python丨pandas-bokeh制作专业的可视化图表(仪表盘如何结论先行)

概述如何让仪表盘结论先行#导入工具包importpandasaspdimportnumpyasnpimportpandas_bokeh#导入工具包importpandasaspdimportnumpyasnpimportpandas_bokehdata=pd.read_excel('./data/青岛短租数据整理.xlsx',index_col=0)data=pd.read_excel('. 如何让仪表盘结论先行

# 导入工具包import pandas as pdimport numpy as npimport pandas_bokeh# 导入工具包import pandas as pdimport numpy as npimport pandas_bokehdata = pd.read_excel('./data/青岛短租数据整理.xlsx',index_col=0)

data = pd.read_excel('./data/青岛短租数据整理.xlsx',index_col=0)data.head()

result1 = data.groupby('房间数').agg({'价格':'mean','名称':'count'}).round(0)result1.columns=['均价','房源数量']result1.head()

data.价格.describe()

p1 = result1[['均价']].plot_bokeh.bar(Title='不同房间数均价',                                    zooming=False,                                    panning=False,                                    toolbar_location=None,                                    color='#8ac4d0',                                    legend=None,                                    show_figure=False,                                   )

p2 = result1[['房源数量']].plot_bokeh.pIE(Title='不同房间数房源数量',                                      zooming=False,                                      panning=False,                                      toolbar_location=None,                                      colormap=['#8ac4d0','#28527a','#f4d160'],                                      show_figure=False,                                     )

p3 = data[['价格']].plot_bokeh.hist(Title='价格分布',                                 xlim=(0,1200),  # x轴的刻度                                 bins=np.linspace(0, 1200, 25),                                 zooming=False,                                 panning=False,                                 legend=None,                                 toolbar_location=None,                                 color='#8ac4d0',                                 show_figure=False,                                 Alpha=1,                                     )

data["size"] = data["价格"] / 50p4 = data.plot_bokeh.map(x="经度_re",                    y="纬度_re",                    hovertool_string="""<h2> @{名称} </h2>                     <h3> 价格: @{价格} </h3>""",                    tile_provIDer="CARTODBPOSITRON",                    size="size",                     show_colorbar=True,                    color='#8ac4d0',                    legend=None,                    title="房源分布",                    toolbar_location=None,                    show_figure=False,                        )

组合

p1.plot_wIDth = 300p2.plot_wIDth = 300p3.plot_wIDth = 1100p4.plot_wIDth = 1100

p1.axis.axis_line_color=Nonep1.axis.minor_tick_line_color=Nonep1.axis.major_tick_line_color=Nonep3.axis.axis_line_color=Nonep3.axis.minor_tick_line_color=Nonep3.axis.major_tick_line_color=Nonep4.axis.axis_line_color=Nonep4.axis.minor_tick_line_color=Nonep4.axis.major_tick_line_color=Nonep4.axis.major_label_text_color= None

layout = pandas_bokeh.column(pandas_bokeh.row(p1,p3),                            pandas_bokeh.row(p2,p4))pandas_bokeh.output_file('青岛短租分布V1.HTML')pandas_bokeh.show(layout)

添加结论

from bs4 import BeautifulSoupsoup = BeautifulSoup(open('青岛短租分布V1.HTML'),'lxml')

# 结论内容bt = '青岛短租价格分析'jl1 = '青岛短租均价300元, 主要集中在150~300元之间,'jl2 = '1. 房间数量为1的房源最多'jl3 = '2. 主要集中在沿海风景较好的地段'jl4 = '数据源: 短租网; 更新日期: 2021-3-12'HTML = """<h3>{0}</h3><p >{1}</p><p ;>{2}</p><p ;>{3}</p><p >{4}</p>""".format(bt,jl1,jl2,jl3,jl4) + str(soup)# 字体样式更多设置 Font-family:Calibri 或者 '"微软雅黑"'  字体 color:red 颜色  Font-weight: bold# text-indent:2em 缩进 line-height: 2em 行间距;text-align:center 字体居中# 保存数据with open("青岛短租分布V2.HTML" , "w",enCoding="utf-8") as f:    f.write(HTML)  # 预览文件    import webbrowserwebbrowser.open("青岛短租分布V2.HTML")

扫码关注微信, 赠送《pandas数据读取与清洗》视频及课程代码!

总结

以上是内存溢出为你收集整理的python丨pandas-bokeh制作专业的可视化图表(仪表盘如何结论先行)全部内容，希望文章能够帮你解决python丨pandas-bokeh制作专业的可视化图表(仪表盘如何结论先行)所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。