数据可视化技术快速入门：Python让数据说话

data1 = pd.read_csv('销售流水记录1.csv', encoding='gb18030', dtype={'column_name': str})

import warningswarnings.filterwarnings("ignore")

data1 = pd.read_csv('销售流水记录1.csv', encoding='gb18030', low_memory=False)

# 忽略警告import warnings
warnings.filterwarnings("ignore")

# 解压数据import zipfileimport os# 定义数据文件路径zip_file = '/home/aistudio/data/data262120/file.zip'# 定义解压后的目标文件夹路径extract_folder = '/home/aistudio/data/'# 创建一个 ZipFile 对象with zipfile.ZipFile(zip_file, 'r') as zip_ref:    # 解压所有文件到目标文件夹
    zip_ref.extractall(extract_folder)print('数据文件解压完成。')

# 代码2-1# 使用read_csv读取销售流水记录表import pandas as pd
data1 = pd.read_csv('/home/aistudio/data/class/1.fetch/销售流水记录1.csv', encoding='gb18030', low_memory=False)print('使用read_csv读取的销售流水记录表的长度为：', len(data1))

# 代码2-2# 使用read_csv读取销售流水记录表, header=Nonedata2 = pd.read_csv('/home/aistudio/data/class/1.fetch/销售流水记录2.csv', header=None, encoding='gb18030')print('使用read_csv读取的销售流水记录表的长度为：', len(data2))print('列名为None时订单信息表为：')
data2.iloc[0:5,0:4]# 使用utf-8解析销售流水记录表=>报错，解决（更换编码解析）如下# data3 = pd.read_csv('/home/aistudio/data/class/1.fetch/销售流水记录2.csv', header=None, encoding='utf-8')# 使用gb18030编码解析销售流水记录表data3 = pd.read_csv('/home/aistudio/data/class/1.fetch/销售流水记录2.csv', header=None, encoding='gb18030')

# 代码2-3import os# 定义目录路径directory = '/home/aistudio/tmp/'# 创建目录os.makedirs(directory, exist_ok=True)print('销售流水记录表写入文本文件前目录内文件列表为：\n', os.listdir('/home/aistudio/tmp/'))
data1.to_csv('./tmp/SaleInfo.csv', sep=';', index=False)  # 将data1以CSV格式存储print('销售流水记录表表写入文本文件后目录内文件列表为：\n', os.listdir('/home/aistudio/tmp/'))

!pip install openpyxl

# 代码2-4data3 = pd.read_excel('/home/aistudio/data/class/1.fetch/折扣信息表.xlsx')  # 读取折扣信息表的数据print('data3信息长度为：', len(data3))

# 代码2-5print('data3写入Excel文件前目录内文件列表为：\n', os.listdir('/home/aistudio/tmp/'))
data3.to_excel('/home/aistudio/tmp/data_save.xlsx')print('data3写入Excel文件后目录内文件列表为：\n', os.listdir('/home/aistudio/tmp/'))

# 下文模块缺失报错解决：安装pymysql库!pip install pymysql
!pip install sqlalchemy

# 代码2-6import pandas as pdimport sqlalchemy# 创建一个mysql连接器，用户名为poboll，密码为M01w8flxzpdY3squ# 地址为mysql.sqlpub.com:3306，数据库名称为sale2、数据库文件可见/home/aistudio/data/class/1.fetch/sale2.sqlsqlalchemy_db = sqlalchemy.create_engine(            'mysql+pymysql://poboll:M01w8flxzpdY3squ@mysql.sqlpub.com:3306/sale2')print(sqlalchemy_db)

# 代码2-7import pandas as pd# 使用read_sql_query函数查看sale2中的数据表数目formlist = pd.read_sql_query('show tables', con=sqlalchemy_db)print('testdb数据库数据表清单为：', '\n', formlist)# 使用read_sql_table函数读取销售流水记录表sale2detail1 = pd.read_sql_table('sale2', con=sqlalchemy_db)print('使用read_sql_table读取销售流水记录表的长度为：', len(detail1))# 使用read_sql函数读取销售流水记录表detail2 = pd.read_sql('select * from sale2', con=sqlalchemy_db)print('使用read_sql函数 + sql语句读取销售流水记录表的长度为：', len(detail2))
detail3 = pd.read_sql('sale2', con=sqlalchemy_db)print('使用read_sql函数+表格名称读取的销售流水记录表的长度为：', len(detail3))

# 代码2-8# 使用to_sql方法存储orderDatadetail1.to_sql('sale_copy', con=sqlalchemy_db, index=False, if_exists='replace')# 使用read_sql读取test表格formlist1 = pd.read_sql_query('show tables', con=sqlalchemy_db)print('新增一个表格后test数据库数据表清单为：', '\n', formlist1)

# 代码2-9import pandas as pd
data = pd.read_excel('/home/aistudio/data/class/1.fetch/data.xlsx')print('data中元素是否为空值的布尔型DataFrame为：\n', data.isnull())print('data中元素是否为非空值的布尔型DataFrame为：\n', data.notnull())print('data中每个特征对应的非空值数为：\n', data.count())print('data中每个特征对应的缺失率为：\n', 1-data.count() / len(data))

# 代码2-10# 什么是箱型图的四分位距？：https://zhuanlan.zhihu.com/p/634796969import pandas as pdimport numpy as np
arr = (18.02, 63.77, 79.52, 29.89, 68.86, 54.49, 92.59, 376.04, 5.92, 83.75, 70.12, 459.38,       82.96, 37.81, 65.08, 59.07, 47.56, 86.96, 38.38, 1100.34, 7.98, 2.82, 74.76, 87.64,       67.90, 89.9, 2000.67)# 利用箱型图的四分位距（IQR）对异常值进行检测Percentile = np.percentile(arr, [0, 25, 50, 75, 100])  # 计算百分位数IQR = Percentile[3] - Percentile[1]  # 计算箱型图四分位距UpLimit = Percentile[3] + IQR*1.5  # 计算临界值上界arrayownLimit = Percentile[1] - IQR * 1.5  # 计算临界值下界# 判断异常值，大于上界或小于下界的值即为异常值abnormal = [i for i in arr if i > UpLimit or i < arrayownLimit] 
print('箱型图的四分位距（IQR）检测出的array中异常值为：\n', abnormal)print('箱型图的四分位距（IQR）检测出的异常值比例为：\n', len(abnormal) / len(arr))# 利用3sigma原则对异常值进行检测array_mean = np.array(arr).mean()  # 计算平均值array_sarray = np.array(arr).std()  # 计算标准差array_cha = arr - array_mean  # 计算元素与平均值之差# 返回异常值所在位置ind = [i for i in range(len(array_cha)) if np.abs(array_cha[i]) > array_sarray]
abnormal = [arr[i] for i in ind]  # 返回异常值print('3sigma原则检测出的array中异常值为：\n', abnormal)print('3sigma原则检测出的异常值比例为：\n', len(abnormal) / len(arr))

# 代码2-11import pandas as pd
data1 = pd.read_csv('/home/aistudio/data/class/1.fetch/销售流水记录1.csv', encoding='gb18030')# 使用列表（list）去重# 定义去重函数def delRep(list1):
    list2 = []    for i in list1:        if i not in list2:
            list2.append(i)    return list2 
# 去重sku_names = list(data1['sku_name'])  # 将sku_name从数据框中提取出来print('去重前商品总数为：', len(sku_names))
sku_name = delRep(sku_names)  # 使用自定义的去重函数去重print('使用列表（list）去重后商品的总数为：', len(sku_name))# 使用集合（set）去重print('去重前商品总数为：', len(sku_names))
sku_name_set = set(sku_names)  # 利用set的特性去重print('使用集合（set）重后商品总数为：', len(sku_name_set))

# 代码2-12sku_name_pandas = data1['sku_name'].drop_duplicates()  # 对sku_name去重print('drop_duplicates方法去重之后商品总数为：', len(sku_name_pandas))

# 代码2-13print('去重之前销售流水记录表的形状为：', data1.shape)
shapeDet = data1.drop_duplicates(subset=['order_id', 'sku_id']).shapeprint('依照订单编号，商品编号去重之后销售流水记录表大小为：', shapeDet)

# 代码2-14# 求取标价和卖价的相似度corrDet = data1[['sku_prc', 'sku_sale_prc']].corr(method='kendall')print('标价和卖价的kendall相似度为：\n', corrDet)

# 代码2-15# 添加sku_name列会导致数据中包含了字符串类型报错：需要先处理数据，将字符串列排除，只选择数值型的列进行计算。corrDet1 = data1[['sku_prc', 'sku_sale_prc']].corr(method='pearson')print('标价和卖价的pearson相似度为：\n', corrDet1)

# 代码2-16# 定义求取特征是否完全相同的矩阵的函数def FeatureEquals(df):
    dfEquals = pd.DataFrame([], columns=df.columns, index=df.columns)    for i in df.columns:       for j in df.columns:
           dfEquals.loc[i, j] = df.loc[: , i].equals(df.loc[: , j])    return dfEquals# 应用上述函数detEquals = FeatureEquals(data1)print('data1的特征相等矩阵的前5行5列为：\n', detEquals.iloc[: 5, : 5])

# 代码2-17# 遍历所有数据lenDet = detEquals.shape[0]
dupCol = []for k in range(lenDet):    for l in range(k+1, lenDet):        if detEquals.iloc[k, l] & (detEquals.columns[l] not in dupCol):
            dupCol.append(detEquals.columns[l])# 进行去重操作print('需要删除的列为：', dupCol)
data1.drop(dupCol, axis=1, inplace=True) 
print('删除多余列后detail的特征数目为：', data1.shape[1])

# 代码2-18print('去除含缺失的列前detail的形状为：', data1.shape)print('去除含缺失的列后detail的形状为：', data1.dropna(axis=1, how='any').shape)

# 代码2-19data1 = data1.fillna(-99)print('datal每个特征缺失的数目为：\n', data1.isnull().sum())

# 代码2-20# 线性插值import numpy as npfrom scipy.interpolate import interp1d
x = np.array([1, 2, 4, 5, 6, 8, 10])  # 创建自变量xy1 = np.array([3, 17, 129, 251, 433, 1025, 2001])  # 创建因变量y1y2 = np.array([5, 8, 14, 17, 20, 26, 32])  # 创建因变量y2LinearInsValue1 = interp1d(x, y1, kind='linear')  # 线性插值拟合x, y1LinearInsValue2 = interp1d(x, y2, kind='linear')  # 线性插值拟合x, y2print('当x为3、7、9时，使用线性插值y1为：', LinearInsValue1([3, 7, 9]))print('当x为3、7、9时，使用线性插值y2为：', LinearInsValue2([3, 7, 9]))# 拉格朗日插值from scipy.interpolate import lagrange
LargeInsValue1 = lagrange(x, y1)  # 拉格朗日插值拟合x, y1LargeInsValue2 = lagrange(x, y2)  # 拉格朗日插值拟合x, y2print('当x为3、7、9时，使用拉格朗日插值y1为：', LargeInsValue1([3, 7, 9]))print('当x为3、7、9时，使用拉格朗日插值y2为：', LargeInsValue2([3, 7, 9]))# 样条插值from scipy.interpolate import splrep, splev
tck1 = splrep(x, y1)
x_new = np.array([3, 7, 9])
SplineInsValue1 = splev(x_new, tck1)  # 样条插值拟合x, y1tck2 = splrep(x, y2)
SplineInsValue2 = splev(x_new, tck2)  # 样条插值拟合x, y2print('当x为3、7、9时，使用样条插值y1为：', SplineInsValue1)print('当x为3、7、9时，使用样条插值y2为：', SplineInsValue2)

# 代码2-21import pandas as pd# 创建数据data1 = pd.DataFrame({    'A': ['A1', 'A2', 'A3', 'A4'], 'B': ['B1', 'B2', 'B3', 'B4'], 'C': ['C1', 'C2','C3', 'C4'],    'D': ['D1', 'D2', 'D3', 'D4']}, index=[1, 2, 3, 4])
data2 = pd.DataFrame({    'B': ['B2', 'B4', 'B6', 'B8'], 'D': ['D2', 'D4', 'D6', 'D8'], 'F': ['F2', 'F4','F6', 'F8']},
    index=[2, 4, 6, 8])print('内连接合并后的数据框为：\n', pd.concat([data1, data2], axis=1, join='inner'))print('外连接合并后的数据框为：\n', pd.concat([data1, data2], axis=1, join='outer'))

# 代码2-22print('内连接纵向合并后的数据框为：\n', pd.concat([data1, data2], axis=0, join='inner'))print('外连接纵向合并后的数据框为：\n', pd.concat([data1, data2], axis=0, join='outer'))

# 代码2-23import pandas as pd
data1 = pd.read_csv('/home/aistudio/data/class/1.fetch/销售流水记录1.csv', encoding='gb18030')print('堆叠前data1数据框的大小：', data1.shape)
data2 = pd.read_csv('/home/aistudio/data/class/1.fetch/销售流水记录2.csv', encoding='gb18030')print('堆叠前data2数据框的大小：', data2.shape)
concatenated_data = pd.concat([data1, data2])print('concat纵向堆叠后的数据框大小为：', concatenated_data.shape)

# 代码2-24import pandas as pd
data1 = pd.read_csv('/home/aistudio/data/class/1.fetch/销售流水记录1.csv', encoding='gb18030', low_memory=False)print('销售流水记录表的原始形状为：', data1.shape)
goods_info = pd.read_excel('/home/aistudio/data/class/1.fetch/商品信息表.xlsx')print('商品信息表的原始形状为：', goods_info.shape)
sale_detail = pd.merge(data1, goods_info, on='sku_id')print('销售流水记录表和商品信息表主键合并后的形状为：', sale_detail.shape)

# 代码2-25sale_detail2 = data1.join(goods_info, on='sku_id', rsuffix='1')print('销售流水记录表和商品信息表join合并后的形状为：', sale_detail2.shape)

# 代码2-26import numpy as npimport pandas as pd# 生成两个数据框df1 = pd.DataFrame({'a': [2., np.nan, 1., np.nan], 'b': [np.nan, 6., np.nan, 8.],'c': range(1, 8, 2)})
df2 = pd.DataFrame({'a': [6., 2., np.nan, 1., 8.], 'b': [np.nan, 2., 5., 8., 9.]})# 采取不同的方式print('\ndf1.combine_first(df2)的结果：\n', df1.combine_first(df2))print('\ndf2.combine_first(df1)的结果：\n', df2.combine_first(df1))

# 实训1 读取无人售货机数据# 步骤1: 读取数据1.csv和数据2.csvimport pandas as pd# 读取数据1.csv，指定编码格式为'utf-8-sig'，数据1.csv包含每台自动售货机的商品数据data1 = pd.read_csv('data/task/1.P51/数据1.csv', encoding='gb18030')# 读取数据2.csv，指定编码格式为'utf-8-sig'，数据2.csv包含商品的分类数据data2 = pd.read_csv('data/task/1.P51/数据2.csv', encoding='gb18030')# 显示数据1的前几行data1.head()# 显示数据2的前几行data2.head()

import os# 检查当前工作目录下是否已经存在名为"result"的文件夹folder_name = "result"if not os.path.exists(folder_name):
    os.makedirs(folder_name)    print(f"文件夹 '{folder_name}' 创建成功！")else:    print(f"文件夹 '{folder_name}' 已经存在。")

# 步骤2: 合并数据# 数据1、2中均有商品列'商品'# 根据'商品'列进行合并merged_data = pd.merge(data1, data2, on='商品', how='inner')# 显示合并后的数据的前几行merged_data.head()# 步骤3: 保存合并后的结果merged_data.to_csv('result/合并后数据.csv', index=False)

# 实训2 处理无人售货机数据import pandas as pd# 步骤1: 查找并删除重复记录# 读取合并后的数据merged_data = pd.read_csv('result/合并后数据.csv', low_memory=False)# 查找重复记录并进行删除duplicated_rows = merged_data.duplicated()
merged_data = merged_data[~duplicated_rows]

# 步骤2: 查找并删除异常数据# 查找异常数据并进行删除# 假设应付金额小于等于0的数据为异常数据# 先将应付金额列转换为数值型数据，然后再进行比较merged_data['应付金额'] = pd.to_numeric(merged_data['应付金额'], errors='coerce')  # 将应付金额列转换为数值型数据merged_data = merged_data.dropna(subset=['应付金额'])  # 删除缺失值merged_data = merged_data[merged_data['应付金额'] > 0]  # 删除应付金额小于等于0的异常数据

# 步骤3: 查找并处理缺失值# 查找缺失值并进行处理（这里直接删除缺失值）merged_data.dropna(inplace=True)# 保存处理后的数据merged_data.to_csv('result/处理缺失后数据.csv', index=False)print(merged_data)

# 解压数据import zipfileimport os# 定义数据文件路径zip_file = '/home/aistudio/data/data262120/file.zip'# 定义解压后的目标文件夹路径extract_folder = '/home/aistudio/data/'# 创建一个 ZipFile 对象with zipfile.ZipFile(zip_file, 'r') as zip_ref:    # 解压所有文件到目标文件夹
    zip_ref.extractall(extract_folder)print('数据文件解压完成。')

# 创建输出目录import os# 检查当前工作目录下是否已经存在名为"result"的文件夹folder_name = "result"if not os.path.exists(folder_name):
    os.makedirs(folder_name)    print(f"文件夹 '{folder_name}' 创建成功！")else:    print(f"文件夹 '{folder_name}' 已经存在。")

# 设置中文字体#创建字体目录fontsfolder_name = ".fonts"if not os.path.exists(folder_name):
    os.makedirs(folder_name)    print(f"文件夹 '{folder_name}' 创建成功！")else:    print(f"文件夹 '{folder_name}' 已经存在。")# 复制字体文件到系统路径# 一般只需要将字体文件复制到系统字体目录下即可，但是在aistudio上该路径没有写权限，所以此方法不能用# !cp simhei.ttf /usr/share/fonts/print("已复制字体，请手动重启内核！")
!cp data/SimHei.ttf /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/matplotlib/mpl-data/fonts/ttf/
!cp data/SimHei.ttf /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/matplotlib/mpl-data/fonts/ttf/# 创建系统字体文件路径!mkdir .fonts# 复制文件到该路径!cp data/SimHei.ttf .fonts/
!rm -rf .cache/matplotlib# 注：完成后请手动点击重启内核！

# 代码3-1  基础绘图语法pyplotimport numpy as npimport matplotlib.pyplot as plt
get_ipython().run_line_magic('matplotlib', 'inline')
data = np.arange(0, 1.1, 0.01)
plt.title('lines')  # 添加标题plt.xlabel('x')  # 添加x轴的名称plt.ylabel('y')  # 添加y轴的名称plt.xlim((0, 1))  # 确定x轴范围plt.ylim((0, 1))  # 确定y轴范围plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])  # 规定x轴刻度plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])  # 确定y轴刻度plt.plot(data, data)  # 添加y=x曲线plt.plot(data, data**2)  # 添加y=x^2曲线plt.legend(['y=x', 'y=x^2'])
plt.savefig('result/不包含子图.png')
plt.show()

# 代码3-2 会只包含子图图形的基础语法rad = np.arange(0, np.pi*2, 0.01)# 第一幅子图p1 = plt.figure(figsize=(8, 10), dpi=80)  # 确定画布大小ax1 = p1.add_subplot(2, 1, 1)  # 创建一个两行1列的子图，并开始绘制第一幅plt.title('lines')  # 添加标题plt.xlabel('x1')  # 添加x轴的名称plt.ylabel('y1')  # 添加y轴的名称plt.xlim((0, 1))  # 确定x轴范围plt.ylim((0, 1))  # 确定y轴范围plt.xticks([0, 0.2, 0.4, 0.6, 0.8, 1])  # 规定x轴刻度plt.yticks([0, 0.2, 0.4, 0.6, 0.8, 1])  # 确定y轴刻度plt.plot(rad, rad)  # 添加y=x^2曲线plt.plot(rad, rad**2)  # 添加y=x^4曲线plt.legend(['y=x', 'y=x^2'])# 第二幅子图ax2 = p1.add_subplot(2, 1, 2)  # 创开始绘制第2幅plt.title('sin/cos')  # 添加标题plt.xlabel('x2')  # 添加x轴的名称plt.ylabel('y2')  # 添加y轴的名称plt.xlim((0, np.pi * 2))  # 确定x轴范围plt.ylim((-1, 1))  # 确定y轴范围plt.xticks([0, np.pi / 2, np.pi, np.pi * 1.5, np.pi * 2])  # 规定x轴刻度plt.yticks([-1, -0.5, 0, 0.5, 1])  # 确定y轴刻度plt.plot(rad, np.sin(rad))  # 添加sin曲线plt.plot(rad, np.cos(rad))  # 添加cos曲线plt.legend(['sin', 'cos'])
plt.savefig('result/包含子图.png')
plt.show()

# 代码3-3 查看与使用预设风格print('Matplotlib中预设风格为：\n', plt.style.available)
x = np.linspace(0, 1, 1000)
plt.title('y=x & y=x^2')  # 添加标题plt.style.use('bmh')  # 使用bmh风格plt.plot(x, x)
plt.plot(x, x ** 2)
plt.legend(['y=x', 'y=x^2'])  # 添加图例plt.savefig('result/bmh风格.png')  # 保存图片plt.show()

# 代码3-4 调节线条的rc参数import numpy as npimport matplotlib.pyplot as plt# 原图x = np.linspace(0, 4 * np.pi)  # 生成x轴数据y = np.sin(x)  # 生成y轴数据plt.plot(x, y, label='$sin(x)$')  # 绘制sin曲线图plt.title('sin')
plt.savefig('result/线条rc参数原图.png')
plt.show()

# 修改rc参数后的图plt.rcParams['lines.linestyle'] = '--'plt.rcParams['lines.linewidth'] = 4plt.plot(x, y, label='$sin(x)$')  # 绘制三角函数plt.title('sin')
plt.savefig('result/线条rc参数修改后.png')
plt.show()

# 代码3-5 修改坐标轴常用的rc参数# 原图import numpy as npimport matplotlib.pyplot as plt
x = np.linspace(0, 4 * np.pi)  # 生成x轴数据y = np.sin(x)  # 生成y轴数据plt.plot(x, y, label='$sin(x)$')  # 绘制三角函数plt.title('sin')
plt.savefig('result/坐标轴rc参数原图.png')
plt.show()

# 修改rc参数后的图plt.rcParams['axes.edgecolor'] = 'r'  # 轴颜色设置为蓝色plt.rcParams['axes.grid'] = True  # 添加网格plt.rcParams['axes.spines.top'] = False  # 去除顶部轴plt.rcParams['axes.spines.right'] = False  # 去除右侧轴plt.rcParams['axes.xmargin'] = 0.1  # x轴余留为区间长度的0.1倍plt.plot(x, y, label='$sin(x)$')  # 绘制三角函数plt.title('sin')
plt.savefig('result/坐标轴rc参数修改后.png')
plt.show()

# 代码3-6 调节字体常用的rc参数# 原图import numpy as npimport matplotlib.pyplot as plt
x = np.linspace(0, 4 * np.pi)  # 生成x轴数据y = np.sin(x) #生成y轴数据plt.plot(x, y, label='$sin(x)$')  # 绘制三角函数plt.title('sin曲线')
plt.savefig('result/文字rc参数原图.png')
plt.show()

# 需要用到中文字体# 修改rc参数后的图plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置字体为SimHeiplt.rcParams['axes.unicode_minus'] = False  # 解决负号“-”显示异常plt.plot(x, y, label='$sin(x)$')  # 绘制三角函数plt.title('sin曲线')
plt.savefig('result/文字rc参数修改后.png')
plt.show()

# 代码3-7 绘制2000-2019年年末总人口散点图import numpy as npimport pandas as pdimport matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = 'SimHei'# 设置中文字体plt.rcParams['axes.unicode_minus'] = Falsedata = pd.read_csv('data/class/2.fetch/people.csv')
name = data.columns
values = data.values

plt.figure(figsize=(9, 7))
plt.scatter(values[:, 0], values[:, 1], marker='o', color='skyblue', edgecolors='black', s=100, alpha=0.8)
plt.xlabel('年份')
plt.ylabel('年末总人口（万人）')
plt.xticks(range(0, 20), values[range(0, 20), 0], rotation=45)
plt.title('2000-2019年年末总人口散点图')
plt.grid(True, linestyle='--', alpha=0.5)
plt.savefig('result/2000-2019年年末总人口散点图.png')
plt.show()

# 代码3-8 绘制2000-2019年各年龄段年末总人口散点图plt.figure(figsize=(9, 7)) # 设置画布plt.scatter(values[:, 0], values[:, 2], marker='o', c='red', label='0-14岁人口', edgecolors='black', s=100, alpha=0.8) # 绘制散点图plt.scatter(values[:, 0], values[:, 3], marker='D', c='blue', label='15-64岁人口', edgecolors='black', s=100, alpha=0.8) # 绘制散点图plt.scatter(values[:, 0], values[:, 4], marker='v', c='black', label='65岁及以上人口', edgecolors='black', s=100, alpha=0.8) # 绘制散点图plt.xlabel('年份') # 添加横轴标签plt.ylabel('年末总人口（万人）') # 添加纵轴标签plt.xticks(range(0, 20), values[range(0, 20), 0], rotation=45)
plt.title('2000-2019年各年龄段年末总人口散点图') # 添加图表标题plt.legend() #添加图例plt.grid(True, linestyle='--', alpha=0.5)
plt.savefig('result/2000-2019年各年龄段年末总人口散点图.png')
plt.show()

import matplotlib.pyplot as plt# 代码3-9 2000-2019年总人口折线图plt.figure(figsize=(9, 7))  # 设置画布plt.plot(values[:, 0], values[:, 1], color='r', linestyle='--')  # 绘制折线图plt.xlabel('年份')  #添加横轴标签plt.ylabel('年末总人口（万人）')  # 添加y轴名称plt.xticks(range(0, 20), values[range(0, 20), 0], rotation=45)
plt.title('2000-2019年年末总人口折线图')  # 添加图表标题plt.savefig('result/2000-2019年年末总人口折线图.png')
plt.show()

# 代码3-10 2000-2019年总人口点线图plt.figure(figsize=(9, 7))  # 设置画布plt.plot(values[:, 0], values[:, 1], color='orange', linestyle='-', marker='s', markersize=8, markerfacecolor='red', markeredgewidth=1.5, markeredgecolor='black', alpha=0.8)  # 绘制折线图plt.xlabel('年份')  # 添加横轴标签plt.ylabel('年末总人口（万人）')  # 添加y轴名称plt.xticks(range(0, 20), values[range(0, 20), 0], rotation=45)
plt.title('2000-2019年年末总人口点线图')  # 添加图表标题plt.grid(True)  # 添加网格线plt.savefig('result/2000-2019年年末总人口点线图.png')
plt.show()

# 代码3-11 2000-2019年各年龄段总人口折线图plt.figure(figsize=(8, 7))  # 设置画布plt.plot(values[:, 0], values[:, 2], 'b^-',
         values[:, 0], values[:, 3], 'ro--',
         values[:, 0], values[:, 4], 'gs-.')  # 绘制折线图plt.xlabel('年份')  # 添加横轴标签plt.ylabel('年末总人口（万人）')  # 添加y轴名称plt.xticks(range(0, 20), values[range(0, 20), 0], rotation=45)
plt.title('2000-2019年各年龄段总人口点线图')  # 添加图表标题plt.legend(['0-14岁人口', '15-64岁人口', '65岁及以上人口'])
plt.savefig('result/2000-2019年各年龄段总人口点线图.png')
plt.show()

# 绘制饼图# 代码3-12 2019年各年龄段年末总人口饼图import numpy as npimport matplotlib.pyplot as pltimport pandas as pd
plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文显示plt.rcParams['axes.unicode_minus'] = Falsedata = pd.read_csv('data/class/2.fetch/people.csv')
name = data.columns  # 提取其中的columns字段，视为数据的标签values = data.values  # 提取其中的values字段，数据的存在位置label = ['0-14岁人口', '15-64岁人口', '65岁及以上人口']  # 刻度标签plt.figure(figsize=(6, 6))  # 将画布设定为正方形，则绘制的饼图是正圆explode = [0.01, 0.01, 0.01]  # 设定各项离心n个半径plt.pie(values[-1, 2:5], explode=explode, labels=label, autopct='%1.1f%%')  # 绘制饼图plt.title('2019年各年龄段年末总人口饼图')  # 添加图表标题plt.savefig('result/2019年各年龄段年末总人口饼图.png')
plt.show()

# 绘制柱形图# 代码3-13 2019年各年龄段年末总人口柱形图label = ['0-14岁人口', '15-64岁人口', '65岁及以上人口']  # 刻度标签plt.figure(figsize=(9, 7), dpi=60)
plt.bar(range(3), values[-1, 2: 5],width=0.4)
plt.xlabel('年龄段')  # 添加横轴标签plt.ylabel('年末总人口(万人)')  # 添加y轴名称plt.xticks(range(3),label)
plt.title('2019年各年龄段年末总人口柱形图')  # 添加图表标题plt.savefig('result/2019年各年龄段年末总人口柱形图.png')
plt.show()

# 绘制箱线图# 代码3-14 2000-2019年各年龄段总人口箱线图label= ['0-14岁人口', '15-64岁人口', '65岁及以上人口']  # 定义标签gdp = (list(values[:, 2]), list(values[:, 3]), list(values[:, 4]))
plt.figure(figsize=(7, 6))
plt.boxplot(gdp, notch=True, labels=label, meanline=True)
plt.title('2000-2019年各年龄段年末总人口箱线图')
plt.savefig('result/2000-2019年各年龄段年末总人口箱线图.png')
plt.show()

import pandas as pdimport matplotlib.pyplot as plt# 读取数据data = pd.read_csv('data/class/2.fetch/employee.csv', encoding='utf-8')

# 绘制2000-2019个产业就业人员散点图# 解决标签中文乱码plt.rcParams['font.sans-serif'] = ['SimHei']# 调整画布尺寸plt.figure(figsize=(12, 5))# 第一产业就业人员(万人)plt.scatter(data[data.columns[0]], data[data.columns[2]], color='red', label='第一产业')# 第二产业就业人员(万人)plt.scatter(data[data.columns[0]], data[data.columns[3]], color='blue', label='第二产业')# # 第三产业就业人员(万人)plt.scatter(data[data.columns[0]], data[data.columns[4]], color='black', label='第三产业')# 设置x轴标签plt.xlabel('年份')# 设置y轴标签plt.ylabel('就业人数（百万）')# 显示图例plt.legend()
plt.title('2000-2019个产业就业人员散点图')# 显示散点图plt.show()

# 绘制2000-2019个产业就业人员折线图# 调整画布尺寸plt.figure(figsize=(12, 5))# 第一产业就业人员(万人)plt.plot(data[data.columns[0]], data[data.columns[2]], color='r', label='第一产业')# 第二产业就业人员(万人)plt.plot(data[data.columns[0]], data[data.columns[3]], color='b', label='第二产业')# 第三产业就业人员(万人)plt.plot(data[data.columns[0]], data[data.columns[4]], color='k', label='第三产业')# 设置x轴标签plt.xlabel('年份')# 设置y轴标签plt.ylabel('就业人数（百万）')# 显示图例plt.legend()# 显示标题plt.title('2000-2019个产业就业人员折线图')# 显示折线图plt.show()

# 绘制2019年个产业就业人员饼图# [-1][2:] 表示最后一行数据（即2019年）的第一、二、三产业数据plt.pie(data.values[-1][2:], labels=['第一产业', '第二产业', '第三产业'], autopct="%1.1f%%", startangle=90)# 显示标题plt.title('2019年各产业就业人员饼图')# 显示饼图plt.show()

# 绘制2019年个产业就业人员柱形图# 调整画布尺寸plt.figure(figsize=(12, 5))# [-1][2:] 表示最后一行数据（即2019年）的第一、二、三产业数据plt.bar(data.columns[2:], data.values[-1][2:])# 在柱子顶部显示数值for a, b in zip(data.columns[2:], data.values[-1][2:]):
    plt.text(a, b, b)# 显示标题plt.title('2019年各产业就业人员柱形图')# 显示饼图plt.show()

# 绘制2000—2019年各产业就业人员年末总人数箱线图plt.boxplot([data[data.columns[2]], data[data.columns[3]], data[data.columns[4]]], labels=data.columns[2:])# 显示标题plt.title("2000—2019年各产业就业人员年末总人数箱线图")# 显示图表plt.show()

# 解压数据import zipfileimport os# 定义数据文件路径zip_file = '/home/aistudio/data/data262120/file.zip'# 定义解压后的目标文件夹路径extract_folder = '/home/aistudio/data/'# 创建一个 ZipFile 对象with zipfile.ZipFile(zip_file, 'r') as zip_ref:    # 解压所有文件到目标文件夹
    zip_ref.extractall(extract_folder)print('数据文件解压完成。')

# 创建输出目录import os# 检查当前工作目录下是否已经存在名为"result"的文件夹folder_name = "result"if not os.path.exists(folder_name):
    os.makedirs(folder_name)    print(f"文件夹 '{folder_name}' 创建成功！")else:    print(f"文件夹 '{folder_name}' 已经存在。")

# 设置中文字体#创建字体目录fontsfolder_name = ".fonts"if not os.path.exists(folder_name):
    os.makedirs(folder_name)    print(f"文件夹 '{folder_name}' 创建成功！")else:    print(f"文件夹 '{folder_name}' 已经存在。")# 复制字体文件到系统路径# 一般只需要将字体文件复制到系统字体目录下即可，但是在aistudio上该路径没有写权限，所以此方法不能用# !cp simhei.ttf /usr/share/fonts/print("已复制字体，请手动重启内核！")
!cp data/SimHei.ttf /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/matplotlib/mpl-data/fonts/ttf/
!cp data/SimHei.ttf /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/matplotlib/mpl-data/fonts/ttf/# 创建系统字体文件路径!mkdir .fonts# 复制文件到该路径!cp data/SimHei.ttf .fonts/
!rm -rf .cache/matplotlib# 注：完成后请手动点击重启内核！

# 安装seaborn库!pip install seaborn

# 代码4-1from matplotlib import pyplot as pltimport pandas as pdimport seaborn as snsimport numpy as np# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei']
sns.set_style({'font.sans-serif':['simhei', 'Arial']})# 加载数据hr = pd.read_csv('data/class/3.fetch/hr.csv', encoding='gbk')
data = hr.head(100)# 使用Matplotlib库绘图color_map = dict(zip(data['薪资'].unique(), ['b', 'y', 'r']))for species, group in data.groupby('薪资'):
    plt.scatter(group['每月平均工作小时数（小时）'],
                group['满意度'],
                color=color_map[species], alpha=0.4,
                edgecolors=None, label=species)
plt.legend(frameon=True, title='薪资')
plt.xlabel('平均每个月工作时长（小时）')
plt.ylabel('满意度水平')
plt.title('满意度水平与平均每个月工作小时')
plt.show()# 使用seaborn库绘图# 示例代码有误修复：将列名作为关键字参数传递# lmplot()函数应该接受关键字参数来指定x轴和y轴的列名，而不是位置参数# sns.lmplot('每月平均工作小时数（小时）', '满意度', data, hue='薪资', fit_reg=False, height=4)sns.lmplot(x='每月平均工作小时数（小时）', y='满意度', data=data, hue='薪资', fit_reg=False, height=4)
plt.xlabel('平均每个月工作时长（小时）')
plt.ylabel('满意度水平')
plt.title('满意度水平与平均每个月工作小时')
plt.show()

# 代码4-2plt.rcParams['axes.unicode_minus'] = Falsex = np.arange(1, 10, 2)
y1 = x + 1y2 = x + 3y3 = x + 5# 第1部分plt.title('Matplotlib库的绘图风格')
plt.plot(x, y1)
plt.plot(x, y2)
plt.plot(x, y3)
plt.show()# 第2部分# 使用seaborn库绘图sns.set_style('darkgrid')  # 全黑风格sns.set_style({'font.sans-serif':['simhei', 'Arial']})# 示例代码有误已修复：未传参sns.lineplot(x=x, y=y1)
sns.lineplot(x=x, y=y2)
sns.lineplot(x=x, y=y3)
plt.title('seaborn库的绘图风格')
plt.show()

# 代码4-3x = np.arange(1, 10, 2)
y1 = x + 1y2 = x + 3y3 = x + 5def showLine(flip=1):
    # 示例代码有误已修复：未传参
    sns.lineplot(x=x, y=y1)  # 修正调用lineplot时的参数
    sns.lineplot(x=x, y=y2)  # 修正调用lineplot时的参数
    sns.lineplot(x=x, y=y3)  # 修正调用lineplot时的参数pic = plt.figure(figsize=(12, 8))with sns.axes_style('darkgrid'):  # 使用darkgrid主题
    pic.add_subplot(2, 3, 1)
    showLine()
    plt.title('darkgrid')with sns.axes_style('whitegrid'):  # 使用whitegrid主题
    pic.add_subplot(2, 3, 2)
    showLine()
    plt.title('whitegrid')with sns.axes_style('dark'):  # 使用dark主题
    pic.add_subplot(2, 3, 3)
    showLine()
    plt.title('dark')with sns.axes_style('white'):  # 使用white主题
    pic.add_subplot(2, 3, 4)
    showLine()
    plt.title('white')with sns.axes_style('ticks'):  # 使用ticks主题
    pic.add_subplot(2, 3, 5)
    showLine()
    plt.title('ticks')
sns.set_style(style='darkgrid', rc={'font.sans-serif': ['MicrosoftYaHei', 'SimHei'],                            'grid.color': 'black'})  # 修改主题中参数pic.add_subplot(2, 3, 6)
showLine()
plt.title('修改参数')
plt.show()

# 代码4-4sns.set()
x = np.arange(1, 10, 2)
y1 = x + 1y2 = x + 3y3 = x + 5def showLine(flip=1):
    sns.lineplot(x=x, y=y1)
    sns.lineplot(x=x, y=y2)
    sns.lineplot(x=x, y=y3)
pic = plt.figure(figsize=(8, 8))# 恢复默认参数pic = plt.figure(figsize=(8, 8), dpi=100)with sns.plotting_context('paper'):  # 选择paper类型
    pic.add_subplot(2, 2, 1)
    showLine()
    plt.title('paper')with sns.plotting_context('notebook'):  # 选择notebook类型
    pic.add_subplot(2, 2, 2)
    showLine()
    plt.title('notebook')with sns.plotting_context('talk'):  # 选择talk类型
    pic.add_subplot(2, 2, 3)
    showLine()
    plt.title('talk')with sns.plotting_context('poster'):  # 选择poster类型
    pic.add_subplot(2, 2, 4)
    showLine()
    plt.title('poster')
plt.show()

# 代码4-5# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体为黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题def showLine():
    x = np.linspace(0, 10, 100)
    y = np.sin(x)
    plt.plot(x, y)with sns.axes_style('white'):
    showLine()
    sns.despine()  # 默认无参数状态，就是删除上方和右方的边框
    plt.title('控制图形边框')
plt.show()with sns.axes_style('white'):
    data = np.random.normal(size=(20, 6)) + np.arange(6) / 2
    sns.boxplot(data=data)
    sns.despine(offset=10, left=False, bottom=False)
    plt.title('控制图形边框')
plt.show()

# 代码4-6# Seaborn默认的调色板中的颜色样本sns.palplot(sns.color_palette())

# 代码4-7# seaborn除了默认的调色板外，自带了"deep", “muted”, “pastel”, “bright”, “dark”, "colorblind"等6种调色板pallettes = ["deep", "muted", "pastel", "bright", "dark", "colorblind"]
data = np.array([sns.color_palette(pat) for pat in pallettes])
fig = plt.figure(figsize=(9,16))
ax = fig.add_subplot(111)
ax.imshow(data)for i, pat in enumerate(pallettes):
    ax.text(-0.6, i, pat, ha="right")
plt.axis("off");

# 代码4-8 自定义调色板# 利用hls(色相、亮度、饱和度)颜色空间自定义任意数量颜色的调色板sns.palplot(sns.color_palette('hls', 8))

# 代码4-9sns.palplot(sns.hls_palette(8, l=.3, s=.8))  # l控制亮度，s控制饱和度

#代码4-10# husl相比hls，基于人的视觉特点对颜色进行了修正sns.palplot(sns.color_palette('husl', 8))

# 代码4-11plt.plot(x, y1, sns.xkcd_rgb['pale red'], lw=3)
plt.plot(x, y2, sns.xkcd_rgb['medium green'], lw=3)
plt.plot(x, y3, sns.xkcd_rgb['denim blue'], lw=3)
plt.title('线条颜色示例')
plt.show()# 自定义定性调色板colors = ['windows blue', 'amber', 'greyish', 'faded green', 'dusty purple']
sns.palplot(sns.xkcd_palette(colors))

# 代码4-12sns.palplot(sns.color_palette('Greens'))
sns.palplot(sns.color_palette('YlOrRd_r'))
sns.palplot(sns.color_palette('YlOrRd_d'))

# 代码4-13sns.palplot(sns.cubehelix_palette(8, start=1, rot=0))
x, y = np.random.multivariate_normal([0, 0], [[1, -.5], [-.5, 1]], size=300).T
cmap = sns.cubehelix_palette(as_cmap=True)  # 生产调色板对象sns.kdeplot(x, y, cmap=cmap, shade=True)
plt.title('连续调色板')
plt.show()

# 代码4-14sns.palplot(sns.light_palette('blue'))
sns.palplot(sns.dark_palette('yellow'))# 使用husl颜色空间作为种子pal = sns.dark_palette((200, 80, 60), input='husl', reverse=True, as_cmap=True)
sns.kdeplot(x, y, cmap=pal)
plt.title('自定义连续调色板')
plt.show()

# 代码4-15sns.palplot(sns.color_palette('BrBG', 7))
sns.palplot(sns.color_palette('RdBu_r', 7))

# 代码4-16sns.palplot(sns.color_palette('coolwarm', 7))

# 代码4-17sns.palplot(sns.diverging_palette(240, 10, n=7))
sns.palplot(sns.diverging_palette(150, 275, s=80, l=55, n=7))

# 代码4-18x = np.arange(1, 10, 2)
y1 = x + 1y2 = x + 3y3 = x + 5def showLine(flip=1):
    sns.lineplot(x=x, y=y1)
    sns.lineplot(x=x, y=y2)
    sns.lineplot(x=x, y=y3)# 使用默认调色板showLine()
plt.title('默认调色板')
plt.show()# sns.set_palette函数设置调色板sns.set_palette('YlOrRd_d')
showLine()
plt.title('使用set_palette设置调色板')
plt.show()
sns.set()  # 恢复所有默认设置plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = Falsepic = plt.figure(figsize=(8, 4))with sns.color_palette('PuBuGn_d'):  # 临时配置调色板
    pic.add_subplot(1, 2, 1)
    showLine()
    plt.title('使用color_palette设置调色板')
pic.add_subplot(1, 2, 2)  # 使用默认调色板showLine()
plt.title('默认调色板')
plt.show()

# 代码4-19from matplotlib import pyplot as pltimport pandas as pdimport seaborn as sns# 忽略警告import warnings
warnings.filterwarnings('ignore')# 使用seaborn库绘图sns.set_style('whitegrid', {'font.sans-serif':['simhei', 'Arial']})# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei']# 加载数据hr = pd.read_csv('data/class/3.fetch/hr.csv', encoding='gbk')# 提取部门为产品开发部、离职为1的数据product = hr.iloc[(hr['部门'].values=='产品开发部') & (hr['离职'].values==1), :]
ax = sns.scatterplot(x='评分', y='每月平均工作小时数（小时）', data=product)
plt.title('评价分数与平均工作时间散点图')
plt.show()

# 代码4-20markers = {'低' : 'o', '中' : 'D', '高' : 's'}
sns.scatterplot(x='评分', y='每月平均工作小时数（小时）',
                     hue='薪资', style='薪资', markers=markers, data=product)
plt.title('评价分数与平均工作时间散点图')
plt.show()

# 代码4-21boston = pd.read_csv('/home/aistudio/data/class/3.fetch/boston_house_prices.csv', encoding='gbk')
sns.lineplot(x='房间数（间）', y='房屋价格（千美元）', data=boston, ci=0)
plt.title('房间数与房屋价格')
plt.show()

# 代码4-22# 提取部门为IT部的数据IT = hr.iloc[hr['部门'].values=='IT部', :]
sns.lineplot(x='工龄（年）', y='评分', hue='离职', data=IT, ci=0)
plt.title('工龄与上年度评价')
plt.show()

# 代码4-23 plt.rcParams['axes.unicode_minus'] = Falsecorr = boston.corr()  # 特征的相关系数矩阵sns.heatmap(corr)
plt.title('特征矩阵热力图')
plt.savefig("1.png",dpi=200)
plt.show()

# 代码4-24plt.figure(figsize=(10, 10))
sns.heatmap(corr, annot=True, fmt='.2f')
plt.title('特征矩阵热力图')
plt.show()

# 代码4-24plt.figure(figsize=(10, 10))
sns.heatmap(corr, annot=True, fmt='.2f')
plt.title('特征矩阵热力图')
plt.show()

# 代码4-25g = sns.PairGrid(boston, vars=['犯罪率', '一氧化氮含量（ppm）', '房间数（间）', '房屋价格（千美元）'])
g = g.map(plt.scatter)
plt.suptitle('矩阵网格图', verticalalignment='bottom' , y=1)
plt.show()

g = sns.PairGrid(boston, vars=['犯罪率', '一氧化氮含量（ppm）', '房间数（间）', '房屋价格（千美元）'])# 使用 map_upper 方法指定上三角部分的绘图函数g = g.map_upper(plt.scatter)

plt.suptitle('矩阵网格图', verticalalignment='bottom', y=1)
plt.show()

# 代码4-26# 提取部门为销售部，离职为1的数据sell = hr.iloc[(hr['部门'].values=='销售部') & (hr['离职'].values==1), :]
g = sns.PairGrid(sell,                 vars=['满意度', '评分', '每月平均工作小时数（小时）'],
                 hue='薪资', palette='Set3')
g = g.map_diag(sns.kdeplot)
g = g.map_offdiag(plt.scatter)
plt.suptitle('不同颜色的矩阵网格图', verticalalignment='bottom' , y=1)
plt.show()

# 代码4-27sns.relplot(x='满意度', y='评分', hue='薪资',
            data=sell)
plt.title('满意度水平与上年度评价')
plt.show()

# 代码4-28sns.relplot(x='满意度', y='评分', hue='5年内升职', row='薪资',
            col='工作事故', data=IT)
plt.show()

sns.relplot(x='满意度', y='评分', hue='5年内升职', col='工作事故',
            col_wrap=1, data=IT)
plt.show()

# 代码4-29from matplotlib import pyplot as pltimport pandas as pdimport seaborn as snsimport math# 加载数据boston = pd.read_csv('/home/aistudio/data/class/3.fetch/boston_house_prices.csv', encoding='gbk')
hr = pd.read_csv('data/class/3.fetch/hr.csv', encoding='gbk')# 使用seaborn库绘图sns.set_style('whitegrid', {'font.sans-serif':['simhei', 'Arial']})# 设置中文字体plt.rcParams['font.sans-serif'] = ['SimHei']# 设置正常显示负号plt.rcParams['axes.unicode_minus']=Falsecount = hr['部门'].value_counts()
index = count.index
sns.barplot(x=count, y=index)
plt.xticks(rotation=70)
plt.xlabel('部门')
plt.ylabel('总数')
plt.title('各部门人数对比')
plt.show()

# 代码4-30plt.figure(figsize=(8, 4))
plt.subplot(121)
sns.countplot(x='工龄（年）', data=hr)
plt.title('x轴显示数据的计数图')
plt.ylabel('计数')
plt.subplot(122)
sns.countplot(y='工龄（年）', data=hr)
plt.title('y轴显示数据的计数图')
plt.xlabel('计数')
plt.show()

# 代码4-31sns.countplot(x='5年内升职', hue='薪资', data=hr, palette='Set2')
plt.suptitle('多变量散点图')
plt.ylabel('总数')
plt.show()

# 代码4-32# 绘制图形sns.distplot(boston['财产税'], kde=False)
plt.title('单变量的分布图')
plt.ylabel('数量')
plt.show()

# 代码4-33# 提取部门为销售部、离职为1的数据sale = hr.iloc[(hr['部门'].values=='销售部') & (hr['离职'].values==1), :]
sns.stripplot(x=sale['每月平均工作小时数（小时）'])
plt.title('简单水平分布散点图')
plt.show()

# 代码4-34# 提取离职为1的数据hr1 = hr.iloc[hr['离职'].values==1, :]
plt.figure(figsize=(10, 5))
plt.subplot(121)
plt.xticks(rotation=70)
sns.stripplot(x='部门', y='每月平均工作小时数（小时）', data=hr1)  # 默认添加随机噪声plt.title('默认随机噪声抖动')
plt.subplot(122)
plt.xticks(rotation=70)
sns.stripplot(x='部门', y='每月平均工作小时数（小时）',
                 data=hr1, jitter=False)  # 不添加随机噪声plt.title('无随机噪声抖动')
plt.show()

# 代码4-35# 提取高薪在职的数据hr2 = hr.iloc[(hr['薪资'].values=='高') & (hr['离职'].values==0), :]
sns.stripplot(x='5年内升职', y='每月平均工作小时数（小时）',
              hue='部门', data=hr2, jitter=True)
plt.title('前5年是否晋升与平均每月工作时长')
plt.show()

# 代码4-36plt.figure(figsize=(10, 13))
plt.subplot(211)
plt.xticks(rotation=70)
plt.title('不同部门的平均每月工作时长')
sns.stripplot(x='部门', y='每月平均工作小时数（小时）', hue='5年内升职', data=hr2)
plt.subplot(212)
plt.xticks(rotation=70)
sns.stripplot(x='部门', y='每月平均工作小时数（小时）', hue='5年内升职', 
              data=hr2, dodge=True)
plt.show()

# 代码4-37sns.swarmplot(x='部门', y='每月平均工作小时数（小时）', data=hr2)
plt.xticks(rotation=70)
plt.title('不同部门的平均每月工作时长')
plt.show()

# 代码4-38sns.swarmplot(x='部门', y='每月平均工作小时数（小时）',
                 hue='5年内升职', data=hr2)
plt.xticks(rotation=30)
plt.title('不同部门的平均每月工作时长')
plt.show()

# 代码4-39fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].set_title('普通箱线图')
boston['房间数(取整)'] = boston['房间数（间）'].map(math.floor)  # 对房间数取整sns.boxplot(x='房间数(取整)', y='房屋价格（千美元）', 
            data=boston, orient='v', ax=axes[0])  # 普通axes[1].set_title('增强箱线图')
sns.boxenplot(x='房间数(取整)', y='房屋价格（千美元）', 
              data=boston, orient='v', ax=axes[1])  # 增强plt.show()

# 代码4-40sns.pairplot(boston[['犯罪率', '一氧化氮含量（ppm）', '房间数（间）', '低收入人群', '房屋价格（千美元）']])
plt.suptitle('多变量散点图', verticalalignment='bottom', y=1)
plt.show()

# 代码4-41hr3 = sale[['满意度', '总项目数', '工龄（年）', '薪资']]
sns.pairplot(hr3, hue='薪资')
plt.suptitle('多变量分类散点图', verticalalignment='bottom')
plt.show()

# 代码4-42from matplotlib import pyplot as pltimport pandas as pdimport seaborn as sns# 设置中文字体sns.set_style('whitegrid', {'font.sans-serif':['simhei', 'Arial']})# 忽略警告import warnings
warnings.filterwarnings('ignore')# 加载数据boston = pd.read_csv('/home/aistudio/data/class/3.fetch/boston_house_prices.csv', encoding='gbk')
fig, axes = plt.subplots(1, 2, figsize=(8, 4))
axes[0].set_title('修改前的线性回归拟合图')
axes[1].set_title('修改后的线性回归拟合图')
sns.regplot(x='房间数（间）', y='房屋价格（千美元）', data=boston, ax=axes[0])
sns.regplot(x='房间数（间）', y='房屋价格（千美元）', data=boston, ci=50, ax=axes[1])
plt.show()

# 代码4-43sns.lmplot(x='低收入人群', y='房屋价格（千美元）', col='河流穿行', data=boston)
plt.show()

# 使用pandas库读取芜湖市2020年空气质量指数统计数据import pandas as pd  
  
# 读取CSV文件  df = pd.read_csv('data/task/4.P120/aqi.csv')  
# 显示前几行数据，以确保数据已正确读取  # print(df)print(df.describe(include='all'))  # 包括数值型和非数值型列的统计信息

# 解决中文显示问题,设置字体为黑体,并解决保存图像时负号“-”显示为方块的问题import pandas as pd  
from matplotlib import pyplot as plt
 
plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置中文字体plt.rcParams['axes.unicode_minus'] = False  # 读取CSV文件  df = pd.read_csv('data/task/4.P120/aqi.csv')  
  
# 显示前几行数据，以确保数据已正确读取  # print(df)print(df.describe(include='all'))  # 包括数值型和非数值型列的统计信息

# 绘制AQI和PM2.5的关系散点图from matplotlib import pyplot as pltimport pandas as pdimport seaborn as sns# 忽略警告import warnings
warnings.filterwarnings('ignore') 
# 设置 Seaborn 图形样式和中文显示sns.set_style('whitegrid', {'font.sans-serif': ['SimHei', 'Arial']})
plt.rcParams['font.sans-serif'] = ['SimHei'] 
# 加载数据，并提取包含 AQI 和 PM2.5 数据的部分hr = pd.read_csv('data/task/4.P120/aqi.csv') 
# 假设数据集中AQI列名为'AQI'，PM2.5含量列名为'PM2.5'# 确保选取所有行，但仅包含这两列数据product = hr[['AQI', 'PM2.5含量（ppm）']]  # 请确认列名是否准确
 # 绘制AQI与PM2.5关系散点图ax = sns.scatterplot(x='AQI', y='PM2.5含量（ppm）', data=product)
plt.title('AQI与PM2.5关系散点图')
plt.xlabel('空气质量指数（AQI）')
plt.ylabel('PM2.5浓度（微克/立方米）')
plt.show()

# 绘制空气质量等级分类散点图grade = hr[['质量等级', 'AQI']] 
sns.stripplot(data=grade, x='质量等级', y='AQI', jitter=False)
plt.title('2020年芜湖市空气质量等级分类图')
plt.show()

# 绘制空气质量等级单变量分布图import seaborn as sns# sns.distplot(grade['质量等级'],kde=False)  #distplot代码太老旧了，jupyter太高sns.histplot(data=grade, x='质量等级', kde=False, discrete=True)
plt.title('单变量分布图')
plt.ylabel('数量')
plt.show()

# 绘制PM2.5浓度与AOI线性回归拟合图ax = sns.regplot(x='PM2.5含量（ppm）',y='AQI',data=product)
ax.set_title('2020年芜湖市空气质量指数PM2.5与AQI回归拟合图')
plt.show()

# 计算相关系数# 确保df中仅包含数值类型列，如有非数值列，请提前移除或转换为数值类型numeric_df = df.select_dtypes(include=[np.number]) 
# 计算相关系数矩阵corr_matrix = numeric_df.corr()# 输出相关系数矩阵print(corr_matrix)

# 绘制空气质量特征相关性热力图# 假设 'date_col' 是包含 '2020/1/1' 类似日期字符串的列名import numpy as np  
hr_num = hr.select_dtypes(include=[np.number])  # 选择仅包含数值类型的数据列corr = hr_num.corr()
sns.heatmap(corr, annot=True)
plt.title('相关性热力图')
plt.show()

# ⚠️ 修复jupyter lab中pyecharts的.render_notebook()无法显示问题# 以后运行这个代码就可以使用render_notebook()了from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
CurrentConfig.ONLINE_HOST

def render_notebook(chart):
    from pyecharts.render.display import HTML
    chart.load_javascript()    return HTML(chart.render_embed())

# 忽略警告import warnings
warnings.filterwarnings('ignore')

# 解压数据import zipfileimport os# 定义数据文件路径zip_file = '/home/aistudio/data/data262120/file.zip'# 定义解压后的目标文件夹路径extract_folder = '/home/aistudio/data/'# 创建一个 ZipFile 对象with zipfile.ZipFile(zip_file, 'r') as zip_ref:    # 解压所有文件到目标文件夹
    zip_ref.extractall(extract_folder)print('数据文件解压完成。')

# 创建输出目录import os# 检查当前工作目录下是否已经存在名为"result"的文件夹folder_name = "result"if not os.path.exists(folder_name):
    os.makedirs(folder_name)    print(f"文件夹 '{folder_name}' 创建成功！")else:    print(f"文件夹 '{folder_name}' 已经存在。")

# 设置中文字体#创建字体目录fontsfolder_name = ".fonts"if not os.path.exists(folder_name):
    os.makedirs(folder_name)    print(f"文件夹 '{folder_name}' 创建成功！")else:    print(f"文件夹 '{folder_name}' 已经存在。")# 复制字体文件到系统路径# 一般只需要将字体文件复制到系统字体目录下即可，但是在aistudio上该路径没有写权限，所以此方法不能用# !cp simhei.ttf /usr/share/fonts/print("已复制字体，请手动重启内核！")
!cp data/SimHei.ttf /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/matplotlib/mpl-data/fonts/ttf/
!cp data/SimHei.ttf /opt/conda/envs/python35-paddle120-env/lib/python3.10/site-packages/matplotlib/mpl-data/fonts/ttf/# 创建系统字体文件路径!mkdir .fonts# 复制文件到该路径!cp data/SimHei.ttf .fonts/
!rm -rf .cache/matplotlib# 注：完成后请手动点击重启内核！

# 安装seaborn pyecharts jupyter-echarts-pypkg库!pip install pyecharts openpyxl
!pip install pyecharts jupyter-echarts-pypkg

# 代码5-1import pandas as pdimport numpy as npfrom IPython.display import IFramefrom pyecharts import options as optsfrom pyecharts.charts import Barfrom pyecharts.globals import ThemeTypefrom pyecharts.charts import Scatterfrom pyecharts.charts import Linefrom pyecharts.charts import Boxplotfrom pyecharts.charts import Scatter3Dfrom pyecharts.charts import Pie
data=pd.read_excel('data/class/4.fetch/商家A和商家B的各类商品的销售数据.xlsx',
                   index_col='商家')
init_opts=opts.InitOpts(width='1000px', height='450px', theme=ThemeType.LIGHT)
bar = (
    Bar(init_opts)
    .add_xaxis(data.columns.tolist())
    .add_yaxis('商家A', data.loc['商家A'].tolist())
    .add_yaxis('商家B', data.loc['商家B'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts
    (title='商家A和商家B销售情况柱形图')))
bar.render_notebook()# render_notebook()无法使用备选方案# 这里不显示，我尝试使用输出到output.html文件就可以正常打开并显示啦！# 渲染到HTML文件# bar.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-2init_opts=opts.InitOpts(width='800px', height='600px')
bar=(
    Bar(init_opts)
          .add_xaxis(data.columns.tolist())
          .add_yaxis('商家A', data.loc['商家A'].tolist())
          .add_yaxis('商家B', data.loc['商家B'].tolist())
        .reversal_axis()
         .set_series_opts(label_opts=opts.LabelOpts(position='right'))
         .set_global_opts(title_opts=opts.TitleOpts
                          (title='商家A和商家B销售情况条形图'), 
                          legend_opts=opts.LegendOpts(pos_right='20%'))
     )
bar.render_notebook()# render_notebook()无法使用备选方案# 这里不显示，我尝试使用输出到output.html文件就可以正常打开并显示啦！# 渲染到HTML文件# bar.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=400)

# 代码5-3init_opts=opts.InitOpts(width='800px', height='400px')
bar=(
    Bar(init_opts)
          .add_xaxis(data.columns.tolist())
          .add_yaxis('商家A', data.loc['商家A'].tolist(), stack='stack1', 
                     label_opts=opts.LabelOpts(position='insideTop'))
          .add_yaxis('商家B', data.loc['商家B'].tolist(), stack='stack1', 
                     label_opts=opts.LabelOpts(position='insideTop'))
         .set_global_opts(title_opts=opts.TitleOpts(
         title='商家A和商家B销售情况堆叠柱形图'))
     )
bar.render_notebook()# render_notebook()无法使用备选方案# 这里不显示，我尝试使用输出到output.html文件就可以正常打开并显示啦！# 渲染到HTML文件# bar.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=400)

# 代码5-4init_opts=opts.InitOpts(width='800px', height='400px')
bar=(
    Bar(init_opts)
        .add_xaxis(data.columns.tolist())
        .add_yaxis('商家A', data.loc['商家A'].tolist())
        .add_yaxis('商家B', data.loc['商家B'].tolist())
        .set_global_opts(title_opts=opts.TitleOpts(title='指定标记点的柱形图'))
        .set_series_opts(
            label_opts=opts.LabelOpts(is_show=False),
            markpoint_opts=opts.MarkPointOpts(
                data=[
                    opts.MarkPointItem(type_='max', name='最大值'),
                    opts.MarkPointItem(type_='min', name='最小值'),
                ]
            )
        )
    )
bar.render_notebook()# render_notebook()无法使用备选方案# 这里不显示，我尝试使用输出到output.html文件就可以正常打开并显示啦！# 渲染到HTML文件# bar.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=400)

# 代码5-5student_data = pd.read_excel('data/class/4.fetch/学生身高和体重数据.xlsx', header=None)
student_data.set_index([0], inplace=True)
c=(Scatter(init_opts=opts.InitOpts(width='700px', height='400px'))
   .add_xaxis(xaxis_data=student_data.loc['身高'].tolist())
   .add_yaxis('', y_axis=student_data.loc['体重'].tolist(), symbol_size=20, 
              label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title='体重与身高关系散点图', subtitle=''), 
        xaxis_opts=opts.AxisOpts(
            type_='value', splitline_opts=opts.SplitLineOpts(is_show=True), 
            name='身高（m）'),
        yaxis_opts=opts.AxisOpts(name='体重（kg）',
            type_='value',
            axistick_opts=opts.AxisTickOpts(is_show=True), 
            splitline_opts=opts.SplitLineOpts(is_show=True), 
        ),
        tooltip_opts=opts.TooltipOpts(is_show=False), 
    ))
c.render_notebook()# render_notebook()无法使用备选方案# 这里不显示，我尝试使用输出到output.html文件就可以正常打开并显示啦！# 渲染到HTML文件# bar.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=400)

# 代码5-6line = (Line()
   .add_xaxis(data.columns.tolist())
   .add_yaxis('商家A', data.loc['商家A'].tolist(), is_smooth=True)  # 设置曲线光滑
   .add_yaxis('商家B', data.loc['商家B'].tolist())
  .set_global_opts(title_opts=opts.TitleOpts(title='商家A和商家B销售情况折线图'))# 设置全局选项
    )
line.render_notebook()# render_notebook()无法使用备选方案# 这里不显示，我尝试使用输出到output.html文件就可以正常打开并显示啦！# 渲染到HTML文件# bar.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=400)

# 代码5-7line=(Line()
   .add_xaxis(data.columns.tolist())
   .add_yaxis('商家A', data.loc['商家A'].tolist(), 
              areastyle_opts=opts.AreaStyleOpts(opacity=0.5, color='red'))# 设置曲线光滑
   .add_yaxis('商家B', data.loc['商家B'].tolist(), 
              areastyle_opts=opts.AreaStyleOpts(opacity=0.6, color='blue'))
  .set_global_opts(title_opts=opts.TitleOpts(title='商家A和商家B销售情况面积图'))# 设置全局选项
    )
line.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# line.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-8# 绘制考试成绩的箱线图chinese_data = pd.read_excel('data/class/4.fetch/语文考试成绩.xlsx')
chinese_data.set_index(['班级'], inplace=True)
box=Boxplot(init_opts=opts.InitOpts(width='800px', height='400px'))
box.add_xaxis(list(chinese_data.index))
box.add_yaxis('', box.prepare_data([chinese_data.loc['1班'].tolist(), 
                                    chinese_data.loc['2班'].tolist(), 
                                    chinese_data.loc['3班'].tolist(), 
                                    chinese_data.loc['4班'].tolist()]))
box.set_global_opts(title_opts=opts.TitleOpts(title='4个班的考试成绩箱线图'))
box.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# box.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=400)

# 代码5-9# 最大携氧能力、体重和运动后心率的三维散点图player_data = pd.read_excel('data/class/4.fetch/运动员的最大携氧能力、体重和运动后心率数据.xlsx')
player_data = [player_data['体重（kg）'], player_data['运动后心率（次/分钟）'], 
               player_data['最大携氧能力（ml/min）']]
player_data = np.array(player_data).T.tolist()
s=(Scatter3D()
  .add('', player_data, xaxis3d_opts=opts.Axis3DOpts(name='体重（kg）'), 
       yaxis3d_opts=opts.Axis3DOpts(name='运动后心率（次/分钟）'),
       zaxis3d_opts=opts.Axis3DOpts(name='最大携氧能力（ml/min）')
      )
  .set_global_opts(title_opts=opts.TitleOpts(
      title='最大携氧能力、体重和运动后心率3D散点图'),
                   visualmap_opts=opts.VisualMapOpts(range_color=[                       '#1710c0', '#0b9df0', '#00fea8', '#00ff0d', '#f5f811', '#f09a09',                       '#fe0300']), ))
render_notebook(s)from IPython.display import display, HTML
display(HTML(s.render()))# render_notebook()无法使用备选方案# 渲染到HTML文件# s.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-10# 设置标签项pie=(Pie()
     .add('', [list(z) for z in zip(data.columns.tolist(),data.loc['商家B'].tolist())])
     .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况饼图'))
     .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# pie.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=550)

# 代码5-11# 设置标签项cpie=(Pie(init_opts=opts.InitOpts(width='810px', height='400px'))
     .add('', [list(z) for z in zip(data.columns.tolist(),
                                    data.loc['商家B'].tolist())], radius=[20,100])
     .set_global_opts(title_opts=opts.TitleOpts(title='商家B销售情况环形图'))
     .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
pie.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# pie.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-13from pyecharts import options as optsfrom pyecharts.charts import Bar, Lineimport pandas as pdfrom pyecharts.charts import Scatterfrom pyecharts.charts import Funnelfrom pyecharts.charts import HeatMapfrom pyecharts.charts import WordCloudfrom pyecharts.charts import Graphfrom pyecharts.charts import Sankey
data=pd.read_excel('data/class/4.fetch/1~12月份的降水量、蒸发量、平均温度数据.xlsx')
bar = (
    Bar()
    .add_xaxis(data['月份'].tolist())
    .add_yaxis('蒸发量', data['蒸发量'].tolist())
    .add_yaxis('降水量', data['降水量'].tolist())
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(name='月份',name_location = 'center',name_gap = 25), 
        title_opts=opts.TitleOpts(title='叠加条形图和折线图'),
        yaxis_opts=opts.AxisOpts(
            name='蒸发量/降水量（mm）',name_location = 'center', name_gap = 50,
            axislabel_opts=opts.LabelOpts(formatter='{value}')),
    )
    .extend_axis(
        yaxis=opts.AxisOpts(
            name='平均温度（℃）',name_location = 'center',name_gap = 55,
            axislabel_opts=opts.LabelOpts(formatter='{value}'), interval=2.5
        )
    )
)
line = Line().add_xaxis(data['月份'].tolist()).add_yaxis('平均温度', 
                                                       data['平均温度'].tolist(), 
                                                       yaxis_index=1)
bar.overlap(line)
bar.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# bar.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-14data = pd.read_excel('data/class/4.fetch/商家A和商家B的各类商品的销售数据.xlsx',
                   index_col='商家')
line=(Line(init_opts=opts.InitOpts(width='800px', height='310px'))
   .add_xaxis(data.columns.tolist())
   .add_yaxis('商家A', data.loc['商家A'].tolist()) 
   .add_yaxis('商家B', data.loc['商家B'].tolist())      # 设置全局选项
    )
scatter = (
    Scatter(init_opts=opts.InitOpts(width='800px', height='310px'))
    .add_xaxis(data.columns.tolist())
    .add_yaxis('商家A', data.loc['商家A'].tolist(),
               label_opts=opts.LabelOpts(is_show=False),
               symbol_size=10, symbol='diamond')
    .add_yaxis('商家B', data.loc['商家B'].tolist(),
               label_opts=opts.LabelOpts(is_show=False),
               symbol_size=10, symbol='pin')
    .set_global_opts(title_opts=opts.TitleOpts(title='叠加散点图和折线图')))
scatter.overlap(line)
scatter.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# scatter.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-15# 绘制漏斗图data=pd.read_excel('data/class/4.fetch/某淘宝店铺的订单转化率统计数据.xlsx')
x_data = data['网购环节'].tolist()
y_data= data['人数'].tolist()
data = [[x_data[i], y_data[i]] for i in range(len(x_data))]
funnel=(Funnel()
    .add('', data_pair=data,label_opts=opts. LabelOpts(
        position='inside', formatter="{b}:{d}%"), gap=2,
        tooltip_opts=opts.TooltipOpts(trigger='item'),
        itemstyle_opts=opts.ItemStyleOpts(border_color='#fff', border_width=1))
    .set_global_opts(title_opts=opts.TitleOpts(title='某淘宝店铺的订单转化率漏斗图'),
                     legend_opts=opts.LegendOpts(pos_left='40%')))
funnel.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# funnel.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-16# 绘制热力图data = pd.read_excel('data/class/4.fetch/heatmap.xlsx', index_col=0)

y_data = list(data.columns)
x_data = list(data.index)
values = data.iloc[: , 0: 7].values.tolist()
value = [[i, j, values[i][j]]for i in range(len(x_data)) for j in range(len(y_data)) ]
heatmap = (
    HeatMap()
    .add_xaxis(x_data)
    .add_yaxis(        '',
        y_data,
        value,
        label_opts=opts.LabelOpts(is_show=True, position='inside'),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='网站点击量热力图'),
        visualmap_opts=opts.VisualMapOpts(pos_bottom='center'), 
    )
)
heatmap.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# heatmap.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-17data_read = pd.read_csv('data/class/4.fetch/worldcloud.csv', encoding='gbk')
words = list(data_read['词语'].values)
num = list(data_read['频数'].values)
data = [k for k in zip(words, num)]
data=[(i,str(j)) for i, j in data]
wordcloud = (WordCloud()
           .add(series_name='词统计', data_pair=data, word_size_range=[10, 100])
           .set_global_opts(title_opts=opts.TitleOpts(
               title='部分宋词词频词云图', title_textstyle_opts=
               opts.TextStyleOpts(font_size=23)),
                            tooltip_opts=opts.TooltipOpts(is_show=True))
      )
wordcloud.render_notebook()# render_notebook(wordcloud)# render_notebook()无法使用备选方案# 渲染到HTML文件# wordcloud.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-18# 绘制微信好友关系图# 节点nodes = [opts.GraphNode(name='张三', symbol='circle', symbol_size=10),
         opts.GraphNode(name='吴大', symbol='pin', symbol_size=10),
         opts.GraphNode(name='贺芳', symbol='pin', symbol_size=10),
         opts.GraphNode(name='刘霞', symbol='circle', symbol_size=10),
         opts.GraphNode(name='黄婧', symbol='circle', symbol_size=10),
        opts.GraphNode(name='周建', symbol='circle', symbol_size=10),
         opts.GraphNode(name='文华', symbol='circle', symbol_size=10)]# 关系links = [opts.GraphLink(source='周建', target='贺芳', value='夫妻'),
         opts.GraphLink(source='周建', target='吴大', value='同事'),
         opts.GraphLink(source='周建', target='张三', value='同学'),
         opts.GraphLink(source='黄婧', target='张三', value='朋友'),
           opts.GraphLink(source='黄婧', target='刘霞', value='同事'),
         opts.GraphLink(source='文华', target='刘霞', value='夫妻'),
         opts.GraphLink(source='文华', target='吴大', value='同事'),
          opts.GraphLink(source='周建', target='刘霞', value='同学')
        ]# 绘图graph =(Graph()
        .add(series_name='',
             nodes=nodes,
             is_roam=False,
             is_rotate_label=True,
             links=links, repulsion=4000, edge_label=opts.LabelOpts(
                 is_show=True, position='middle', formatter='{c}'))
        .set_global_opts(title_opts=opts.TitleOpts(title='微信好友关系图'))
)
graph.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# graph.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-19# 绘制生活开支桑基图# 读取csv文件data = pd.read_csv('data/class/4.fetch/sanky.csv', encoding='utf-8', header=None, sep='\t')# 生成节nodesNodes = []
Nodes.append({'name': '总支出'})for i in data[0].unique():
    dic={}
    dic['name']=i
    Nodes.append(dic)# 生成linksLinks = []for i in data.values:
    dic={}
    dic['source']=i[0]
    dic['target']=i[1]
    dic['value']=i[2]
    Links.append(dic)# 可视化sankey = (
        Sankey()
        .add('', Nodes, Links, pos_left='10%',
            linestyle_opt=opts.LineStyleOpts(
                opacity=0.2, curve=0.5, color='source', type_='dotted'),
            label_opts=opts.LabelOpts(position='right', ),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title='生活开支桑基图'))
    )
sankey.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# sankey.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=500)

# 代码5-20from pyecharts.charts import Bar, Pie, Gridfrom pyecharts import options as optsimport pandas as pdfrom pyecharts.charts import Pagefrom pyecharts.globals import ThemeTypefrom pyecharts.charts import Timeline
data = pd.read_excel('data/class/4.fetch/商家A和商家B的各类商品的销售数据.xlsx', 
                   index_col='商家')
bar = (
    Bar()
    .add_xaxis(data.columns.tolist())
    .add_yaxis('', data.loc['商家A'].tolist())
    .set_global_opts(title_opts=opts.TitleOpts(title='商品A销售情况柱形图'), 
                     legend_opts=opts.LegendOpts(pos_left='30%'))
)
pie = (Pie()
     .add('', [list(z) for z in zip(data.columns.tolist(), data.loc['商家A'].tolist())], 
          radius=[20,100], center=[700, 300])
     .set_global_opts(title_opts=opts.TitleOpts(
         title='商品A销售情况饼图', pos_left='60%'), 
                      legend_opts=opts.LegendOpts(orient='vertical', pos_right=0))
     .set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c} ({d}%)'))
)
grid=(Grid(init_opts=opts.InitOpts(width='950px', height='600px'))
      .add(bar, grid_opts=opts.GridOpts(pos_right='50%'))
      .add(pie, grid_opts=opts.GridOpts(pos_left='70%'))
   )
grid.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# grid.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=900, height=500)

# 读取数据文件并打印前几行以检查数据data_path = 'data/task/5.P164/处理后的数据.csv'if not os.path.exists(data_path):    raise FileNotFoundError(f"The file {data_path} does not exist.")# 读取CSV文件，并打印第一行数据以检查内容data = pd.read_csv(data_path, encoding='gbk', nrows=1)# print(data)data

import osimport pandas as pdfrom pyecharts import options as optsfrom pyecharts.charts import Barfrom IPython.display import IFrameimport warnings# 忽略 pandas 无法自动推断数据类型警告warnings.filterwarnings('ignore', category=pd.errors.DtypeWarning)# 读取整个数据文件data = pd.read_csv(data_path, encoding='gbk')# 转换日期格式以便筛选月份data['支付时间'] = pd.to_datetime(data['支付时间'], errors='coerce')# 确保日期转换正确if data['支付时间'].isnull().any():    print("Some dates couldn't be converted. Please check date format.")
    data.dropna(subset=['支付时间'], inplace=True)# 筛选出2017年6月的数据june_data = data[(data['支付时间'].dt.year == 2017) & (data['支付时间'].dt.month == 6)]# 检查筛选后数据是否为空if june_data.empty:    print("No data found for June 2017. Please check your data and date filtering criteria.")
    exit()# 按照商品分组，求销量grouped = june_data.groupby('商品').size().reset_index(name='商品数量')# 取销量前5的商品top_5_sales = grouped.sort_values(by='商品数量', ascending=False).head(5)# 检查是否有足够的数据点if top_5_sales.empty:    raise ValueError("Not enough data to plot.")# 准备柱状图数据categories = top_5_sales['商品'].tolist()
sales_data = top_5_sales['商品数量'].tolist()# 创建柱状图bar = (
    Bar(init_opts=opts.InitOpts(width='600px', height='400px'))
    .add_xaxis(categories)
    .add_yaxis(
        series_name='商品数量',
        y_axis=sales_data,
        label_opts=opts.LabelOpts(position='top'),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title='2017年6月销量前五的商品'),
        xaxis_opts=opts.AxisOpts(axislabel_opts={'rotate': 30}),  # 防止标签重叠
    )
)
bar.render_notebook()# render_notebook()无法使用备选方案# 渲染到HTML文件# bar.render('output.html')# 在Jupyter Notebook中嵌入预览HTML# IFrame('output.html', width=800, height=400)