), "./beiJingMap.png")

可视化展示-北京各城区二手房数量-平均价格柱状图

prices = df.groupby("市区")["价格(万元)"].agg("mean")
prices = prices.round(2) #只要两位小数
price = prices.values.tolist()

bar = (
    Bar(init_opts=opts.InitOpts(bg_color="white"))
        .add_xaxis(citys)
        .add_yaxis("数量", xqnum)
        .extend_axis(yaxis=opts.AxisOpts(is_show=True, max_=900, min_=200, name="价格(万元)"))
        .set_global_opts(yaxis_opts=opts.AxisOpts(name="数量"),
                         title_opts=opts.TitleOpts(title="各城区二手房数量-平均价格柱状图"),
                         tooltip_opts=opts.TooltipOpts(is_show=True, trigger="axis", axis_pointer_type="cross"),
                         xaxis_opts=opts.AxisOpts(axispointer_opts=opts.AxisPointerOpts(is_show=True, type_="shadow")))
)

line = (
    Line()
        .add_xaxis(citys)
        .add_yaxis("价格", price, z=10, yaxis_index=1)
)
bar.overlap(line)

make_snapshot(snapshot, bar.render("./Mean房价数量.html"), "./Mean房价数量.png")

可视化展示-二手房价格最高的TOP15

df.sort_values(by="价格(万元)", ascending=False, inplace=True)
top_price = df["价格(万元)"].apply("{0:.0f}".format).head(15).tolist()
xiaoqu = df["小区"].head(15).tolist()

top_bar = (
    Bar(init_opts=opts.InitOpts(bg_color="white"))
        .add_xaxis(xiaoqu)
        .add_yaxis("数量", top_price)
        .set_global_opts(xaxis_opts=opts.AxisOpts(name="数量"),
                         yaxis_opts=opts.AxisOpts(name="价格(万元)"))
)

make_snapshot(snapshot,top_bar.render("./TOP15房价最高.html"),"./TOP15房价最高.png")

装修情况-有无电梯（玫瑰图）

# 计算Bar数据
zhuangxiu = df.groupby("装修情况")["装修情况"].agg("count")
x_zx = zhuangxiu.index.tolist()
y_num = zhuangxiu.values.tolist()

# 计算圆数据
dianti = df.groupby("电梯")["电梯"].agg("count")
youdt = dianti.index.tolist()
dt_num = dianti.values.tolist()
youdt.pop()
dt_num.pop()
zx_bar = (
    Bar(init_opts=opts.InitOpts(bg_color="white"))
        .add_xaxis(x_zx)
        .add_yaxis("", y_num, category_gap="50%")
        .set_global_opts(legend_opts=opts.LegendOpts(pos_left='85%', pos_top="63%", orient="scroll"),
                         yaxis_opts=opts.AxisOpts(name="装修情况"),
                         xaxis_opts=opts.AxisOpts(name="数量"))
        .set_series_opts(label_opts=opts.LabelOpts(position="right"))

        .reversal_axis()
)
zx_pie = (
    Pie()
        .add("", [list(z) for z in zip(youdt, dt_num)], radius=["8%", "25%"], rosetype="radius", center=["75%", "65%"])
        .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}\n({d}%)"))
)
zx_bar.overlap(zx_pie)

make_snapshot(snapshot, zx_bar.render("./装修情况.html"), "./装修情况.png")

二手房总价与面积（散点图）

jg = df["价格(万元)"].tolist()
mj = df["面积(㎡)"].tolist()

scatter = (
    Scatter(init_opts=opts.InitOpts(bg_color="white"))
        .add_xaxis(mj)
        .add_yaxis("", jg)
        .set_global_opts(xaxis_opts=opts.AxisOpts(type_="value", name="面积(㎡)"),
                         yaxis_opts=opts.AxisOpts(name="价格(万元)"))

)

make_snapshot(snapshot,scatter.render("./散点图.html"),"./散点图.png")

标签：实战,tolist,yaxis,df,add,可视化,snapshot,数据,opts
来源： https://www.cnblogs.com/Perfect6/p/15988944.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9