## 概述
-世间万物都在数据化，我们一直在探索数据的意义，希望通过数据的分析，探索挖掘背后的价值！
-数据的理解、洞察将会工作场景中必备的能力，可是我们真的有能力处理数据么，我们真的弄懂了如何处理数据么？
除了数据的清洗、分析，如何描述得到的数据结论也是一门重要的课题，花费了大量的时间分析处理后，将结论讲清楚就很需要可视化图表了，市面上有很多收费、免费、好用不好用的工具，下面我们先从python系列的可视化开始探索吧！
## 数据的导入与清洗
在开始之前，导入numpy和pandas，如果没有，
使用pip install numpy和pip install pandas安装一下。
```
-import numpy as np
-import pandas as pd
```
数据读入的方式有很多种，选择最习惯的一种吧。
```
-data=pd.DataFrame(pd.read_excel(r'C:/Users/LJY/fenxidata/2019可视化/2-pyecharts/聚集人数.xls',header=0, encoding='utf-8'))
```
本案例是利用pyecharts制图，主要是想绘制柱形图和折线图，那么同样的先导入库，将数据进行整理。
```
-import pyecharts.options as opts
-from pyecharts.charts import Bar
-from pyecharts.charts import Line
x_data=np.array(data['时间'])
x_data1 = x_data.tolist()
x_data=np.array(data['当前值（万）'])
x_data2 = x_data.tolist()
y_data=np.array(data['去年同期值（万）'])
y_data2= y_data.tolist()
z_data=np.array(data['节前值（万）'])
z_data2= z_data.tolist()
```
## 绘图
```
(
Line()
.add_xaxis(xaxis_data=x_data1)
.add_yaxis(
series_name="当前值（万）",
stack="总量",
y_axis=x_data2,
areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="去年同期值（万）",
stack="总量",
y_axis=y_data2,
areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
label_opts=opts.LabelOpts(is_show=False),
)
.add_yaxis(
series_name="节前值（万）",
stack="总量",
y_axis=z_data2,
areastyle_opts=opts.AreaStyleOpts(opacity=0.5),
label_opts=opts.LabelOpts(is_show=False),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="聚集人数"),
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross"),
yaxis_opts=opts.AxisOpts(
type_="value",
axistick_opts=opts.AxisTickOpts(is_show=True),
splitline_opts=opts.SplitLineOpts(is_show=True),
),
xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=False),
)
.render("C:/Users/LJY/fenxidata/2019可视化/2-pyecharts/聚集人数.html")
)
```
## 成图
在指定的目录下，赶紧看看吧---聚集人数.html
有兴趣的可以关注公众号哦，会有更多惊喜的。。
网友评论