其他
对《陈情令》的数据可视化分析
本文作者：钱梦璇
文字编辑：余术玲
技术总编：张 邯
重磅！！！为了大家能够更好地学习Python技术，以及应广大粉丝和往期学员的要求，2019年11月29日-12月1日，武汉字符串数据科技有限公司将在湖北武汉举办《第四期Python编程技术培训》。本次培训采用理论与案例相结合的方式，旨在帮助零基础学员轻松入门Python，由浅入深学习和掌握Python的编程技术，特别是网络数据抓取技术。目前正在火热招生中~
详细培训大纲及报名方式，请点击《2019年Python第四期培训招生》或点击文末阅读原文呦~# 导入所需要的第三方库from pyecharts.charts import Barfrom pyecharts import options as optsfrom pyecharts.globals import ThemeType #引入主题bar=Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))然后添加相应的数据：
bar.add_xaxis(["魏无羡","蓝忘机","江澄","温情","江厌离","温宁","金陵","蓝思追","薛洋","金光瑶"]) #加入横坐标参数bar.add_yaxis("角色热度占比(百分数)",[33.3,15.8,11.8,8.3,7.2,6.5,5.9,1.8,1.7,1.6],category_gap ="35%") #加入纵坐标参数bar.add_yaxis("角色好评率(百分数)",[87.0,84.7,72.1,68.2,73.2,85.2,68.6,69.4,50.1,45.9]) #角色好评率的数据不全，在此添加一些数据仅为图形展示然后，配置图表的属性，TitleOpts为标题配置项；LegendOpts为图例配置项，pos_top设定了图例组件离容器上侧的距离，top的值可以是如10这样的具体像素值，也可以是如10%这样的相对于容器高度的百分比，也可以是“top”、“middle”、“bottom”，这时组件会根据这三个设定自动对齐。同样的，pos_left，pos_right，pos_bottom可以分别设定图例组件距离容器左侧、右侧以及下侧的距离。
bar.set_global_opts(title_opts=opts.TitleOpts(title= "《陈情令》角色表现",subtitle = "2019.06.27-2019.08.15"),legend_opts=opts.LegendOpts(pos_top="10%"))bar.render_notebook()from pyecharts.charts import Pie #引入饼图Pie = ( Pie() .add("",[("女","87.06"),("男","12.94")]) .set_global_opts(title_opts=opts.TitleOpts(title="观众性别比例")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}%")) )Pie.render_notebook()v1=["0-17","18-24","25-34","35-44","45及以上"]v2=["1.20","43.41","49.66","4.57","1.16"]Pie = ( Pie() .add("",[list(z)for z in zip(v1,v2)],center=["35%","50%"],is_clockwise=False) .set_colors(["yellow","red","pink","orange","green","blue"]) .set_global_opts(title_opts=opts.TitleOpts(title="观众年龄比例"),legend_opts=opts.LegendOpts(pos_left="15%")) .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}%")) )Pie.render_notebook()关于我们
微信公众号“Stata and Python数据分析”分享实用的stata、python等软件的数据处理知识，欢迎转载、打赏。我们是由李春涛教授领导下的研究生及本科生组成的大数据处理和分析团队。
1）必须原创，禁止抄袭；
2）必须准确，详细，有例子，有截图；
注意事项：
1）所有投稿都会经过本公众号运营团队成员的审核，审核通过才可录用，一经录用，会在该推文里为作者署名，并有赏金分成。
2）邮件请注明投稿，邮件名称为“投稿+推文名称”。
3）应广大读者要求，现开通有偿问答服务，如果大家遇到有关数据处理、分析等问题，可以在公众号中提出，只需支付少量赏金，我们会在后期的推文里给予解答。