当前位置: 首页 > news >正文

数据可视化(3)

1.饼状图

#饼状图
#pie(x,labels,colors,labeldistance,autopct,startangle,radius,center,textprops)
#x,每一块饼状图的比例
#labels:每一块饼形图外侧显示的文字说明
#labeldistance:标记的绘制位置,相对于半径的比例,默认值为1:1
#autopct:设置饼图百分比,可以使用格式化字符串或format函数
#startangle:起始绘制角度,默认是x轴正方向逆时针画起
#radius饼图半径,默认值1
#center:浮点类型的列表,可选参数,默认值为(0,0)表示图表中心的位置
#textprops:设置标签和比例文字的格式,字典类型x=[10,34,5,56,58,65]
plt.pie(x,autopct='%1.1f%%')
plt.show()

2.基础饼图

 

#基础饼状图
df=pd.read_excel('收集销售.xlsx')
#解决乱码
plt.rcParams['font.sans-serif']=['SimHei']
x=df['北京出库销量']
labels=df['商品名称']
plt.figure(figsize=(10,6))
#设置x,y轴刻度一致
plt.axis('equal')plt.title('手机品牌出库销售分析')
#设置图例
#frameon设置边框
plt.legend(df['商品名称'],loc='upper left',frameon=False)
plt.pie(x,labels=labels,autopct='%1.1f%%',labeldistance=1.02,startangle=90,textprops={'fontsize':12})
plt.show()

3.分裂饼图

#分裂饼状图
df=pd.read_excel('收集销售.xlsx')
#解决乱码
plt.rcParams['font.sans-serif']=['SimHei']
x=df['北京出库销量']
labels=df['商品名称']
plt.figure(figsize=(10,6))
#设置x,y轴刻度一致
plt.axis('equal')plt.title('手机品牌出库销售分析')
#设置图例
#frameon设置边框
plt.legend(df['商品名称'],loc='upper left',frameon=False)
#通过explode设置饼图的距离,达到分裂的效果
#shadow加阴影
plt.pie(x,labels=labels,autopct='%1.1f%%',labeldistance=1.02,startangle=90,textprops={'fontsize':12},explode=(0,1,0,0,0,0,0,0,0,0,0),shadow=True)
plt.show()

4.环形饼图

#环形饼状图
df=pd.read_excel('收集销售.xlsx')
#解决乱码
plt.rcParams['font.sans-serif']=['SimHei']
x=df['北京出库销量']
x2=df['上海出库销量']
labels=df['商品名称']
plt.figure(figsize=(10,6))
#设置x,y轴刻度一致
plt.axis('equal')plt.title('北京和上海各手机品牌出库销售分析')
#设置图例
#frameon设置边框
plt.legend(df['商品名称'],loc='upper left',frameon=False)
#通过wedgeprops参数设置环形饼图
#pctdistance设置距离,
plt.pie(x,labels=labels,autopct='%1.1f%%',labeldistance=1.02,startangle=90,textprops={'fontsize':12},radius=1,pctdistance=0.85,wedgeprops={'width':0.4,'edgecolor':'k'})
plt.pie(x2,autopct='%1.1f%%',labeldistance=1.02,startangle=90,textprops={'fontsize':12},radius=0.7,pctdistance=0.85,wedgeprops={'width':0.4,'edgecolor':'w'})
plt.show()

相关文章:

数据可视化(3)

1.饼状图 #饼状图 #pie(x,labels,colors,labeldistance,autopct,startangle,radius,center,textprops) #x,每一块饼状图的比例 #labels:每一块饼形图外侧显示的文字说明 #labeldistance:标记的绘制位置,相对于半径的比例&#xf…...

AI面试官:MD5、DES、RSA、AES加密

AI面试官:MD5、DES、RSA、AES加密 文章目录 AI面试官:MD5、DES、RSA、AES加密1. 什么是MD5加密?它在实际应用中有哪些场景?2. DES加密是什么?它在现实中的应用场景有哪些?3. 问题:RSA加密是什么…...

Shell脚本学习-$$特殊变量

$$特殊变量: 获取脚本执行的进程号(PID)。 [rootvm1 scripts]# cat test_pid.sh echo $$ > /tmp/a.pid sleep 300代码说明: 1)获取$$值,也就是当前脚本进程的PID值,重定向到/tmp/a.pid文件…...

vscode中python插件过新导致无法正常debug问题解决安装vscode以前版本python插件教程

您需要从.vsix文件安装它。您可以在此处找到它们。 下载所需.vsix版本的文件。您可能需要单击assets才能看到它们。 然后打开 VSCode,转到extensions-> 单击三个点 ->install from vsix并选择您的文件。 重启以后,就可以正常debug了!...

chrome macos编译

下载工具包 git clone https://chromium.googlesource.com/chromium/tools/depot_tools/gitpwd export PATH"$PATH:/Users/lichengjun/Downloads/chrome_build/depot_tools" mkdir chromium cd chromium 如果想快的话直接: fetch --nohooks --no-history chromium (…...

Linux环境下Elasticsearch相关软件安装

Linux环境下Elasticsearch相关软件安装 本文将介绍在linux(Centos7)环境下安装Elasticsearch相关的软件。 1、安装Elasticsearch 1.1 Elasticsearch下载 首先去Elasticsearch官网下载相应版本的安装包,下载之后传输到linux服务器上。 官网地址:http…...

【趟坑记录】d3.zoom()的正确使用姿势 @d3.v7

【趟坑记录】d3.zoom()的正确使用姿势 d3.v7 文章目录 【趟坑记录】d3.zoom()的正确使用姿势 d3.v7问题重现原因分析解决方案放缩平移写法特殊修改transform函数的写法 总结 在开发一个D3应用的时候遇到了一个 zoom相关的问题,记录解决思路与方案 问题重现 最近在…...

基于 Docker + Nginx + Gitlab-runner 实现前端自动化部署流程

本篇会用到Docker,Gitlab-runner等相关工具,如果对其不是特别了解,可以参考下相关文档: GitLab RunnerDocker 快速入门CI/CD:持续集成/持续部署 在早期部署前端项目时,我们通常会通过ftp把前端代码直接传…...

make/makefile的使用

make/makefile 文章目录 make/makefile初步认识makefile的工作流程依赖关系和依赖方法make的使用 总结 make是一个命令,是一个解释makefile中指令的命令工具,makefile是一个文件,当前目录下的文件,两者搭配使用,完成项…...

Flutter中Navigator 跳转传参数和反向传参数

初始化路由 MaterialApp(routes: <String, WidgetBuilder>{"/Second": (BuildContext context){return Second("");}}, 跳转传参数 String va await Navigator.of(context).push(MaterialPageRoute(builder: (content) {return Second( demo); },…...

kettle开发-Day40-AI分流之case/switch

前言&#xff1a; 前面我们讲到了很多关于数据流的AI方面的介绍&#xff0c;包括自定义组件和算力提升这块的&#xff0c;今天我们来学习一个关于kettle数据分流处理非常重要的组件Switch / Case 。当我们的数据来源于类似日志、csv文件等半结构化数据时&#xff0c;我们需要在…...

MySQL下载与安装

MySQL下载与安装 一、下载 地址&#xff1a;https://dev.mysql.com/downloads/mysql/ 当前最新是8.0版本&#xff0c;我选择上一个最新的mysql-5.7.24-winx64.zip 二、安装 MySQL安装文件分两种 .msi和.zip &#xff0c;.msi需要安装 zip格式是自己解压&#xff0c;解压缩之后…...

c++基础2

文件操作 程序运行时产生的数据属于临时数据&#xff0c;程序一旦运行结束都会被释放 通过文件可以将数据持久化 c中对文件操作需要包含 文件类型分为两种 文本文件&#xff1a;文件以ASCII码形式存储在计算机中二进制文件&#xff1a;文件以文本的二进制存储在计算机中&a…...

虚拟机VMware,linux,centos,如何将项目部署到服务器上面

vmware 是安装虚拟机的软件&#xff0c;centos是系统&#xff0c;linux是系统内核 将本地项目上线到服务器上面&#xff0c;如何实现呢&#xff1f; 准备好服务器&#xff0c;可以选择阿里云服务器 首先需要搭建环境&#xff0c;运行的主要环境是jdktomcatmysql; 通过远程连接…...

R语言 BPNN 反向传播神经网络

##BPNN-neuronet set.seed(123) folds <- createFolds(y=data$Groups,k=10) 建一个放auc值的空向量 auc<-as.numeric() Errorrate<-as.numeric() accuracy<-as.numeric() sensitivity<-as.numeric() specificity<-as.numeric() roc <- vector("li…...

回归预测 | MATLAB实现TCN-BiGRU时间卷积双向门控循环单元多输入单输出回归预测

回归预测 | MATLAB实现TCN-BiGRU时间卷积双向门控循环单元多输入单输出回归预测 目录 回归预测 | MATLAB实现TCN-BiGRU时间卷积双向门控循环单元多输入单输出回归预测预测效果基本介绍模型描述程序设计参考资料 预测效果 ![6 基本介绍 1.MATLAB实现TCN-BiGRU时间卷积双向门控循…...

Qt使用QPixmap类和QScreen类来实现简单截图功能

在Qt中&#xff0c;可以使用QPixmap类和QScreen类来实现截图功能。 以下是一个简单的示例代码&#xff0c;演示了如何在Qt中进行截图&#xff1a; #include <QtWidgets>void captureScreen() {// 获取屏幕对象QScreen *screen QGuiApplication::primaryScreen();// 截…...

【【51单片机LCD1602模块介绍】】

LCD1602的介绍 显示容量16x2 每个字符是5x7的点阵 VDD 是电源正极 4.5-5.5v VO 是对比度调节电压 RS 数据/指令 选择 1为数据0为指令 RW 读写选择1是读 0为写 E 使能 1为数据有效 下降沿执行命令 D0-D7 数据输入输出 A 背光电源正极 K 背光电源负极 LCD1602的操作流程 1.初始…...

【Nginx11】Nginx学习:HTTP核心模块(八)文件处理

Nginx学习&#xff1a;HTTP核心模块&#xff08;八&#xff09;文件处理 继续我们的 HTTP 核心模块之旅。今天主要是文件相关的一些处理操作&#xff0c;包括 DirectIO、文件缓存以及 sendfile 相关的配置。这三个配置中&#xff0c;大家应该会见过 sendfile &#xff0c;但是另…...

STM32MP157驱动开发——按键驱动(休眠与唤醒)

文章目录 “休眠-唤醒”机制&#xff1a;APP执行过程内核函数休眠函数唤醒函数 休眠与唤醒方式的按键驱动程序(stm32mp157)驱动程序框架button_test.cgpio_key_drv.cMakefile修改设备树文件编译测试 “休眠-唤醒”机制&#xff1a; 当应用程序必须等待某个事件发生&#xff0c…...

Windows 11性能诊断与优化实战:如何用Win11Debloat让系统提速60%

Windows 11性能诊断与优化实战&#xff1a;如何用Win11Debloat让系统提速60% 【免费下载链接】Win11Debloat A simple, lightweight PowerShell script that allows you to remove pre-installed apps, disable telemetry, as well as perform various other changes to declut…...

2024年流浪星球比赛

2024年暑假&#xff0c;我去到河北参加流浪星球比赛现场人很多&#xff0c;调试的人排队很长&#xff0c;不过调试很快60分钟的时间13分钟就弄完了。拿了国一比完赛后&#xff0c;我又去北京爬长城&#xff0c;长城的确难爬&#xff0c;道路已有些坑坑洼洼很多人不讲文明在墙上…...

告别Transformer的O(n²)烦恼:手把手带你用Mamba搭建一个长文本摘要Demo

突破长文本处理瓶颈&#xff1a;基于Mamba的高效摘要系统实战指南 当面对动辄数万字的学术论文、企业年报或用户反馈文档时&#xff0c;传统Transformer模型的内存消耗会随着文本长度呈平方级增长。我曾在一个金融数据分析项目中亲历过这种困境——当输入文档超过5000字时&…...

用Go搞定微信扫码登录:一个后端接口+一个回调,附完整可运行代码

极简Go实现微信扫码登录&#xff1a;两个接口搞定全流程 每次看到新项目要接入微信登录就头疼&#xff1f;文档翻来覆去看不明白&#xff1f;其实用Go实现微信扫码登录&#xff0c;核心代码不超过200行。今天我们就用最粗暴的方式&#xff0c;把微信OAuth2.0登录简化为两个接口…...

PETRV2-BEV训练效果对比展示:nuscenes高精度vs xtreme1泛化挑战

PETRV2-BEV训练效果对比展示&#xff1a;nuscenes高精度vs xtreme1泛化挑战 最近在星图AI算力平台上折腾了一下PETRV2-BEV模型&#xff0c;分别用nuscenes和xtreme1两个数据集做了训练和测试。结果挺有意思的&#xff0c;一个在标准数据集上表现不错&#xff0c;另一个在泛化性…...

LTspice AC分析实战:从OP07数据手册曲线到仿真波特图,一步步验证GBW和开环增益

LTspice AC分析实战&#xff1a;从OP07数据手册曲线到仿真波特图&#xff0c;一步步验证GBW和开环增益 在模拟电路设计中&#xff0c;运算放大器的频率响应特性是决定电路性能的关键因素之一。对于刚接触模拟电路设计的工程师或实习生来说&#xff0c;如何将数据手册上的理论参…...

PyTorch CUDA版本不匹配?别急着重装,试试这几种版本切换与降级方案

PyTorch CUDA版本不匹配&#xff1f;别急着重装&#xff0c;试试这几种版本切换与降级方案 当你兴致勃勃地准备运行一个PyTorch项目时&#xff0c;突然蹦出的RuntimeError: The detected CUDA version mismatches the version that was used to compile PyTorch就像一盆冷水浇下…...

OpenClaw浏览器自动化:Qwen3-14B驱动跨页面数据采集

OpenClaw浏览器自动化&#xff1a;Qwen3-14B驱动跨页面数据采集 1. 为什么选择OpenClaw做数据采集&#xff1f; 去年我接手了一个电商价格监控的需求&#xff0c;需要定期抓取30多个商品页面的价格波动。最初尝试用Python写爬虫&#xff0c;但很快遇到三个痛点&#xff1a;反…...

AI的恶意使用

AI 生成的内容与犯罪活动&#xff1a;人工智能系统正被滥用于生成诈骗、欺诈、敲诈勒索及未经同意的私密影像。尽管此类伤害的发生已有充分记录&#xff0c;但关于其发生率和严重程度的系统性数据仍然有限。 影响和操纵&#xff1a;在实验环境中&#xff0c;AI 生成的内容在改变…...

Pixel Script Temple参数详解:LoRA秩(Rank)对剧本专业度与风格稳定性的权衡

Pixel Script Temple参数详解&#xff1a;LoRA秩&#xff08;Rank&#xff09;对剧本专业度与风格稳定性的权衡 1. 理解LoRA秩&#xff08;Rank&#xff09;的基本概念 1.1 什么是LoRA秩 LoRA&#xff08;Low-Rank Adaptation&#xff09;是一种高效的大模型微调技术&#x…...