大数据可视化（三）时间数据可视化

时间分为连续型时间和离散型时间

连续型时间数据可视化

阶梯图

曲线保持在同一个值，直到发生变化，直接跳跃到下一个值，类似、

# datax = [1995,1996,1997,1998, 1999,2000, 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2008,2009]
# int数据当x轴显示不出数据
datax = ['1995', '1996', '1997', '1998', '1999', '2000', '2001', '2002', '2003', '2004', '2005', '2006', '2007', '2008','2009']
datay = [0.32, 0.32, 0.32, 0.32, 0.33, 0.33, 0.34, 0.37, 0.37, 0.37, 0.37, 0.39, 0.41, 0.42, 0.44]
line=(Line().add_xaxis(datax).add_yaxis("",datay,is_step=True)#is_step为false则为折线图.set_global_opts(title_opts=opts.TitleOpts("阶梯图"),yaxis_opts=opts.AxisOpts(min_=0.3),).set_series_opts().render("result/jieti.html")
)

折线图：

显示数据的变化趋势

#图3-6
#pyecharts实现data=pd.read_csv("data/world-population.csv")
datax=data["Year"]
datay=data["Population"]
line=(Line().add_xaxis(datax)# .add_xaixs(datax).add_yaxis("",datay).set_global_opts(title_opts=opts.TitleOpts("sdfjsgjfs"),xaxis_opts=opts.AxisOpts(min_="1960"),yaxis_opts=opts.AxisOpts(min_=3000000000),).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).render("test.html")
)#matplotlib实现
plt.plot(datax,datay)
plt.show()

拟合曲线（matplotlib实现的可能不考）

根据给定的离散数据点绘制的曲线

选择适当的曲线类型来拟合观测数据，并用拟合的曲线方程分析两个变量间的关系

filename="data/unemployment-rate-1948-2010.csv"
ya=[]
xa=[]
try:with open(filename) as f:reader=csv.reader(f)for datarow in reader:if reader.line_num!=-1:ya.append(float(datarow[3]))# print(datarow[3])xa.append(int(datarow[1]))
except csv.Error:print("Erroe resding")sys.exit(-1)
plt.figure()
plt.scatter(xa[:],ya[:],s=10,c='g',marker='o',alpha=0.5)
ploy=np.polyfit(xa,ya,deg=3)
plt.plot(xa,np.polyval(ploy,xa))
plt.show()

离散型时间数据可视化

散点图

用位置作为视觉线索

直观的表现出影响因数和预测对象之间的总体关系趋势，

柱状图：

用高度或长度的差异来显示指标数值的一种图形。

柱形间距决定了柱状图的美观程度

data=pd.read_csv("data/hot-dog-contest-winners.csv")
datax=data["Year"].values.tolist()
datay=data["Dogs eaten"].values.tolist()
# print(datay)
bar=(Bar().add_xaxis(datax).add_yaxis("",datay).set_global_opts(title_opts=opts.TitleOpts("柱状图")).render("result/zhu.html")
)

堆叠图

若数据存在子分类，并且子分类相加有意义

data=pd.read_csv("data/hot-dog-places.csv")
data=data.T
datax=data.index.tolist()
y1=data[0].values.tolist()
y2=data[1].values.tolist()
y3=data[2].values.tolist()
#bar只支持listbar=(Bar().add_xaxis(datax).add_yaxis("A",y1,stack=True).add_yaxis("B",y2,stack=True).add_yaxis("C",y3,stack=True).set_global_opts(title_opts=opts.TitleOpts("柱状图")).render("result/zhudui.html")
)

大数据可视化（三）时间数据可视化相关推荐

华泰股票交易接口如何获取实时数据和同步时间数据？
下面直接分享华泰股票交易接口如何获取实时数据和同步时间数据? 首先.获取实时数据 python的函数库非常丰富,httplib具备获取API接口数据的功能. API返回参数是json格式的,可以用非标 ...
pandas使用pd.offsets.MonthEnd把dataframe数据中的时间数据列统一移动到所在月份的月底、最后一天（move to month end）
pandas使用pd.offsets.MonthEnd把dataframe数据中的时间数据列统一移动到所在月份的月底.最后一天(move to month end) 目录 pandas使用pd.off ...
大数据_什么是数据中台？
目录一.数据中台的定义二.数据中台必备的是个核心能力三.数据中台VS业务中台四.数据中台VS数据仓库五.数据中台VS现有信息架构六.数据中台的业务价值与技术价值一.数据中台的定义数据中 ...
推荐三款高级可视化工具，解决90%的数据可视化大屏需求
对于数据分析师来说,可视化可能是最能表现自己工作价值的一个途径,因为领导喜欢看这种直观的.炫酷的.具有科技感的可视化大屏,我们也能把数据分析结果直接展示给领导,比一份纸面报告要强不知多少倍! 那么领导 ...
R语言入门第四集实验三：数据可视化
R语言入门第四集实验三:数据可视化一.资源 [R语言]R语言数据可视化--东北大学大数据班R实训第三次作业在r中rowsums_R语言初级教程(15): 矩阵(下篇) R语言环境变量的设置环境 ...
如何构建可视化的营销数据大屏？
数据可视化大屏是数据展现最直观最全面的方式之一,对于企业重要数据指标的展示和实时数据的监测,是目前极佳的方案. 对于大屏数据展示,某知名汽车制造厂商的信息化团队有着深刻的建设经验. 该公司目前拥有两个 ...
如何构建可视化的营销数据大屏？ 1
数据可视化大屏是数据展现最直观最全面的方式之一,对于企业重要数据指标的展示和实时数据的监测,是目前极佳的方案. 对于大屏数据展示,某知名汽车制造厂商的信息化团队有着深刻的建设经验. 该公司目前拥有两个 ...
Python 大数据分析疫情：如何实现实时数据爬取及 Matplotlib 可视化？
作者 | 杨秀璋来源 | CSDN博客专家Eastmount 责编 | 夕颜思来想去,虽然很忙,但还是挤时间针对这次肺炎疫情写个Python大数据分析系列博客,包括网络爬虫.可视化分析.GIS地图 ...
数据大屏|基于Flask搭建数据可视化大屏1
项目概述本文主要基于Flask,ECharts等,利用疫情数据搭建可视化大屏,供加深印象学习.学习案例来源网上开源项目,这里进行逐一拆分复现. 应用技术:Python,Flask,ECharts,M ...

大数据可视化（三）时间数据可视化

连续型时间数据可视化

阶梯图

折线图：

拟合曲线（matplotlib实现的可能不考）

离散型时间数据可视化

散点图

柱状图：

堆叠图

大数据可视化（三）时间数据可视化相关推荐

最新文章

热门文章